7M06102 Machine Learning & Data Science в Satbayev University

Дисциплины

• Information retrival and Information extaraction

  Целю данного курса является предоставить магистрантам теоретические знания и практические навыки в области поиска, фильтрации и извлечения информации из разнообразных источников данных. Содержание: Изучение методов и моделей для эффективного поиска информации в текстовых, мультимедийных и структурированных данных. Рассмотрение алгоритмов и техник для автоматического извлечения структурированных данных из различных источников, таких как веб-страницы, документы, изображения и видео.

  Год обучения - 1
  Кредитов - 5
  

• Big Data processing and applications

  Целью дисциплины является освоение принципов и получения практических навыков организации и технологий хранения, преобразования и аналитической обработки больших данных. В дисциплине рассматриваются теоретические и практические аспекты использования технологий больших данных и разработки приложении для обработки больших данных. В лекционном курсе рассматриваются тенденции развития инфраструктурных решений для обработки и хранения больших данных. В практических занятиях рассматриваются разработки приложении для обработки больших данных.

  Год обучения - 1
  Кредитов - 5
  

• Администрирование систем и сетей

  Целью данного курса является предоставить магистрантам глубокие знания и практические навыки в администрировании информационных систем и компьютерных сетей с учетом современных требований к надежности, безопасности и эффективности работы. Содержание: Курс охватывает продвинутые методы администрирования операционных систем (Windows, Linux), включая углубленное изучение настройки, мониторинга и обеспечения безопасности. Магистранты также изучают сложные аспекты администрирования компьютерных сетей, включая архитектуру сетей, управление устройствами, роутинг, сегментацию и безопасность. Курс включает в себя также облачные технологии, виртуализацию и методы резервного копирования данных. Практические занятия направлены на решение реальных задач администрирования систем и сетей, а также разработку стратегий для обеспечения эффективной работы информационной инфраструктуры организации.

  Год обучения - 1
  Кредитов - 5
  

• Основы NLP

  Цель курса ознакомить магистрантов с основными принципами и методами анализа текста компьютерами в рамках естественного языка. Содержание: Изучение различных алгоритмов и техник для автоматического понимания и обработки текста, таких как токенизация, лемматизация, синтаксический анализ, определение тональности, выделение именованных сущностей и машинный перевод. Практические задания направлены на разработку и реализацию моделей NLP для решения конкретных задач, таких как анализ тональности текстов, автоматическое извлечение информации и машинный перевод.

  Год обучения - 1
  Кредитов - 5
  

• Иностранный язык (профессиональный)

  Овладение профессиональным английским языком на продвинутом уровне (для неязыковых направлений). Изучение грамматических характеристик научного стиля в его устной и письменной формах. Профессиональное устное общение в монологической и диалогической форме по образовательной программе. Умение демонстрировать результаты исследования в форме отчетов, рефератов, публикаций и публичных обсуждений; интерпретировать и представлять результаты научных исследований на иностранном языке.

  Год обучения - 1
  Кредитов - 3
  

• Прикладное машинное обучение и глубокое обучение

  Основная цель курса - предоставить магистрантам глубокие теоретические знания и практические навыки для разработки, внедрения и оптимизации моделей машинного обучения (МО) и глубокого обучения (ГО) в решении реальных задач. Курс направлен на подготовку специалистов, способных эффективно применять современные методы МО и ГО в различных областях, таких как бизнес, здравоохранение, финансы и наука. Содержание курса: Изучение основ машинного обучения; глубокое обучение и нейронные сети; сбор, обработка и анализ данных; разработка и внедрение моделей МО и ГО; оценка и улучшение моделей; инструменты и платформы для разработки МО и ГО; применение МО и ГО в различных областях.

  Год обучения - 1
  Кредитов - 5
  

• Advanced Python

  Цель курса является освоение основ объектно-ориентированного программирования на Python с фокусом на абстрактные базовые классы и инструменты разработчика для создания различных библиотек. Содержание: Принципы объектно-ориентированное программирование (ООП) на Python, работа с абстрактными базовыми классами, контейнеры, алгоритмы и итераторы для эффективной обработки данных. Манипуляции с файловой системой и форматами данных (XML, JSON, YAML). Взаимодействие с веб-сервисами через RESTful API и работа с конечными точками.

  Год обучения - 1
  Кредитов - 5
  

• Управление ИТ проектами

  Основная цель курса "Управление ИТ проектами" — предоставить магистрантам знания и навыки, необходимые для эффективного планирования, реализации и завершения ИТ проектов. Вопросы, рассматриваемые в курсе: архитектура предприятия и ее менеджмент; концепции, методологии и стандарты корпоративного управления; методологии и стандарты управления информационными технологиями; тенденции и перспективы развития информационного менеджмента. В результате освоения дисциплины магистранты смогут применять методологию управления в IT проектах.

