7M06105 Кибернетика и искусственный интеллект в Satbayev University

Дисциплины

• 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
  

• Квантовые вычисления

  Цели освоения дисциплины: формирование у магистрантов теоретических знаний по основным понятиям и методам теории квантовых вычислений; выработка умений и практических навыков построения и анализа квантовых схем, расчета вероятностей при квантовых измерениях; изучение квантовых алгоритмов и квантовых информационных протоколов. В курсе рассматриваются основные положения классической теории вычислительной сложности, гейтовая модель квантовых вычислений, алгоритмы квантовых вычислений основанные на квантовом преобразовании Фурье.

  Год обучения - 1
  Кредитов - 5
  

• 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
  

• 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
  

• Иностранный язык (профессиональный)

  Курс направлен на изучение основных проблем научного познания в контексте его исторического развития и философского осмысления, эволюции научных теорий, принципов и методов научного исследования в историческом построении научных картин мира. Дисциплина поможет овладеть навыками развития критического и конструктивного научного мышления на основе исследований истории и философии науки. По окончанию курса магистранты научатся анализировать мировоззренческие и методологические проблемы науки и инженерно-технической деятельности в построении казахстанской науки и перспектив ее развития.

  Год обучения - 1
  Кредитов - 3
  

• Интерфейсы многоядерных систем

  Цель изучения: формирование у магистров теоретических знаний и практических навыков по использованию современных вычислительных комплексов и программных средств для решения широкого спектра задач в различных областях. Курс рассматривает особенности архитектуры графических процессоров, принципы организации гибридных вычислительных систем на базе графических процессоров, классы задач пригодные для эффективного исполнения на графических процессорах.

  Год обучения - 1
  Кредитов - 5
  

• Современные вопросы в теории уравнений с частными производными

  Цель освоения: изучить современные методы построения и анализа математических моделей, возникающих при решении естественнонаучных задач, а также современные методы разработки и реализации алгоритмов их решения. В курсе рассматриваются уравнения переноса, тепла, волны, Лапласа и их фундаментальные решения, энергетические методы; нелинейный УЧП первого порядка; теория для линейных УЧП; элиптические уравнения второго порядка; теория нелинейных УЧП; невариационные методы;уравнения Гамильтона-Якоби.

  Год обучения - 1
  Кредитов - 5
  

• Параллельные вычисления

  Целью курса являются приобретения знаний и навыков по основам параллельного программирования и параллельной обработке данных с использованием компьютерных средств. Задачи изучения курса: научить методам параллельной обработки информации и представления параллельных алгоритмов; ознакомление студентов с архитектурой ЭВМ; сформировать средства спецификации параллельных процессов; обучить языкам параллельного программирования; освоить методы автоматического распараллеливания последовательных алгоритмов.

  Год обучения - 1
  Кредитов - 5
  

• Дополнительные вопросы теории стохастических процессов

  Цель изучения: формирование у магистров теоретических знаний и практических навыков по вопросам стохастических дифференциальных систем и методов их моделирования, а также применение этих знаний при решении задач в научно-исследовательском и производственно-технологическом процессах. По окончнию курса обучающийся должен знать методы стохастического моделирования, уметь применять стохастический анализ при разработке математических моделей, исследовании систем и процессов.

  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
  

• 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 - 1
  Кредитов - 5
  

• Математическая статистика и стохастические процессы

  Курс изучает закономерности случайных явлений, вероятностный подход к построению математических моделей реальных событий и процессов в различных классах случайных функций, постановку и решение возникающих математических задач. А также рассматривается формальный математический аппарат теории вероятностей и случайных процессов, возможности его использования в процессе дальнейшего обучения, применение методов теории вероятностей и стохастических процессов для анализа проблем в различных предметных областях.

