7M06103 Машинное обучение и анализ данных в КарТУ

Дисциплины

• 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
  

• Системы базы данных и управление информацией

  Дисциплина изучает современные тенденций развития баз данных в исследовании больших данных, использование методов и технологии разработки программного обеспечения на основе анализа и синтеза информационных потоков данных. Курс представлен разделами: проектирования приложений, структуры базы данных, программных интерфейсов. Изучение курса ориентировано на формирования навыков проектирования и создания корпоративных систем приложения.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Педагогика высшей школы

  Осознавать перспективы и риски внедрения ИИ в высшее образование (сценария внедрения ИИ в высшее образование: инерционный, анархический, интервенционистский). Оптимизировать работу преподавателя вуза опираясь на процессуальные характеристики ИИ и обучающие возможности нейросетей. Использовать функции разработки виртуальных сред обучения, нейросетей, применяя соответствующие чаты и платформы: создание виртуальных ассистентов, интерактивных учебных материалов; генерирование заданий и упражнений, разработка виртуальных сред обучения, анализ ответов студентов и обеспечение обратной связи (ChatGPT); составление учебного плана курса; написание вопросов для тестов, (Ask Chad GPT, Learning Studio AI); создание и редактирование презентаций (Gamma App); генерация изображений, которые можно использовать для оформления презентаций или иного мультимедийного образовательного контента (Fusion Brain) и др.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• История и философия науки

  Анализировать философские аспекты искусственного интеллекта как направление философии науки. Осознавать возможности использование основных принципов теории искусственного интеллекта в различных областях, таких как медицина, финансы, транспорт, производство, образование и т.д. Анализировать риски искусственного интеллекта, такие как этические вопросы, безопасность данных и ограниченность возможностей машин. Осуществлять критический анализ проблемных ситуаций на основе системного подхода, вырабатывать стратегию действий.

  Год обучения - 1
  Семестр - 1
  Кредитов - 4
  

• Современные концепции баз данных

  Дисциплина изучает современные концепции и методы организации баз данных, методы и средства получения, хранения и переработки больших данных. Курс представлен разделами: этапы и методы проектирования баз данных, распределенные БД, предпроектное обследования объекта проектирования, системный анализ предметной области, современные инструментальные программные средства Изучение курса ориентировано на формирование понятий о концепциях баз данных, основных положениях концепций; о структурах данных.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Интеллектуальный анализ данных

  Дисциплина изучает современные методы и способы реализации инструментов интеллектуального анализа данных в корпоративных системах и приложениях для получения знаний. Курс представлен разделами: методы предварительной обработки данных, методы классификации, кластеризации, прогнозирования, деревья решении, последовательные методы. Изучение курса ориентировано на формирование навыков исследования различных процессов на компьютере, практического применения методов Data Mining для решения различных научных и технических задач

  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
  

• Языки программирования для анализа данных

  Дисциплина изучает современные методы программирования для решения прикладных задач анализа и обработки данных. Курс представлен разделами: алгоритмы и средства обработки данных для решения научно-исследовательских и прикладных задач Изучение курса направлено на формирование у обучающихся знаний и умений в области разработки алгоритмов, методов и технологий решения практических задач, применение современных методов программирования.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Анализ неструктурированных данных

  Дисциплина изучает основу в профессиональной подготовке выпускников в области фактического извлечения и обработки данных, то есть задач автоматического или полуавтоматического анализа больших объемов данных Курс представлен разделами: методы баз данных, методологии и средства проектирования систем искусственного интеллекта для извлечения ранее неизвестных интересных моделей, таких как группы записей данных, необычных записей и зависимостей. Изучение курса ориентировано на формирование навыков анализа обработки неструктурированных данных для решения различных научных и технических задач.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Современные технологии программирования

  Дисциплина направлена на формирование профессиональных знаний и умений в области освоения современных технологий разработки программных продуктов, компонентного подхода построения программного обеспечения; применения инструментальных средств ускоренной разработки программ и современных технологий программирования. Курс представлен разделами: объектно-ориентированные среды; программирование компонентов и быстрая разработка приложений; технологии организации доступа к данным.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Алгоритмические основы машинного обучения

  Дисциплина составляет основу формирования теоретической подготовки и практических навыков использования алгоритмов машинного обучения и анализа данных. Курс представлен разделами: математические методы и алгоритмы теории машинного обучения; методы теории адаптивного прогнозирования; построения модели анализа предметной области. Изучение курса формирует способность применения основных математические методов и алгоритмов теории машинного обучения, методов теории адаптивного прогнозирования, построения модели предметной области с использованием средств представления знаний.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Программирование для Data Science

  Дисциплина составляет основу разработки и внедрения компонентов системы искусственного интеллекта для повышения скорости и качества обработки данных и принятия решений. Курс представлен разделами: компоненты системы искусственного интеллекта; обработки данных и принятия решений; визуализация данных; построение аналитических моделей. Изучение курса ориентировано на формирование способности к знанию возможности Data Science и технологии машинного обучения, осуществления проверки статистических гипотез, подготовки исходных данных, строить аналитические модели, оценивать аналитические модели, визуализировать данные.

  Год обучения - 1
  Семестр - 2
  Кредитов - 6
  

• Психология управления

  Мотивировать обучающихся использовать искусственный интеллект в повседневной и профессиональной деятельности, помочь преодолеть существующие страхи и развеять мифы, связанные с применением ИИ. Осуществлять персонализацию обучения; прогнозировать результаты обучения; автоматизировать рутинные задачи преподавателя; администрировать процесс обучения; планировать ресурсы; использовать возможности ИИ в разработке, анализе и обработке результатов опросов, анкетировании и др.

