Новая образовательная программа

6B06102 Искусственный интеллект и наука о данных в ТарГУ им. Дулати

  • Цель образовательной программы Подготовка высококвалифицированных специалистов, обладающих глубокими теоретическими знаниями и прикладными навыками в области искусственного интеллекта и науки о данных, способных разрабатывать и внедрять проектные решения с использованием современных информационно-коммуникационных технологий, методов машинного обучения, анализа больших данных и программирования. Выпускники программы будут востребованы на рынке труда и готовы к профессиональной деятельности, соответствующей актуальным требованиям работодателей в различных отраслях экономики, науки и технологий.
  • Академическая степень Бакалавриат
  • Языки обучения Русский, Казахский
  • Срок обучения 3 года
  • Объем кредитов 240
  • Группа образовательных программ B057 Информационные технологии
  • Предметы на ЕНТ Математика и Информатика

Дисциплины

  • Математика

    Целью изучения дисциплины «Математика» является подготовка студентов по математике, как базы для освоения дисциплин профессиональной направленности, способствующих готовности выпускника к профессиональной деятельности. Будут изучены основные разделы теории линейной и векторной алгебры, аналитической геометрии, математического анализа.

    Год обучения - 1
    Семестр - 1
    Кредитов - 5
  • Дискретная математика и математическая логика

    Цель дисциплины – сформировать у студентов способность распознавать, интерпретировать и объяснять основные понятия дискретной математики и математической логики, а также применять их для моделирования, анализа и проектирования информационных структур, логических схем и алгоритмов. В результате студент способен классифицировать дискретные структуры, решать логические задачи, анализировать и синтезировать алгоритмы, обосновывать корректность решений, разрабатывать формальные модели и оценивать их применимость в различных областях цифровых технологий.

    Год обучения - 1
    Семестр - 2
    Кредитов - 4
  • Алгебра логики и комбинаторика

    Цель дисциплины – сформировать у студентов умение определять, преобразовывать и применять логические и комбинаторные модели для решения прикладных задач, связанных с построением цифровых схем и анализом дискретных структур. В результате студент способен вычислять значения логических выражений, моделировать комбинаторные ситуации, оптимизировать логические схемы, использовать принципы сочетаний и размещений, сравнивать комбинаторные стратегии, прогнозировать исходы при ограничениях.

    Год обучения - 1
    Семестр - 2
    Кредитов - 4
  • Алгоритмизация и основы программирования

    Цель дисциплины - формирование у студентов знаний об основных понятиях алгоритмизации и программирования и структурах алгоритмов и данных. Будут изучены: методы построения алгоритмов, анализ алгоритмов, методы и технологии построения программ, алгоритмы линейного, разветвляющего и циклического типа, обработка массивов, различные алгоритмы внутренней сортировки информации и задачи поиска.

    Год обучения - 1
    Семестр - 2
    Кредитов - 7
  • Программирование на языке Python

    Целью дисциплины является: овладение современными понятиями и способами написания программ, необходимыми в профессиональной практической деятельности, развитие навыков программирования на языке Python; формирование у обучаемых практических знаний для самостоятельного создания и использования сложных структур, данных; разработка архитектуры, алгоритмических и программных решений системного и прикладного программного обеспечения.

    Год обучения - 1
    Семестр - 3
    Кредитов - 5
  • Введение в искусственный интеллект

    Цель дисциплины – сформировать у студентов представление об основах искусственного интеллекта, научить распознавать, объяснять и применять базовые методы ИИ для решения типовых задач, связанных с интеллектуальной обработкой данных и автоматизацией принятия решений. В результате студент способен идентифицировать ключевые направления ИИ, оценивать применимость алгоритмов, реализовывать простейшие модели машинного обучения, анализировать поведение интеллектуальных систем, выбирать подходящие методы для задач классификации, поиска и планирования.

    Год обучения - 1
    Семестр - 3
    Кредитов - 4
  • SQL и анализ данных

    Цель дисциплины – сформировать у студентов навыки формулировать, запрашивать и анализировать данные с использованием SQL, а также применять методы обработки и визуализации данных для принятия обоснованных решений. В результате студент умеет составлять SQL-запросы, объединять и фильтровать данные, агрегировать информацию, интерпретировать результаты запросов, создавать отчёты и визуализировать данные, делать выводы на основе анализа.