  Год обучения - 1
  Кредитов - 5
  

• Теория моделей

  Цель освоения дисциплины: расширить знания по теории рекурсии, теории множеств, теории алгебраических систем и их классов. Курс рассматривает теорему полноты и непротиворечивости, определение полной и неполной теории, модельно полной теории, понятия подмодели и элементарной подмодели, понятия типа и теорему о реализации типа, теорему об опускании счетного типа в счетной теории.

  Год обучения - 1
  Кредитов - 5
  

• Методы машинного обучения

  Цели освоения дисциплины: сформировать теоретические знания по основам машинного обучения для построения формальных математических моделей и интерпретации результатов моделирования; выработать умения по практическому применению методов машинного обучения для построения формальных математических моделей и интерпретации результатов моделирования при решении прикладных задач в различных прикладных областях. Методы машинного обучения – обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться.

  Год обучения - 1
  Кредитов - 5
  

• Интеллектуальный анализ данных

  Цели дисциплины: изучение современных методов и алгоритмов визуализации, систематизации, исследования, анализа и прогнозирования данных большой размерности, основных методов и алгоритмов Data Mining и их сравнительный анализ. Развитие практических навыков использования основных методов и алгоритмов интеллектуального анализа данных; умения применять технологии интеллектуального анализа электронных массивов данных для решения конкретных практических проблем.

  Год обучения - 2
  Кредитов - 5
  

• Искусственные нейронные сети

  Целью освоения дисциплины является формирование у студентов в области системного анализа и управления теоретических знаний и практических навыков по использованию нейронных сетей для решения задач классификации, прогнозирования и управления объектами профессиональной деятельности. Рассматриваются: история развития искусственных нейронных сетей; основные направления использования искусственных нейронных сетей; виды нейронных сетей.

  Год обучения - 2
  Кредитов - 5
  

• Python для глубокого машинного обучения

  Целями освоения дисциплины является ознакомление с современными подходами к построению, обучению и использованию систем распознавания и классификации на основе методов машинного обучения формирование у магистрантов профессиональных компетенции. Содержание дисциплины направлено на освоение алгоритмов и методов глубокого обучения (deep learning) – специального раздела в машинном обучении (machine learning); формирование умений и навыков в решении практических задач с использованием методов глубокого обучения.

  Год обучения - 2
  Кредитов - 5
  

• Уравнения с частными производными на сложных множествах

  Цель: Курс основан на теории обыкновенных дифференциальных уравнений и уравнений в частных производных и математическом анализе. Содержание: Некоторые современные принципы моделирования механических систем, состоящих из конечного числа элементов, имеющих разную размерность. Приводятся некоторые методы теоретического исследования дифференциальных уравнений, описывающих процессы в слоистых средах, и методы численного анализа. В результате этого курса студенты должны получить некоторый опыт моделирования и исследования некоторых сложных механических систем.

  Год обучения - 2
  Кредитов - 4
  

• Прикладная теория информации

  Цель освоения: формирование представлений о теории информации как универсальном языке науки, средстве моделирования явлений и процессов, об идеях и методах кодирования и криптографии; развитие логического мышления, пространственного воображения, алгоритмической культуры, критичности мышления на уровне, необходимом для будущей профессиональной деятельности, для продолжения образования и самообразования; овладение теоретическими знаниями и умениями, необходимыми в повседневной жизни, для изучения смежных дисциплин профессионального цикла.

  Год обучения - 2
  Кредитов - 5
  

• Machine Learning & Deep Learning

  Курс посвящен моделям глубокого обучения. Являясь областью в рамках машинного обучения, модели глубокого обучения иллюстрируют количественно-качественный переход. Новые модели и их свойства требуют отдельного изучения и практики настройки метапараметров таких моделей. В этом курсе изучаются основы глубокого обучения, нейронные сети, сверточные сети, RNN, LSTM, Adam, Dropout, BatchNorm, инициализации Xavier/He.

