Новая образовательная программа

8D06102 Machine Learning & Data Science в Satbayev University

Дисциплины

  • Методы научных исследований

    Цель: состоит в овладении знаниями о законах, принципах, понятиях, терминологии, содержании, специфических особенностях организации и управлении научными исследованиями с использованием современных методов наукометрии. Содержание: структура технических наук, применение общенаучных, философских и специальных методов научных исследований принципов организации научных исследований, методологических особенностей современной науки, путей развития науки и научных исследований, роли технических наук, информатики и инженерных исследований в теории и на практике.

    Год обучения - 1
    Кредитов - 5
  • Big Data Storage Systems And Computations

    Курс изучает теоретические основы больших данных и распределенных вычислений, технологии построения систем хранения и обработки больших данных. Включает такие темы, как исследование сетевых протоколов взаимодействия и определение асинхронных и синхронных операций, проблемы фрагментации памяти и виртуальных машин исполнения инструкции, многопоточное программирование, многопроцессорное программирование, проблемы когерентности, устойчивости и методы их решения, проблемы сетевого взаимодействия.

    Год обучения - 1
    Кредитов - 5
  • Наука об устойчивом развитии

    Цель: формирование у докторантов глубокого понимания взаимодействий между природными и социальными системами, а также развитие навыков идентификации и разработки стратегий для устойчивого развития, способствующих долгосрочному благополучию человечества и сохранению окружающей среды. Содержание: сложные взаимосвязи между экосистемами и обществами. Анализ проблем устойчивости на локальном, национальном и международном уровнях.

    Год обучения - 1
    Кредитов - 5
  • Машинное обучение II

    Цель: Погружение в передовые методы и концепции машинного обучения, включая ансамблевые методы, кластеризацию и нейронные сети, с акцентом на глубоком обучении и его применении в различных областях. Содержание: Курс представляет изучение ансамблевых методов, таких как случайные леса, градиентный бустинг и ансамблирование моделей, которые позволяют улучшить качество предсказаний путем комбинирования нескольких базовых моделей.

    Год обучения - 1
    Кредитов - 5
  • Машинное обучение I

    Цель: Введение в фундаментальные концепции и методы машинного обучения, а также изучение основных аспектов искусственного интеллекта. Содержание: Обучающиеся углубленно изучают основные принципы работы алгоритмов машинного обучения, включая методы регрессионного анализа, алгоритмы градиентного спуска и обратного распространения, а также классические методы машинного обучения: метод k-ближайших соседей, деревья решений, наивный байесовский классификатор и метод опорных векторов.

    Год обучения - 1
    Кредитов - 5
  • Applied Machine Learning Research Projects

    Цель: Практическое применение машинного обучения и исследование в этой области через участие в реальных исследовательских проектах. Содержание: В рамках курса студенты участвуют в реальных исследовательских проектах, направленных на разработку и реализацию алгоритмов и моделей машинного обучения для решения конкретных задач. Проекты охватывают различные области применения машинного обучения, такие как компьютерное зрение, обработка естественного языка, медицинская диагностика, финансовый анализ и другие.

    Год обучения - 1
    Кредитов - 5
  • Прогнозная аналитика и интеллектуальный анализ данных

    Курс изучает технологии, опирающиеся на большие массивы данных, для разработки сценариев будущего поведения людей и принятия оптимальных решений. Рассматривается прогнозная аналитика, включающая множество методов из статистики, интеллектуального анализа данных. Для прогноза о будущих событиях проводится анализ как текущих данных, так и данные за прошлые периоды. А также изучаются модели прогнозирования поведения потенциальных клиентов, выявления наиболее популярных продуктов и услуг.

