8D06102 Компьютерные науки в Университет имени Сулеймана Демиреля

Дисциплины

• Расширенное компьютерное зрение

  Этот курс посвящен обработке изображений и компьютерному зрению, изучению методов, позволяющих машине обучаться и анализировать изображения и видео с использованием геометрии и статистического обучения. Знать широкий спектр тем, от основ формирования и обработки изображений до новейших методов глубокого обучения, направленных на решение высокоуровневых задач визуального распознавания, таких как сегментация изображений и обнаружение объектов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Продвинутый искусственный интеллект

  Данный курс предназначен для изучения самых передовых моделей глубокого обучения и обучения с подкреплением, а также фокусируется на реализации моделей с использованием Pytorch.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методы научных исследований

  Данный курс посвящен изучению методологий исследования, используемой в компьютерных науках. Курс охватывает различные темы: от выявления и формулирования вопросов исследования, поиска литературы, сбора данных, принципов планирования экспериментов и статистики до различных аспектов оценки результатов, их интерпретаций и дискуссий.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Продвинутый генеративный искусственный интеллект

  Этот курс посвящен изучению продвинутых концепций и методов генеративного искусственного интеллекта, с акцентом на глубокие модели обучения, способные создавать реалистичный текст, изображения и другие виды медиа. В рамках курса рассматриваются генеративно-состязательные сети (GANs), вариационные автокодировщики (VAEs), диффузионные модели и крупные языковые модели (LLMs). Студенты получат практический опыт в обучении, настройке и оценке генеративных AI-моделей для различных приложений, таких как синтез изображений, генерация текста и креативный искусственный интеллект.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Расширенная обработка естественного языка

  Курс представляет собой введение в обработку естественного языка для докторантов — изучение человеческого языка с вычислительной точки зрения. Охватывает модели синтаксической, семантической и дискурсивной обработки, уделяя особое внимание машинному обучению или методам и алгоритмам на основе корпусов. Также охватывает применение этих методов и моделей в синтаксическом анализе, извлечении информации, статистическом машинном переводе, диалоговых системах и обобщении.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Академическое письмо

  Курс посвящен изучению принципов превосходного академического письма для докторантов, готовящих ряд текстов, включая научные статьи, предложения для конференций, научные отчеты и диссертации.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Продвинутый междисциплинарный искусственный интеллект

  Этот курс изучает применение искусственного интеллекта в различных дисциплинах, объединяя знания из компьютерных наук, здравоохранения, финансов, робототехники и социальных наук. Студенты изучат модели и методы ИИ, используемые для решения сложных реальных задач в разных сферах, включая обработку естественного языка, компьютерное зрение, автономные системы и структуры принятия решений. Курс делает акцент на междисциплинарные подходы, этические аспекты и влияние ИИ на общество.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Расширенная аналитика больших данных

  В этом курсе докторанты узнают основные методы в различных алгоритмах хранения и анализа больших данных. Большая часть практической части курса будет связана с реализацией Apache Hadoop парадигмы MapReduce.. Некоторая теоретическая часть этого курса посвящена объяснению существующих платформ экосистемы Hadoop, таких как Pig, Hive, HBase, Spark и т. д.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Разрабатывать решения для обработки и анализа больших данных с использованием нейронных сетей, моделей и алгоритмов машинного обучения, глубокого обучения
• Решать проблемы в области искусственного интеллекта, анализируя существующие практические системы
• Обрабатывать текстовые и голосовые данные, применяя фундаментальные концепции и методы обработки естественного языка
• Демонстрировать способность критически мыслить, разрабатывать, адаптировать и внедрять результаты исследований, а также критически анализировать, оценивать и синтезировать новые и сложные идеи, комбинируя идеи из нескольких источников, результаты исследований и собственный анализ с учетом достоверности и надежности источников.
• Самостоятельно проводить научные исследования применяя принципы проведения научных исследований, а также экспериментальные и теоретические методы исследования в области компьютерных наук
• Публиковать научные статьи, применяя систематический анализ научных работ, а также используя навыки академического письма
• Представлять и обосновывать результаты исследования применяя требования международного академического сообщества к оформлению и структуре отчетов и научных докладов
• Разрабатывать и применять решения искусственного интеллекта в различных дисциплинах, используя машинное обучение, глубокое обучение, нейронные сети, анализ данных и междисциплинарные методологии для решения сложных реальных проблем.
• Разрабатывать и внедрять передовые решения компьютерного зрения, используя глубокое обучение, нейронные сети, методы обработки изображений и алгоритмы машинного обучения для анализа и интерпретации визуальных данных для реальных приложений.
• Разрабатывать и применять генеративные модели искусственного интеллекта с использованием алгоритмов глубокого обучения, нейронных сетей и машинного обучения для создания, оптимизации и улучшения синтетических данных, текста, изображений и других мультимедийных данных для различных реальных приложений.

Похожие ОП