    Год обучения - 1
    Семестр - 3
    Кредитов - 4
  • Технологии структурирования и обработки данных на языке Python

    Цель дисциплины – сформировать у студентов умения структурировать, обрабатывать и анализировать данные с использованием языка Python, развить навыки программной обработки, очистки, трансформации, визуализации и интерпретации данных. В результате студент способен применять основные библиотеки для работы с данными, реализовывать алгоритмы обработки информации, выполнять предварительный анализ, визуализировать результаты и использовать полученные навыки для решения практических и исследовательских задач.

    Год обучения - 2
    Семестр - 1
    Кредитов - 6
  • Введение в Data Science

    Цель дисциплины – сформировать у студентов базовые знания и навыки для определения, сбора, обработки и интерпретации данных, а также применения методов анализа данных для выявления закономерностей и принятия обоснованных решений. В результате студент умеет составлять планы анализа данных, преобразовывать данные для дальнейшей обработки, визуализировать результаты, выбирать подходящие аналитические методы и оценивать достоверность выводов на основе данных.

    Год обучения - 2
    Семестр - 1
    Кредитов - 4
  • Методы машинного обучения

    Цель дисциплины – сформировать у студентов способность объяснять, выбирать и применять методы машинного обучения для моделирования, обучения и предсказания на основе данных различной структуры и объёма. В результате студент умеет подготавливать обучающие выборки, разрабатывать и тренировать модели, настраивать гиперпараметры, оценивать качество предсказаний, сравнивать алгоритмы обучения и интерпретировать результаты в контексте конкретных задач.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Прикладная аналитика и обработка данных

    Цель дисциплины – сформировать у студентов навыки извлекать, анализировать и интерпретировать данные из различных источников, а также применять прикладные аналитические инструменты для оптимизации бизнес-процессов и принятия управленческих решений. В результате студент способен разрабатывать аналитические отчёты, обосновывать выводы на основе прикладных данных, использовать инструменты анализа трендов, сегментировать аудиторию, автоматизировать обработку данных и визуализировать ключевые показатели эффективности.

    Год обучения - 2
    Семестр - 1
    Кредитов - 4
  • Теория вероятностей и математическая статистика

    Цель дисциплины – сформировать у студентов способность объяснять, применять и анализировать вероятностные модели и статистические методы для оценки случайных явлений и принятия решений в условиях неопределенности. В результате студент умеет рассчитывать вероятности событий, строить распределения случайных величин, интерпретировать статистические данные, оценивать параметры выборки, проверять гипотезы, принимать решения на основе статистических выводов, использовать вероятностные методы в прикладных задачах.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Правовое регулирование искусственного интеллекта

    Цель дисциплины – сформировать у студентов умения интерпретировать, применять и оценивать правовые нормы, стандарты, международные инициативы и практики, направленные на обеспечение прозрачности и ответственности при разработке и использовании ИИ. В результате студент способен определять правовой статус ИИ-систем, анализировать нормативно-правовые акты, формулировать рекомендации по соблюдению законодательства и учитывать правовые ограничения при разработке ИИ.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Этика и безопасность использования искусственного интеллекта

    Цель дисциплины – сформировать у студентов способность распознавать, анализировать и оценивать этические аспекты использования искусственного интеллекта, а также принимать обоснованные решения с учётом принципов ответственности, конфиденциальности и прозрачности. В результате студент умеет определять потенциальные риски ИИ, сравнивать подходы к регулированию, аргументировать выбор этически корректных решений, выявлять угрозы безопасности, прогнозировать социальные последствия и разрабатывать рекомендации по ответственному использованию ИИ.

    Год обучения - 2
    Семестр - 1
    Кредитов - 5
  • Экономика и предпринимательство, Основы права, Финансовая грамотность

    Цель дисциплины — ознакомить студентов с основными принципами и законами экономики и предпринимательства, научить эффективно осуществлять предпринимательскую деятельность в условиях рыночной экономики; обучить основам правовой системы и законодательства, а также развивать сознание и навыки, направленные на создание справедливого общества через борьбу с коррупцией и формирование правовой культуры; совершенствовать финансовые знания, развивать навыки эффективного управления личными финансами, а также формировать необходимые знания и навыки для правильного выбора финансовых продуктов и инвестиций.

    Год обучения - 2
    Семестр - 2
    Кредитов - 5
  • Программирование на основе классов и объектов

    Цель дисциплины – сформировать у студентов умения проектировать, реализовывать и модифицировать программные решения с использованием принципов объектно-ориентированного программирования, включая инкапсуляцию, наследование и полиморфизм. В результате студент способен разрабатывать классы и объекты, структурировать код в соответствии с принципами ООП, управлять взаимодействием объектов, расширять функциональность через наследование, переопределять методы, тестировать и отлаживать объектно-ориентированные программы.