    Год обучения - 1
    Кредитов - 5
  • Академическое письмо

    Цель: Сформировать у докторантов и молодых исследователей системные компетенции в области академического письма как ключевого инструмента научной коммуникации и публикационной деятельности. Содержание: Научный дискурс и академическая коммуникация; Типология научных текстов: от диссертации к публикации; Создание оригинального научного контента; Научный текст: структура и логика построения; Сравнительный анализ источников и подготовка литературного обзора; Работа с метаданными и наукометрическими инструментами; Подготовка статей для международных рецензируемых журналов; Работа с рецензиями и научным сообществом; Академическая мобильность и грантовая поддержка исследований; Аннотации, патенты, отчеты: наука вне статьи; Планирование публикационной стратегии и исследовательской карьеры; Английский язык научной коммуникации.

    Год обучения - 1
    Кредитов - 5
  • Natural Language Processing

    В курсе рассматриваются теоретические аспекты NLP, включая базовые сведения из области лингвистики, и практические методы обработки текстов. Рассматриваются классические алгоритмы обработки текстовой информации, такие как регулярные выражения, измерение расстояний, подстановок, поиск строк и подстрок. Лингвистические деревья. Корпус текста. Таксономия. Рассматриваются модели Word2Vec, Text Embeding, LSTM модели нейронных сетей. Изучаются существующие библиотеки анализа текстовой информации.

    Год обучения - 1
    Кредитов - 5

Результаты обучения

  • 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.
  • Применять методы обработки текстовой информации, использовать принципы построения векторных представлений слов и текстов, проектировать архитектуру диалоговых систем, разрабатывать классификаторы текстов и алгоритмы выявления тематик.
  • Применять методы машинного обучения применительно к задачам обработки больших данных, вести научные изыскания, организовывать работы по сбору, хранению и обработке информации.
  • Проводить стилистический анализ научных, научно-технических и научно-популярных текстов, применять методику работы с текстом, включая поиск информации в справочной, специальной литературе и компьютерных сетях, использовать навыки ораторского искусства, правильного и логичного оформления своих мыслей в устной и письменной форме.
  • Создавать аналитические системы и рекомендательные сервисы на основе алгоритмов машинного обучения и глубокого обучения.
  • Применять методологию научного познания, принципы и структуру проведения научных исследований, использовать экспериментальные и теоретические методы исследования в области искусственного интеллекта и науки о данных с учетом влияния технологий на общество и окружающую среду, соблюдая принципы открытого, инклюзивного и этически ответственного научного подхода.
  • 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 науки о данных.
  • Применять различные виды моделей, используемых при разработке систем искусственного интеллекта, описывать взаимосвязь между моделями и разработкой систем искусственного интеллекта.

Похожие ОП

8D06102 IT Менеджмент

Международный университет Астана (AIU)

8D06102 Компьютерные науки (профильная)

Astana IT University

8D06102 Информатика

Евразийский национальный университет имени Л.Н.Гумилева (ЕНУ им. Л. Н. Гумилева)

8D06102 Информационные технологии и робототехника

Костанайский региональный университет имени Ахмет Байтұрсынұлы (КРУ им. Байтурсынова)

8D06102 Компьютерная инженерия

Казахский национальный университет имени аль-Фараби (КазНУ им. аль-Фараби)

8D06102 Информационные системы

Казахский национальный педагогический университет имени Абая (КазНПУ им. Абая)

8D06102 Компьютерная наука и искусственный интеллект

Казахстанско-Британский технический университет (КБТУ (KBTU))

8D06102 Информатика, вычислительная техника и управление

Северо-Казахстанский университет имени М.Козыбаева (СКУ им. Козыбаева)

8D06102 Компьютерные науки

Университет имени Сулеймана Демиреля

8D06102 Системная инженерия

Казахский агротехнический исследовательский университет имени С.Сейфуллина (КазАТУ им. Сейфуллина)

8D06102 Компьютерная и программная инженерия

Международный университет информационных технологий (МУИТ (IITU))

8D06102 Информационные системы (по отраслям)

Восточно-Казахстанский технический университет имени Д.Серикбаева (ВКТУ им. Д. Серикбаева)

Top