  Год обучения - 1
  Кредитов - 5
  

• Методология научного исследования и инновационная деятельность

  Целью освоения курса является формирование у магистранта навыков ведения научно- исследовательской деятельности. Содержание дисциплины включает вопросы определения направления исследования; цели и задачи исследования; этапы написания научной публикации, литературного обзора; организация научного эксперимента; направления инновационной деятельности; роль научных исследований в инновационной деятельности.

  Год обучения - 1
  Кредитов - 5
  

• Интеллектуальная собственность и научные исследования

  Целью данного курса является предоставить магистрантам знания и навыки, необходимые для понимания, защиты и управления интеллектуальной собственностью (ИС) в контексте научных исследований и инноваций. Курс направлен на подготовку специалистов, способных эффективно работать с ИС, защищать результаты научных исследований и применять их на практике.

  Год обучения - 1
  Кредитов - 5
  

• Системы бизнес-анализа данных

  Цель: Освоить магистрантом методы и инструменты анализа данных, применяемые в бизнесе, с акцентом на выявлении закономерностей и трендов, важных для принятия бизнес-решений. Содержание: Изучение различных подходов к сбору, хранению, обработке и анализу данных в контексте бизнеса. Рассмотрение современных систем и инструментов для бизнес-аналитики, включая BI-платформы, инструменты визуализации данных, системы отчетности и инструменты машинного обучения для анализа данных.

  Год обучения - 1
  Кредитов - 5
  

• Искусственный интеллект и Машинное обучение

  Целью данного курса является предоставить магистрантам всесторонние знания и практические навыки в области искусственного интеллекта (ИИ) и машинного обучения (МО). Содержание курса охватывает следующие темы: введение в искусственный интеллект и машинное обучение, алгоритмы машинного обучения, глубокое обучение и нейронные сети, Сбор и обработка данных, оценка и улучшение моделей, применение ИИ и МО в различных областях, инструменты и библиотеки для ИИ и МО, этика и социальные аспекты ИИ.

  Год обучения - 1
  Кредитов - 5
  

• Облачные технологии

  Курс позволит получить компетенции, необходимые для работы с облачными системами с разными настройками. Содержание курса рассматривает вопросы: сбора, визуализации, хранения данных, их безопасность и автоматизация; проектирование и развертывание системы облачного хранилища; разработки наиболее удобной и эффективной стратегии для миграции устаревших систем в облачную среду; разработки методов тестирования для оценки эффективности корпоративных облачных систем с целью составления рекомендаций по их улучшению.

  Год обучения - 1
  Кредитов - 5
  

• Педагогика высшей школы

  Курс направлен на освоение методологическими и теоретическими основами педагогики высшего образования. Дисциплина поможет овладеть навыками современными педагогическими технологиями, технологиями педагогического проектирования, организации и контроля в высшей школе, навыками коммуникативной компетентности. По окончанию курса магистранты научатся организовывать и проводить различные формы организации обучения, применять активные методы обучения, подбирать содержание учебных занятий. Организовывать учебный процесс на основе кредитной технологии обучения.

  Год обучения - 1
  Кредитов - 3
  

• История и философия науки

  Цель: Исследовать историю и философию науки как систему концепций глобальной и казахстанской науки. Содержание: Предмет философии науки, динамика науки, основные этапы исторического развития науки, особенности классической науки, неклассическая и постнеклассическая наука, философия математики, физики, техники и технологий, специфика инженерных наук, этика науки, социально-нравственная ответственность ученого и инженера.

  Год обучения - 1
  Кредитов - 3
  

• Психология управления

  Курс направлен на овладение инструментами эффективного управления сотрудниками, опираясь на знания психологических механизмов деятельности руководителя. Дисциплина поможет овладеть навыками принятия решений, создания благоприятного психологического климата, мотивирования сотрудников, постановки цели, создания команды и коммуникации с сотрудниками. По окончанию курса магистранты научаться решать управленческие конфликты, создавать собственный имидж, анализировать ситуации в сфере управленческой деятельности, а также проводить переговоры, быть стрессоустойчивыми и эффективными лидерами.

  Год обучения - 1
  Кредитов - 3
  

• Advanced R

  Цель курса является предоставить магистратом знаний и навыков в использовании языка программирования R для анализа данных, статистики и машинного обучения на более продвинутом уровне. Содержание: В рамках курса студенты изучают продвинутые техники программирования на языке R, функциональные возможности языка, эффективные методы работы с данными, визуализации и интерпретации результатов анализа. Курс также включает в себя темы параллельного программирования, оптимизации производительности кода и создания собственных пакетов и функций. Студенты получают практические навыки работы с R на более продвинутом уровне, что позволяет им эффективно применять их в своих проектах и исследованиях.