    Год обучения - 2
    Семестр - 2
    Кредитов - 8
  • Охрана труда

    Цель дисциплины - сформировать знания об основном комплексе мероприятий, проводимых по вопросам правово-трудовой, санитарно-гигиенической, организационной, лечебно-профилактической, технической и социально-экономической деятельности. В рамках данной дисциплины будут рассмотрены: оптимизация режимов труда с учетом психофизиологии для повышения производительности труда работников, работников в целом, правильная организация трудовой деятельности рабочего с применением всех требований основных систем стандартов безопасности по охране труда

    Год обучения - 2
    Семестр - 2
    Кредитов - 3
  • Объектно-ориентированный язык программирования

    Цель дисциплины – формирование знания о принципах и сведениях ООП, а также практических умений и навыков для написания программы на современных языках программирования. В рамках дисциплины будут изучены: абстрагирование, инкапсуляция и понятие класса; статические и нестатические составляющие класса; понятие объекта, создание и уничтожение объекта.

    Год обучения - 2
    Семестр - 2
    Кредитов - 8
  • Компьютерное зрение и визуальный анализ

    Цель дисциплины – сформировать у студентов знания и навыки распознавать, анализировать и применять методы компьютерного зрения и визуального анализа для обработки, интерпретации и понимания визуальной информации из изображений и видео. В результате студент способен выделять признаки на изображениях, применять алгоритмы детекции и классификации объектов, создавать модели распознавания, оценивать точность визуального анализа и использовать компьютерное зрение для решения прикладных задач.

    Год обучения - 2
    Семестр - 2
    Кредитов - 7
  • Основы НИР, коммерциализация и академическое письмо

    Цель дисциплины – формирование понятия о целях и задачах научных исследований, подготовка и выработка навыков, необходимых для научной работы. Будут изучены: организация научных исследований в высшей школе, методика исследований, работа с данными и первоисточниками, цели и задачи коммерциализации НИР, освоение научного стиля изложения материала В результате освоения дисциплины студенты приобретут практические навыки выполнения НИР.

    Год обучения - 2
    Семестр - 2
    Кредитов - 4
  • Преобразование, визуализация и аналитика данных

    Цель дисциплины – развить у студентов умения преобразовывать, структурировать и визуализировать данные, а также применять аналитические методы для выявления скрытых закономерностей и поддержки принятия решений. В результате студент умеет очищать и нормализовать данные, создавать интерактивные визуализации, интерпретировать графические представления, анализировать взаимосвязи между показателями и подготавливать аналитические отчёты на основе обработанных данных.

    Год обучения - 2
    Семестр - 2
    Кредитов - 7
  • Безопасность жизнедеятельности, Экология и устойчивое развитие

    Цель дисциплины – ознакомление с основами безопасности жизнедеятельности, современными экологическими проблемами и концепциями достижения устойчивого развития. Будут изучены: принципы общей экологии и закономерности развития экосистем с принципами развития человечества, научно-технического прогресса, основные проблемы экологической безопасности РК. В результате обучения дисциплины - студенты будут владеть знаниями и навыками по использованию основных концепций и понятий в области экологической безопасности и жизнедеятельности.

    Год обучения - 2
    Семестр - 3
    Кредитов - 3
  • Вычислительные графы в Data Science

    Цель дисциплины – сформировать у студентов умения описывать, моделировать и применять вычислительные графы для организации, оптимизации и выполнения процессов обработки и анализа данных в задачах Data Science. В результате студент способен строить графовые модели вычислений, определять зависимости между операциями, анализировать структуры графов, оптимизировать порядок вычислений, использовать графовые фреймворки и оценивать эффективность графовых решений при работе с большими данными.

    Год обучения - 2
    Семестр - 3
    Кредитов - 6
  • Алгоритмы обучения с подкреплением

    Цель дисциплины – сформировать у студентов способность объяснять, моделировать и применять алгоритмы обучения с подкреплением для решения задач, связанных с принятием решений в динамической среде на основе проб и ошибок. В результате тудент умеет определять элементы среды обучения, реализовывать базовые алгоритмы (Q-learning, SARSA), оценивать стратегию агента, настраивать параметры обучения, анализировать поведение модели и использовать методы обучения с подкреплением в прикладных задачах.

