7M06105 Искусственный интеллект по отраслям в КарТУ

Дисциплины

• История и философия науки

  Дисциплина раскрывает закономерности развития науки. Курс представлен разделами: структура научного знания; глобальные проблемы развития научного знания и техногенной культуры. Изучение курса ориентировано на формирование общенаучной, философско-методологической, мировоззренческой и дисциплинарно-теоретической базы для научной и научно-педагогической деятельности будущих специалистов, ученых, преподавателей.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Основы программирования в ИИ

  Дисциплина ориентирована на формирование базовых знаний в области программирования для искусственного интеллекта и развитие практических навыков работы с данными. В курсе рассматриваются основы языка Python, структуры данных, базовые принципы построения интеллектуальных алгоритмов и начальные сведения о работе с библиотеками (NumPy, pandas и др.). Изучение курса ориентировано на развитие алгоритмического мышления и подготовку студентов к дальнейшему изучению технологий искусственного интеллекта и машинного обучения.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Основы математического моделирования

  Дисциплина изучает методы построения математических моделей для анализа и решения прикладных задач. Курс охватывает основные подходы к моделированию, оптимизации и прогнозированию. Особое внимание уделяется выбору моделей, методам численного решения и оценке их точности. Курс предусматривает разработку и тестирование моделей, анализ их эффективности и использование в научных и инженерных задачах.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Алгоритмы и структуры данных в ИИ

  Дисциплина изучает базовые алгоритмы и структуры данных, применяемые в задачах искусственного интеллекта. Особое внимание уделяется массивам, спискам, деревьям, графам, алгоритмам поиска и сортировки, а также их применению в ИИ. Курс формирует алгоритмическое мышление и навыки оптимизации вычислений для интеллектуальных систем.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Иностранный язык (профессиональный)

  Предметное содержание дисциплины представлено в виде когнитивно-лингвокультурологических комплексов, состоящих из коммуникативных сфер, речевых тем и типовых ситуаций профессионально-научного общения. Изучение курса ориентировано на формирование межкультурно-коммуникативной компетенции в процессе иноязычного профессионально-отраслевого образования.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Глобальные стратегии применения ИИ

  Дисциплина формирует теоретические и практические основы стратегического использования искусственного интеллекта в различных сферах. Курс охватывает анализ глобальных тенденций развития ИИ, исследование методологий его внедрения и оценку социально-экономических последствий. Курс предусматривает освоение методов стратегического планирования, моделирования сценариев развития ИИ и механизмов его интеграции в бизнес-процессы, промышленность и государственное управление.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методика преподавания технических дисциплин

  Дисциплина является основой методической подготовки преподавателя высшей школы. Курс направлен на разработку учебно-методической документации на основе нормативно-правовой базы организации образовательного процесса высшей школы и диагностичных целей обучения, ориентированных на результат; отбор наиболее рациональных форм и дидактических методов. Изучение курса ориентировано на формирование навыков проведения занятий по базовым, профилирующим и техническим дисциплинам с использованием современных технологий обучения.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Статистические методы в ИИ

  Дисциплина изучает статистические подходы к обработке данных и обучению моделей искусственного интеллекта. Курс охватывает методы анализа, прогнозирования и выявления закономерностей. Основное внимание уделяется вероятностным моделям, регрессии, кластеризации и тестированию гипотез. Курс предусматривает разработку и оптимизацию моделей, оценку их точности и адаптацию статистических методов для интеллектуальных систем

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Педагогика высшей школы

  Дисциплина изучает современные тенденции гуманизации и демократизации учебно-воспитательного процесса в высшей школе (ВШ), новые технологии обучения и воспитания, ориентирует на индивидуально-творческий стиль педагогической деятельности. Курс представлен разделами: современная парадигма высшего образования; методология педагогической науки; теория обучения в ВШ. Изучение курса ориентировано на формирование профессионально-педагогической культуры преподавателя ВШ.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Экологическое моделирование и прогнозирование

  Дисциплина изучает методы моделирования и прогнозирования экологических процессов. Особое внимание уделяется анализу воздействия на окружающую среду и использованию программных средств для построения моделей. Курс формирует навыки экологического мышления и принятия обоснованных решений в природоохранной деятельности.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Разработка стартапов

