8D06103 Искусственный интеллект в Astana IT University

Дисциплины

• Академическое письмо

  Дисциплина рассматривает основные правила и практики академического письма, включая: терминологию и стиль научного повествования, принятые в международном научном сообществе порядки изложения материала для научных статей и монографий, основные этапы опубликования статей и очерков в рейтинговых изданиях, структура научного и технического ответов, специфика их написания.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Методы научных исследований

  Дисциплина рассматривает основные парадигмы (онтологии) научных исследований в области компьютерных и смежных наук с упором на принципы генерации новых идей и знаний. На основании синтеза онтологий исследований обучающийся приобретет понимание принципов теоретических и практических исследований, рассмотрит примеры построения планов исследования и реализует подбор соответствующих инструментов.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Теория искусственного интеллекта и вычислительных интеллектуальных систем

  Дисциплина охватывает основы теории искусственного интеллекта, в частности алгоритмы поиска, логику, формальные модели вычислений, планирование и принятие решений. Важным аспектом является изучение принципов, лежащих в основе решения задач посредством искусственного интеллекта, таких как поиск в пространствах состояний, теория графов, проблемы оптимизации, нечеткая логика,

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Гибкие практики управления проектами

  Дисциплина рассматривает концептуальные основы и примеры применения практик экстремальной разработки (extreme development) и Scrum метода в контексте научной работы с упором на результат, а не процесс исследований.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Понимание и обработка естественного языка

  Дисциплина охватывает методы обработки и анализа текстовых данных, включая семантический и синтаксический анализ, создание языковых моделей, автоматический перевод, классификацию текста, распознавание речи и другие аспекты.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Алгоритмы обучения: от основ до глубокого обучения

  Дисциплина, охватывает ключевые методы и техники машинного обучения (ML), в частности, обучение с учителем и без учителя, глубокое обучение, методы классификации, регрессии, нейронные сети и ансамблевые методы.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Этика и социальные аспекты искусственного интеллекта

  Дисциплина посвящена этическим, правовым и социальным аспектам применения искусственного интеллекта. Она охватывает темы, такие как прозрачность алгоритмов, влияние искусственного интеллекта на занятость, защита приватности, предвзятость алгоритмов и их влияние на общество.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Цифровой анализ изображений и компьютерное зрение

  В дисциплине изучаются методы и технологии для анализа визуальных данных, такие как распознавание объектов, сегментация, классификация изображений, глубокое обучение для анализа видео и изображений. Эта дисциплина также включает вопросы создания моделей для автономных систем (например, самоуправляемых транспортных средств).

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Составлять и оформлять научные отчеты, научную и техническую документацию, писать статьи в рейтинговые издания применяя основополагающие принципы научной этики, противодействия плагиату, фальсификации и фабрикации; взаимодействовать с руководителем научной работы, рецензентом и редактором журнала в процессе написания диссертации или опубликования статьи.
• Синтезировать и подбирать соответствующий подход к реализации научного исследования на стыке наук; выбирать и использовать методы обработки и интерпретации данных; ставить и решать прикладные задачи в условиях неопределенности; генерировать новые, сложные идеи и знания автономно и ответственно.
• Применять проектный подход в науке; распределять ресурсы и организовывать труд в соответствие с Agile манифестом; анализировать риски и взаимодействовать с заинтересованными сторонами на основе принципов гибкого подхода.
• Способен создавать концептуальные диаграммы, описывающие строение интеллектуальных вычислительных систем, разрабатывать эффективные алгоритмы для решения сложных задач искусственного интеллекта, формулировать и решать задачи с использованием формальных математических моделей, а также понимать и применять основные принципы вычислительной сложности и оптимизации.
• Разрабатывать и применять передовые алгоритмы машинного обучения, включая глубокое обучение, эффективно работать с большими объемами данных для решения практических задач и презентовать полученные результаты используя формальные описания для научной среды.
• Способен создавать эффективные системы для автоматического анализа текстов и взаимодействия с пользователями на естественном язык, строить языковые модели, а также реализовывать алгоритмы распознавания речи и анализа текстов.
• Применять проектно-ориентированный, студентоориентированный подход к обучению, развивать навыки публичного выступления и уверенность при работе с большой аудиторией слушателей.
• Создавать и адаптировать алгоритмы для распознавания и анализа визуальных данных, применять алгоритмы компьютерного зрения, обработки и интерпретации видео и изображений, а также самостоятельно разрабатывать решения для таких прикладных задач, как автономное вождение или медицинская визуализация.
• Способен интегрировать этические принципы в процесс разработки и использования технологий искусственного интеллекта, оценивать риски и возможные негативные последствия от применения искусственного интеллекта, анализировать влияние технологий искусственного интеллекта на общество и экономику.

Похожие ОП