7M06108 Прикладной искусственный интеллект в Astana IT University

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