  Курс основан на изучении методов управления стартапами, моделирования бизнес-процессов, анализа рыночных тенденций и внедрения инновационных технологий. Особое внимание уделяется стратегическим подходам к развитию стартапов, управлению рисками и адаптации к быстроизменяющимся условиям рынка. Курс предусматривает изучение эффективных методов презентации проектов, привлечения инвесторов, а также способов масштабирования бизнеса. Магистранты осваивают современные инструменты разработки и тестирования бизнес-моделей, получая навыки командной работы и принятия предпринимательских решений.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Возобновляемые источники энергии: прогнозирование и управление

  Дисциплина направлена на изучение методов прогнозирования, оптимизации и эффективного управления энергетическими системами, основанными на возобновляемых источниках энергии (ВИЭ). Курс уделяет особое внимание уделяется методам прогнозирования выработки энергии из возобновляемых источников, основанным на анализе исторических данных, метеорологических прогнозах, моделировании и алгоритмах машинного обучения. Магистранты изучат способы учета неопределенности и изменчивости в производстве энергии, что является ключевым аспектом для обеспечения стабильности и надежности энергосистем.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Психология управления

  Дисциплина ориентирована на формирование системных представлений и понимания психологической сущности управленческой деятельности; овладение основными социально-психологическими методами управления; развитие мотивации личностного роста. В курсе рассматриваются методологические основы психологии управления; социально-психологические проблемы управления и пути их решения; основы психологии руководителя. Изучение курса ориентировано на повышение культуры управленческой деятельности.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• Анализ данных и машинное обучение

  Дисциплина формирует теоретические и практические основы анализа данных и применения методов машинного обучения для решения широкого круга задач. Курс охватывает основные подходы к обработке, визуализации и интерпретации данных, а также изучение алгоритмов машинного обучения, их обучения и оптимизации. Дисциплина основана на изучении статистических методов, нейронных сетей, методов классификации, кластеризации и прогнозирования. Особое внимание уделяется разработке моделей, их валидации и интерпретации результатов, а также практическому применению инструментов машинного обучения в различных отраслях. Курс предусматривает освоение современных библиотек и платформ для машинного обучения, реализацию алгоритмов на реальных данных и изучение стратегий автоматизации анализа данных.

  Год обучения - 1
  Семестр - 2
  Кредитов - 6
  

• Интеграция возобновляемых источников энергии в сетях

  Дисциплина охватывает теоретические и практические аспекты включения возобновляемых источников энергии (ВИЭ) в существующие энергетические сети. Магистранты изучат ключевые вопросы, связанные с технологическими, экономическими и операционными аспектами интеграции солнечных, ветровых, гидроэнергетических и биомассовых источников энергии в электрические сети. Курс включает в себя анализ влияния нестабильности и изменчивости выработки энергии ВИЭ на балансировку энергосистем, а также методы управления пиковыми и минимальными нагрузками.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Интеллектуальные системы в управлении отходами

  Дисциплина направлена на изучение современных интеллектуальных подходов к управлению отходами с использованием технологий искусственного интеллекта. Курс охватывает методы мониторинга, сортировки, прогнозирования объемов отходов и оптимизации логистических процессов с применением алгоритмов машинного обучения, компьютерного зрения и анализа данных. Особое внимание уделяется проектированию интеллектуальных систем для повышения эффективности переработки, минимизации экологического ущерба и поддержки устойчивого развития.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Интеллектуальные системы управления в энергетике

  Дисциплина охватывает теоретические и практические аспекты применения интеллектуальных технологий в процессе управления энергетическими системами. Курс включает в себя изучение методов прогнозирования потребности в энергии, управления распределением энергоресурсов, диагностики и мониторинга оборудования в реальном времени, а также улучшения устойчивости и надежности энергетических сетей

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Интеллектуальные системы и нейронные сети

  Дисциплина формирует теоретические и практические основы разработки интеллектуальных систем с применением нейронных сетей. Курс охватывает построение, обучение и оптимизацию моделей, а также их применение в различных сферах. Основное внимание уделяется архитектурам нейронных сетей, методам их обучения, регуляризации и интерпретации. Магистранты изучают современные фреймворки, осваивают обработку данных и разрабатывают нейросетевые решения для автоматизации задач. Курс предусматривает изучение передовых технологий ИИ, разработку и тестирование моделей, а также анализ их эффективности.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Визуализация данных с использованием ИИ

