7M06108 Прикладной искусственный интеллект в Astana IT University
-
Цель образовательной программы Подготовка высококвалифицированных специалистов, способных разрабатывать и внедрять современные технологии искусственного интеллекта, включая машинное обучение, обработку данных и создание интеллектуальных систем, для решения комплексных задач в различных областях экономики. Обучающиеся осваивают теоретические основы и практические методы, ориентированные на реальные вызовы и инновации в быстро развивающейся области ИИ.
-
Академическая степень Магистратура
-
Языки обучения Русский, Казахский, Английский
-
Название ВУЗа Astana IT University
-
Срок обучения 2 года
-
Объем кредитов 120
-
Группа образовательных программ M094 Информационные технологии
-
Область образования 7M06 Информационно-коммуникационные технологии
-
Направление подготовки 7M061 Информационно-коммуникационные технологии
Дисциплины
-
Основы ИИ: теория и приложения
Данная дисциплина предполагает изучение основ машинного обучения и искусственного интеллекта, и применение данных знаний для решения реальных прикладных задач. Дисциплина покрывает многие темы обучения с учителем и без учителя. Частично покрывается третий вид задач машинного обучения, так называемое обучение с прикреплением.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
Иностранный язык (профессиональный)
Целью курса является формирование иноязычной профессионально - ориентированной коммуникативной компетенции магистрантов, позволяющей интегрироваться в международную профессиональную среду для межкультурного и профессионального общения.
Год обучения - 1
Семестр - 1
Кредитов - 4
-
Педагогика высшей школы
Содержание курса направлено на приобретение магистрантом знаний о теоретических основах педагогической теории и педагогического мастерства, управлении учебно-воспитательным процессом для преподавания в высшей школе, формирование представления об основных категориях педагогики, о месте, роли и значении педагогики высшей школы, понимание базовых принципов современной педагогики и методических подходов к решению педагогических задач высшей школы.
Год обучения - 1
Семестр - 1
Кредитов - 4
-
Психология управления
Содержание курса направлено на формирование системных представлений о психологических закономерностях управленческой деятельности, специфики использования социально - психологических знаний в структуре деятельности менеджера и освоении навыков анализа социально-психологических принципов, лежащих в основе эффективного управления.
Год обучения - 1
Семестр - 1
Кредитов - 4
-
Программирование для ИИ
"Программирование для ИИ" знакомит обучающихся с основными концепциями программирования и инструментами для разработки искусственного интеллекта. Курс охватывает Python, библиотеки машинного обучения, реализацию алгоритмов, обработку данных и методы оптимизации, что дает обучающимся практические навыки разработки и внедрения моделей ИИ.
Год обучения - 1
Семестр - 1
Кредитов - 5
-
История и философия науки
Содержание курса направлено на приобретение магистрантом знаний о свойствах науки как вида познания и социально-культурного феномена в её историческом развитии; формирование системных представлений об общих закономерностях научного познания в его историческом развитии и изменяющемся социокультурном контексте.
Год обучения - 1
Семестр - 2
Кредитов - 4
-
Математические основы ИИ
Курс охватывает математические основы для разработки решений в области искусственного интеллекта. Обучающиеся изучат линейную алгебру, теорию вероятностей, статистику, оптимизацию и другие ключевые математические концепции, используемые в алгоритмах машинного обучения и глубокого обучения.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Продвинутое машинное обучение
Эта дисциплина предполагает более глубокое изучение машинного обучения и искусственного интеллекта, а также применение этих знаний для решения реальных прикладных задач. Дисциплина охватывает многие темы обучения, такие как контролируемое и неконтролируемое обучение.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Обработка изображений методами ИИ
Курс охватывает методы обработки изображений с использованием искусственного интеллекта, включая компьютерное зрение, нейронные сети и глубокое обучение. Обучающиеся изучат алгоритмы для анализа, распознавания и улучшения изображений, применяя их в реальных задачах и проектах.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Искусственный интеллект в анализе данных
Курс посвящён использованию методов искусственного интеллекта для анализа данных. Обучающиеся будут изучат машинное обучение, обработку больших данных, кластеризацию и классификацию. Обучающиеся изучат алгоритмы для извлечения знаний из данных, будут осваивать инструменты для выявления скрытых закономерностей, прогнозирования и автоматизации аналитики, а также их применение в реальных задачах для принятия обоснованных решений.
Год обучения - 1
Семестр - 2
Кредитов - 5
-
Компьютерная графика и моделирование в ИИ
Курс посвящён компьютерной графике и моделированию с использованием ИИ. Обучающиеся изучат создание 3D-моделей, визуализацию, а также применение алгоритмов ИИ для улучшения графических процессов и создания реалистичных виртуальных объектов и сцен.
Год обучения - 1
Семестр - 3
Кредитов - 4
-
Искусственный интеллект и нейронные сети
Курс изучает основы искусственного интеллекта и нейронных сетей, включая методы обучения, архитектуры сетей, обработку данных и их применение в различных областях. Магистранты осваивают проектирование и реализацию решений на базе ИИ и глубокого обучения.
Год обучения - 1
Семестр - 3
Кредитов - 4
-
Введение в мультиагентные системы
В этом курсе представлены мультиагентные системы (MAS), охватывающие проектирование, разработку и взаимодействие автономных агентов. Обучающиеся изучают ключевые концепции распределенного решения проблем, координации, сотрудничества, переговоров и разрешения конфликтов, применяя эти принципы к реальным сценариям и технологиям.