  Год обучения - 1
  Семестр - 2
  Кредитов - 3
  

• Казахский (русский) язык (профессиональный)

  Дисциплина «Казахский (русский) язык (профессиональный)» входит в вузовский компонент цикла профилирующих дисциплин. Изучение курса направлено на формирование способности к общению в конкретных профессиональных и деловых сферах, ситуациях с учетом особенностей профессионального мышления, а также формирования навыков проведения переговоров, осуществления делопроизводства, разработки управленческих решений на казахском языке. Содержание дисциплины представлено в виде когнитивно-лингвокультурологических комплексов, состоящих из типичных ситуаций профессионального общения, способствующих расширению коммуникационных возможностей в осуществлении профессиональной деятельности. Дисциплина «Казахский язык (профессиональный)» изучается магистрантами с русским языком обучения с целью развития профессиональных компетенций, необходимых для обучения.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Русский язык (профессиональный)

  В рамках дисциплины «Русский язык (профессиональный)» с применением искусственного интеллекта магистранты формируют следующие компетенции: - способность использовать технологии ИИ для автоматической обработки и анализа текстов на русском языке, включая синтаксический и семантический анализ; - умение применять ИИ для автоматической генерации, редактирования и коррекции текстов, улучшая их орфографию, грамматику и стиль; - навыки работы с системами машинного перевода и адаптации текстов с учетом особенностей русского языка; - применение ИИ для анализа речевых данных и разработки систем распознавания речи и голосовых интерфейсов на русском языке; - способность адаптировать языковые модели ИИ для профессиональных задач в области научных, технических и деловых текстов; - оценка и критический анализ результатов работы ИИ в лингвистической практике, выявление возможных ошибок и ограничений; - этическое использование ИИ в лингвистике, с учетом вопросов конфиденциальности, защиты данных и влияния на языковое разнообразие.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Вычислительная статистика

  Дисциплина изучает оптимальные методы и алгоритмы для обнаружения и отслеживания признаков данных Курс рассматривает методы Монте-Карло цепи Маркова, алгоритм максимизации ожидания и генерация случайных переменных, правила ассоциации и априорный алгоритм анализа рыночной корзины, введение в обучение без учителя, кластерный анализ и анализ главных компонентов. Дисциплина направлена на формирование у магистрантов знаний и умений в области современных методов вычислительной статистики, проведения оценки качества данных и подготовки аналитического отчета по результатам исследовательских работ.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Обработка естественного языка

  Дисциплина изучает методы и инструменты для разработки компонентов и приложений обработки естественного языка (NLP). Курс представлен разделами: основные строительные блоки и приложения NLP с упором на необходимую лингвистическую интуицию; статистические модели языковых задач. Изучение курса ориентировано на формирование навыков использования современных направлений развития интеллектуальных систем и программных реализациях технологий.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Принципы компьютерного зрения

  Дисциплина изучает обработку и анализ видеоданных и изображений для создания интеллектуальных видеокомпьютерных систем. Курс представлен разделами: методы и алгоритмы обработки, преобразования, фильтрации и сегментации цифровых изображений, аддитивные и мультипликативные точечные шумы, алгоритм Хафа, детектор границ Кани, монохроматические и хроматические аберрации, распознавание с учителем и без учителя. Изучение курса ориентировано на формирования навыков использования математических и алгоритмических аппаратов для решения задач компьютерной обработки изображений и современные информационные технологии.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Статистическое моделирование и машинное обучение

  Дисциплина изучает понятийный аппарат, методы, методики и технологии разработки программного обеспечения на основе анализа и синтеза информационных потоков данных. Курс представлен разделами: основы понятийного аппарата; методы и технологии разработки программного обеспечения на основе анализа и синтеза информационных потоков данных. Дисциплина направлена на формирование у магистрантов знаний и умений в области технологии анализа данных и машинного обучения для решения конкретных практических задач.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Нейронные сети для Text Mining

  Дисциплина изучает алгоритмы для построения нейронных систем и их применения при решении задач обработки текстовых данных. Курс представлен разделами: принципы построения архитектуры систем искусственного интеллекта, архитектуры глубокого обучения, анализ эмоциональной окраски, прикладной интерфейс для глубокого обучения текстовых данных. Дисциплина направлена на формирование навыков использования средств с технологией нейронных сетей для обработки текстовых данных, помогающих принимать решения или генерировать прогнозы на основе новых данных, путем поиска закономерностей в них.

  Год обучения - 2
  Семестр - 3
  Кредитов - 5
  

• Методы распознавания образов

  Дисциплина изучает методы и технологии системы поддержки принятия решений путем распознавания образов в различных системах, способов их применения для обработки информации и распознавания систем. Курс предоставлен разделами: глубокие знания об особенностях изображения, их обнаружении и описании, методах сопоставления, распознавании ключевых точек, базовых и расширенных алгоритмах отслеживания. Изучение курса ориентировано формирование практических навыков применения технологии анализа данных и машинного обучения для решения практических задач в области распознавания образов.

  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 комплексные исследования, в том числе междисциплинарные, на основе целостного системного научного мировоззрения с использованием знаний в области истории и философии науки
• Использовать современные методы и средства программирования для получения, хранения и обработки больших данных
• Руководить разработкой и реализацией креативных идей в профессиональной деятельности
• Использовать методы машинного обучения и статистический анализ данных для прогнозирования бизнес-процессов
• Осуществлять образовательную и межкультурную коммуникацию в производственной и научно-педагогической деятельности на основе психолого-педагогических принципов
• Использовать машинное обучение для решения научно-исследовательских и прикладных задач
• Создавать технические проекты прикладных систем искусственного интеллекта с использованием технологии машинного обучения
• Проектировать и создавать интеллектуальные системы для обработки текстовых, звуковых, графических и видео данных c помощью нейронных сетей

Похожие ОП