  Дисциплина изучает методы представления данных с применением ИИ для выявления закономерностей и упрощения анализа. Курс охватывает обработку, анализ и визуализацию данных, автоматизированные графические представления и современные инструменты ИИ. Основное внимание уделяется выбору методов визуализации, анализу данных и применению алгоритмов ИИ. Курс предусматривает освоение технологий визуализации больших данных, применение нейросетевых моделей и создание эффективных графических решений

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Умные энергосистемы (Smart Energy Systems)

  Дисциплина посвящена современным подходам и технологиям, направленным на создание и управление интеллектуальными энергетическими сетями, которые способны адаптироваться к изменениям внешней среды, эффективно управлять энергопотоками и обеспечивать высокий уровень надежности и устойчивости. Курс охватывает различные аспекты умных энергосетей, такие как интеграция возобновляемых источников энергии (солнечных и ветровых электростанций), электромобилей и систем хранения энергии, а также методы обеспечения безопасности и устойчивости таких систем

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Методы анализа и обработки больших данных

  Дисциплина изучает теоретические и практические методы обработки и анализа больших данных, обеспечивающие эффективную работу с масштабными информационными массивами. Курс охватывает алгоритмы обработки, распределенные вычисления, машинное обучение и автоматизированный анализ данных. Основное внимание уделяется выбору инструментов и технологий для хранения, обработки и анализа данных. Курс предусматривает освоение современных платформ для работы с большими данными, реализацию аналитических решений и разработку алгоритмов обработки информации для различных прикладных задач.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Глубокое обучение и нейронные сети

  Дисциплина формирует теоретические и практические основы глубокого обучения и разработки нейронных сетей. Курс охватывает построение, обучение и оптимизацию многослойных моделей, а также их применение в различных сферах. Основное внимание уделяется архитектурам глубокого обучения, методам регуляризации, процессу обучения и интерпретации моделей. Магистранты изучают современные фреймворки, осваивают обработку данных и применяют нейронные сети для решения практических задач. Курс предусматривает изучение передовых технологий ИИ, разработку и тестирование моделей, а также анализ их производительности.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Управление научно-инновационной деятельностью, курсовая работа

  Дисциплина раскрывает вопросы и проблемы управления научно-инновационной деятельностью (НИД). Курс представлен разделами: планирование НИД; обработка и анализ экспериментальных данных НИД; технико-экономическое обоснование НИД и коммерциализация проектов; мониторинг этапов научно-инновационной деятельности; формирование проектного решения экспериментально-исследовательской задачи; подготовка и публикация результатов НИД; представление результатов НИД к публичной защите. Изучение курса ориентировано на формирование навыков по управлению НИД, включая ее планирование, реализацию и мониторинг в рамках профессиональной деятельности

  Год обучения - 2
  Семестр - 4
  Кредитов - 5
  

Профессии

Результаты обучения

• Осуществлять педагогическую деятельность в высшей школе на основе современных образовательных технологий и психологических закономерностей и методов
• Проводить научные исследования и реализовывать инновационные разработки в рамках профессиональной деятельности
• Осуществлять управление процессом разработки и внедрения инновационных идей в профессиональной деятельности
• Владеть лингвистическими, когнитивными и культурологическими моделями и методами для решения специализированных и исследовательских задач
• Выполнять комплексные исследования, включая междисциплинарные, на основе целостного системного научного мировоззрения с использованием знаний в области истории и философии науки
• Разрабатывать и внедрять интеллектуальные системы, используя алгоритмы, структуры данных и математические модели, управлять научно-инновационной деятельностью, генерировать и развивать стартапы
• Совершенствовать навыки анализа данных и внедрения методов машинного обучения в соответствии с глобальными стратегиями ИИ
• Реализовывать сбор и анализ научно-технической информации в рамках исследовательской работы по нейронным сетям, ИИ и большим данным по областям применения
• Разрабатывать и применять методы моделирования, управления, обслуживания и интеграции возобновляемых источников энергии в умные энергосистемы при решении научно-исследовательских и прикладных задач

Похожие ОП