Год обучения - 1
Семестр - 3
Кредитов - 5
-
Методы и стратегии преподавания
В рамках дисциплины магистрантам предлагаются разнообразные стратегии и инструменты для создания интерактивной и стимулирующей учебной среды. В ходе курса обучающиеся изучают различные активные методы, такие как групповые проекты, ролевые игры, обратная связь и дискуссии, использование технологий и инструментов для интерактивного обучения и пути адаптации их к специфике IT-дисциплин и интеграции практических заданий и проектов в учебный процесс.
Год обучения - 1
Семестр - 3
Кредитов - 5
-
Методы и инструменты Big Data
Цель дисциплины «Методы и инструменты Big Data» состоит в том, чтобы предоставить магистрантам глубокое понимание концепций, технологий и методологий больших данных, позволяющих им обрабатывать, анализировать и получать информацию из крупномасштабных наборов в различных домены.
Год обучения - 1
Семестр - 3
Кредитов - 4
-
ИИ управляемый данными: методы больших данных и обучения с подкреплением
Этот курс изучает методы искусственного интеллекта, управляемые данными, с акцентом на обработку больших данных и методы обучения с подкреплением (RL). Обучающиеся научатся работать с массивными наборами данных, применять алгоритмы RL и разрабатывать интеллектуальные системы, которые адаптируются и улучшаются. Практические приложения в реальных сценариях ИИ будут подчеркнуты через практические проекты.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Современные технологии глубокого обучения
Курс охватывает теорию и практику глубокого обучения, включая нейронные сети, обучение с учителем и без, а также применения в различных областях: компьютерное зрение, обработка естественного языка и анализ данных для решения реальных задач.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Алгоритмы и методы обучения с подкреплением
В этом курсе рассматриваются основные алгоритмы и методы обучения с подкреплением, включая методы, основанные на ценностях, основанные на политике и не основанные на моделях. Обучающиеся изучат приложения в области робототехники, игрового искусственного интеллекта и оптимизации, приобретая практический опыт работы с современными фреймворками для разработки интеллектуальных систем принятия решений.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Когнитивные технологии и системы поддержки принятия решений
Курс охватывает основы когнитивных технологий и их применение в системах поддержки принятия решений. Магистранты изучат методы анализа данных, моделирования поведения, искусственный интеллект и машинное обучение для эффективного принятия решений в сложных ситуациях.
Год обучения - 2
Семестр - 1
Кредитов - 5
-
Компьютерное зрение и распознавание
Курс охватывает методы компьютерного зрения и распознавания образов, включая обработку изображений, детекцию объектов, сегментацию и классификацию. Обучающиеся изучат алгоритмы и технологии для разработки систем, способных интерпретировать визуальную информацию и решать задачи из реального мира.
Год обучения - 2
Семестр - 2
Кредитов - 4
-
Кейсы больших данных: индустрия 4.0, медицина, ІоТ
Курс посвящён анализу кейсов больших данных в контексте индустрии 4.0, медицины и Интернета вещей (ІоТ). Обучающиеся изучат обработку и интерпретацию данных для улучшения производственных процессов, медицинских решений и умных технологий.
Год обучения - 2
Семестр - 2
Кредитов - 4
-
Генеративные алгоритмы
Этот курс знакомит учащихся с различными методами генеративного моделирования и алгоритмами, такими как вариационные автоподошеры (VAE), генеративные состязательные сети (GANS) и авторегрессивные модели. Обучающиеся узнают, как разрабатывать, тренировать и оценивать генеративные модели, а также изучать свои приложения в таких областях, как компьютерное зрение, обработка естественного языка и синтез данных
Год обучения - 2
Семестр - 2
Кредитов - 4
Профессии
Результаты обучения
- Формулировать задачи, возникающие в ходе научно-исследовательской деятельности, применять методологические, психологические подходы в исследованиях.
- Обладать критическим мышлением и владеть академическим языком на профессиональном уровне, позволяющим проводить научные исследования и осуществлять преподавание специальных дисциплин в вузах.
- Применять методы искусственного интеллекта для решения различных прикладных задач.
- Формулировать, модифицировать и разрабатывать методы искусственного интеллекта и машинного обучения.
- Разрабатывать системы искусственного интеллекта, направленные для решения широкого класса прикладных задач в различных сферах деятельности.
- Владеть иностранным языком на профессиональном уровне, позволяющем проводить научные исследования и осуществлять преподавание специальных дисциплин в вузах.
- Выбирать необходимые подходы и методы исследования, модифицировать существующие и разрабатывать новые, исходя из задач конкретного исследования.
- Применять методы анализа больших данных, включая их предварительную обработку, визуализацию и извлечение значимой информации.
- Управлять командой и руководить процессом разработки систем искусственного интеллекта.
- Разрабатывать решения на основе нейронных сетей, проектировать и обучать нейронные сети для обработки изображений, текста и других данных.
Похожие ОП
7M06108 Management of information systems
Казахский национальный исследовательский технический университет имени К.И.Сатпаева (Satbayev University)
7M06108 Компьютерные технологии и кибербезопасность (2)
Международный университет информационных технологий (МУИТ (IITU))
7M06108 Компьютерная лингвистика
Костанайский региональный университет имени Ахмет Байтұрсынұлы (КРУ им. Байтурсынова)
7M06108 Вычислительная техника и программное обеспечение (1г. проф)
Казахский национальный аграрный исследовательский университет (КазНАУ)