  Год обучения - 1
  Кредитов - 5
  

• Reinforcement Learning

  Цель курса предоставить магистрантам глубокие знания и практические навыки в области обучения с подкреплением (RL). Курс направлен на подготовку специалистов, способных разрабатывать, внедрять и оптимизировать алгоритмы RL для решения сложных задач в различных областях, таких как робототехника, игры, управление и бизнес. Курс по Reinforcement Learning (Обучение с подкреплением) охватывает основы и продвинутые концепции области машинного обучения, где агент обучается принимать решения в некоторой среде с целью максимизации некоторой награды. Основные темы, которые включаются в курс: Основные методы обучения с подкреплением, Марковский процесс принятия решений (MDP), Функции полезности и стратегии, Приближенное обучение, Deep Reinforcement Learning, Multi-Agent Reinforcement Learning и др.

  Год обучения - 2
  Кредитов - 5
  

• Генеративный ИИ

  Целью данного курса является предоставить студентам понимание методов и технологий генеративного искусственного интеллекта для создания новых данных в различных областях. Курс «Generative AI» охватывает принципы, алгоритмы и применение генеративных моделей в искусственном интеллекте. Курс охватывает темы такие как: Генеративно-состязательные сети (GAN), Autoencoders and Representation Learning, Глубокие генеративные модели, Генерация текста и обработка естественного языка (NLP), Генерация изображения, Генерация музыки и творческий искусственный интеллект, Этические и социальные последствия и др.

  Год обучения - 2
  Кредитов - 5
  

• Моделирование экосистем

  Основная цель курса является предоставить магистрантам знания и навыки, необходимые для создания, анализа и интерпретации моделей экосистем. Содержание дисциплины включает способов применять математические и компьютерные модели для понимания динамики экосистем, прогнозирования их изменений и поддержки решений в области управления природными ресурсами и охраны окружающей среды.

  Год обучения - 2
  Кредитов - 5
  

• Business Intelligence

  Курс нацелен на формирование у магистрантов комплекса теоретических знаний и практических навыков применения современных информационных инструментов бизнес-аналитики для управления бизнесом. В ходе практических занятии магистранты осваивают навыки работы в наиболее популярных платформах бизнес-аналитики: Power BI, Qlik Sense, Tableau для поддержки принятия решений в маркетинге и управлении бизнесом; навыки проведения OLAP (online analytical processing) при решении аналитических задач: разведочный анализ, исследование данных, формирование аналитической отчетности.

  Год обучения - 2
  Кредитов - 5
  

• Разработка интеллектуальных приложении

  Основная цель дисциплины предоставить магистрантам всесторонние знания и практические навыки, необходимые для создания, внедрения и оптимизации интеллектуальных приложений. Данный курс представляет знании по применению возможности искусственного интеллекта и анализа данных в приложениях, которые представляет интеллектуальные решения. Темы курса: современные интеллектуальные приложения, Применения машинного обучения и обработка естественного языка в приложениях, Продвинутые методы машинного обучения, Разработка интеллектуальных агентов и др.

  Год обучения - 2
  Кредитов - 5
  

• Стратегии устойчивого развития

  Цель: Обучение магистрантов стратегиям устойчивого развития для достижения баланса между экономическим ростом, социальной ответственностью и охраной окружающей среды. Содержание: Магистранты изучат концепции и принципы устойчивого развития, разработку и внедрение стратегий устойчивого развития, оценку их эффективности, а также международные стандарты и лучшие практики. Включены кейсы и примеры успешных стратегий устойчивого развития.

  Год обучения - 2
  Кредитов - 5
  

• Глубокое обучение в NLP

  Цель курса является предоставить магистрантам знания о современных методах и технологиях глубокого обучения, используемых в области обработки естественного языка (NLP). Содержание: Изучение основных концепций глубокого обучения, включая рекуррентные нейронные сети (RNN), сверточные нейронные сети (CNN), трансформеры и генеративно-состязательные сети (GAN). Рассмотрение применения глубокого обучения в различных задачах NLP, таких как машинный перевод, анализ тональности, определение смысла и генерация текста. Получение практических навыков по разработке и применению моделей глубокого обучения в NLP с использованием современных библиотек и фреймворков, таких как TensorFlow и PyTorch.