  Год обучения - 2
  Кредитов - 5
  

• Теория машинного обучения

  Цель освоения: создавать интеллектуальные системы управления, распознавания образов, прогнозирования во всех сферах деятельности человека. В курсе студенты знакомятся с основами машинного обучения: постановкой задачи обучения, подготовкой данных, принципами обучения и принятия решения, подходами к организации обучения и валидации результатов, методами и алгоритмами классификации и кластеризации данных. Теоретические основы машинного обучения закрепляются на практических занятиях и используются при выполнении самостоятельного исследования.

  Год обучения - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• знать и понимать современные тенденции, направления и закономерности развития отечественной науки в условиях глобализации и интернационализации; методологию научного познания; достижения мировой и казахстанской науки в соответствующей области; (осознавать и принимать) социальную ответственность науки и образования; в совершенстве иностранный язык для осуществления научной коммуникации и международного сотрудничества.
• иметь навыки системного понимания области изучения и демонстрировать качественность и результативность выбранных научных методов; участия в научных мероприятиях, фундаментальных научных отечественных и международных проектах; лидерского управления и руководства коллективом; ответственного и творческого отношения к научной и научно-педагогической деятельности.
• уметь работать с архитектурами, включающими открытые библиотеки глубокого обучения, делать правильные выводы из сопоставления результатов теории и эксперимента, выделять из практических задач их постановку для машинного обучения, работать с современными программными комплексами для решения задач машинного обучения.
• уметь разрабатывать математические модели и применять их в научных экспериментах, применяя современное программное обеспечение, проводить теоретические и экспериментальные исследования стохастических процессов и систем.
• уметь анализировать эффективность выполнения задачи на графическом процессоре и гибридных вычислительных системах на базе графических процессоров, производить профилирование программ.
• Уметь применять технологии интеллектуального анализа электронных массивов данных для решения конкретных практических проблем.
• владеть профессиональными знаниями для анализа и синтеза физической информации в области квантовых вычислений, основные квантовые алгоритмы, возможности, методы и системы компьютерных технологий для физических теоретических и экспериментальных исследований в данной области, основные физические платформы для реализации квантовых вычислений.
• Знать постановки задач классификации, кластеризации, прогнозирования, знать алгоритмы и методы глубокого обучения.
• уметь организовывать, планировать и реализовывать процесс научных исследований; анализировать, оценивать и сравнивать различные теоретические концепции в области исследования и делать выводы; анализировать и обрабатывать информацию из различных источников.
• быть компетентным в вопросах межличностного общения и управления человеческими ресурсами; в вопросах вузовской подготовки специалистов; в проведении экспертизы научных проектов и исследований; в обеспечении постоянного профессионального роста.
• уметь проводить самостоятельное научное исследование, характеризующееся академической целостностью, на основе современных теорий и методов анализа; генерировать собственные новые научные идеи, сообщать свои знания и идеи научному сообществу, расширяя границы научного познания.
• быть компетентным в области научной и научно-педагогической деятельности в условиях быстрого обновления и роста информационных потоков; в проведении теоретических и экспериментальных научных исследований; в постановке и решении теоретических и прикладных задач в научном исследовании; в проведении профессионального и всестороннего анализа проблем в соответствующей области.
• владеть методами численного стохастического моделирования для проведения теоретических и экспериментальных исследований, знаниями стохастического анализа для оценивания полученных результатов исследования.
• иметь навыки критического анализа, оценки и сравнения различных научных теорий и идей; аналитической и экспериментальной научной деятельности; планирования и прогнозирования результатов исследования; ораторского искусства и публичного выступления на международных научных форумах, конференциях и семинарах; научного письма и научной коммуникации; планирования, координирования и реализации процессов научных исследований.
• знать понятие стохастического анализа систем и методы стохастического моделирования, применение стохастического анализа при разработке математических моделей и исследовании различных систем и процессов.
• знать особенности архитектуры графических процессоров, принципы организации гибридных вычислительных систем на базе графических процессоров, классы задач пригодные для эффективного исполнения на графических процессорах.

Похожие ОП