  Год обучения - 2
  Кредитов - 5
  

• Reserch Project

  Целью данного курса является научить магистрантов для проведения самостоятельного научного исследования и работать научными проектами. Содержание курса охватывает следующие темы: Разработка исследовательской темы и вопросов, разработка методологии исследования, сбор данных, анализ данных, написание и представление исследовательского отчета, управление исследовательским проектом, этика и профессиональные стандарты в исследовательской деятельности.

  Год обучения - 2
  Кредитов - 4
  

• Трансформерные архитектуры в больших языковых моделях

  Цель: Изучение и понимание принципов и методов работы трансформерных архитектур в больших языковых моделях. Содержание курса включают в себя основы теории обработки естественного языка (NLP), изучение архитектуры трансформеров, включая механизм внимания, многоуровневые представления и механизмы обучения. Также рассматриваются современные языковые модели, такие как BERT, GPT и их применение в различных задачах NLP. Практические занятия включают эксперименты с обучением и использованием.

  Год обучения - 2
  Кредитов - 5
  

• Вычислительный интеллект

  Цель курса: изучение методов и технологий в области вычислительного интеллекта для создания интеллектуальных систем и решения сложных задач. Содержание: В рамках курса магистранты углубленно изучают основные концепции вычислительного интеллекта, включая искусственный интеллект, машинное обучение, глубокое обучение, нейронные сети и эволюционные алгоритмы. Они также знакомятся с методами обработки естественного языка, компьютерным зрением, автоматическим планированием и другими областями искусственного интеллекта. Курс включает в себя как теоретические лекции, так и практические занятия, в ходе которых студенты экспериментируют с различными алгоритмами и технологиями, разрабатывают и тестируют интеллектуальные системы для решения разнообразных задач.

  Год обучения - 2
  Кредитов - 5
  

• Компьютерное зрение и обработка изображений

  Цель курса освоить основные методы и технологии анализа и обработки изображений компьютерами в рамках компьютерного зрения. Содержание: Изучение различных алгоритмов и подходов к обработке изображений, таких как фильтрация, сегментация, распознавание объектов, выделение признаков и классификация. В рамках курса также рассматриваются современные методы компьютерного зрения, включая глубокое обучение и сверточные нейронные сети, их применение в медицине, робототехнике, автоматизации промышленности и других областях.

  Год обучения - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Применять иностранный язык на профессиональном уровне, позволяющем осуществлять преподавание базовых дисциплин в вузах, проводить обзор литературных источников, анализировать тенденции современной науки и определять перспективные направления научных исследований.
• Применять модель программирования MapReduce для обработки научных и масштабируемых данных.
• Планировать и проводить семинарские, практические, лабораторные занятия с учетом требований разработанных и утвержденных рабочих учебных планов и методических указаний, разрабатывать учебно-методические материалы для сопровождения образовательного процесса и реализации инноваций в обучении и воспитании обучающихся, применять знания педагогики и психологии высшей школы в своей педагогической и научно-исследовательской деятельности.
• Применять методы статистического анализа и машинного обучения применительно к задачам обработки различных данных, включая структурированные, неструктурированные, научные, геномные и т.п., вести научные изыскания, организовывать работы по сбору, хранению и обработке информации, создавать аналитические системы и рекомендательные сервисы на основе алгоритмов машинного обучения и глубокого обучения.
• Устанавливать межличностные и групповые коммуникации; определять свою роль в команде, ставить цели и формулировать задачи, связанные с ее реализацией; выстраивать взаимодействие с учетом социальных особенностей членов команды; проектировать и организовывать командную работу; определять потребности участников команды в овладении новыми знаниями и умениями.
• Интегрировать знания, полученные в рамках разных дисциплин для решения научно-исследовательских задач в новых незнакомых условиях и генерации новых идей в контексте научных исследований в области искусственного интеллекта и интеллектуального анализа данных.
• Применять подход, основанный на численных методах решения задач оптимизации и линейного программирования, для формализации и моделирования объектов реального мира.
• Извлекать нужную информацию из всевозможных источников, включая информационные потоки в режиме реального времени, разрабатывать научные, технические и инновационные решения для информационной инфраструктуры предприятия с учетом возможностей технологий больших данных, моделей облачных вычислений и принципов информационной безопасности, обеспечивая при этом экологическую устойчивость, цифровую инклюзивность, этическую осознанность и равный доступ к цифровым ресурсам для всех категорий пользователей.
• Применять концепции проектирования и разработки программного обеспечения, моделирования бизнес-экосистем, моделей виртуальной реальности, систем реального времени.
• Разрабатывать и внедрять модели глубокого обучения и обучать их на реальных наборах данных.

Похожие ОП