    Год обучения - 2
    Семестр - 3
    Кредитов - 6
  • Нейросетевые технологии

    Цель дисциплины – сформировать у студентов компетенции, позволяющие понимать, анализировать, проектировать и применять нейросетевые технологии для решения задач классификации, распознавания образов, прогнозирования и автоматизации интеллектуальных процессов в различных предметных областях. В результате студент способен разрабатывать архитектуры нейронных сетей, подготавливать обучающие данные, обучать и оптимизировать модели, использовать современные инструменты и фреймворки, оценивать эффективность решений и адаптировать нейросетевые технологии под специфические прикладные задачи.

    Год обучения - 2
    Семестр - 3
    Кредитов - 4
  • Применение ИИ в инклюзивном образовании

    Цель дисциплины – сформировать у студентов способность идентифицировать, анализировать и применять технологии искусственного интеллекта для поддержки и адаптации образовательных процессов с учётом разнообразия потребностей обучающихся. В результате студент умеет определять барьеры в обучении, подбирать ИИ-инструменты для инклюзии, разрабатывать адаптивные решения, оценивать эффективность цифровой поддержки, прогнозировать влияние ИИ на доступность образования и обосновывать выбор технологий для конкретных образовательных ситуаций.

    Год обучения - 2
    Семестр - 3
    Кредитов - 3
  • Встроенные интеллектуальные устройства

    Цель дисциплины – сформировать у студентов способности проектировать, программировать и использовать встроенные интеллектуальные устройства для реализации адаптивных и автономных функций в физических и киберфизических системах. В результате студент умеет разрабатывать архитектуры умных устройств, интегрировать сенсоры и исполнительные модули, реализовывать алгоритмы обработки данных на микроконтроллерах, настраивать взаимодействие с внешней средой и оценивать функциональность и эффективность встроенных интеллектуальных решений.

    Год обучения - 3
    Семестр - 1
    Кредитов - 6
  • Машинное обучение на микроконтроллерах

    Цель дисциплины – сформировать у студентов умения разрабатывать, внедрять и оптимизировать модели машинного обучения для использования на микроконтроллерах с ограниченными ресурсами в задачах реального времени. В результате студент способен адаптировать ML-модели для встроенных систем, применять инструменты, такие как TensorFlow Lite, проводить квантизацию и сжатие моделей, загружать их на микроконтроллер, тестировать поведение в условиях ограничений и оценивать производительность встроенных интеллектуальных решений.

    Год обучения - 3
    Семестр - 1
    Кредитов - 6
  • Реактивные технологии в web-разработке

    Цель дисциплины – сформировать у студентов умения понимать, разрабатывать и внедрять реактивные веб-интерфейсы, используя современные фреймворки и подходы для обеспечения динамичного и отзывчивого пользовательского взаимодействия. В результате студент способен создавать компонентные структуры, реализовывать двустороннюю привязку данных, управлять состоянием приложений, применять асинхронное взаимодействие с сервером и оптимизировать производительность реактивных веб-приложений с использованием современных инструментов разработки.

    Год обучения - 3
    Семестр - 1
    Кредитов - 6
  • Глубокое обучение

    Цель дисциплины – сформировать у студентов умения анализировать, проецировать и применять методы глубокого обучения для решения сложных задач, связанных с обработкой больших объемов неструктурированных данных. В результате студент способен разрабатывать многослойные нейронные сети, выбирать оптимальные архитектуры (CNN, RNN, трансформеры и др.), обучать модели на глубоком уровне, оценивать переобучение, регулировать сложность сети и внедрять решения в прикладные области.

    Год обучения - 3
    Семестр - 1
    Кредитов - 7
  • Интерпретируемость нейронных сетей

    Цель дисциплины – сформировать у студентов способность анализировать, оценивать и интерпретировать поведение нейронных сетей с целью повышения прозрачности моделей и обоснования принимаемых ими решений. В результате студент умеет применять методы визуализации внутренних слоёв, использовать техники объяснимого ИИ (XAI), идентифицировать важные признаки, оценивать вклад входных данных в предсказания, сравнивать модели по интерпретируемости и обосновывать выбор архитектур с учётом требований к прозрачности.

    Год обучения - 3
    Семестр - 1
    Кредитов - 6
  • Генеративные нейросети

    Цель дисциплины – сформировать у студентов умения объяснять, моделировать и применять генеративные нейросетевые архитектуры для создания новых данных, восстановления информации и решения творческих задач в различных прикладных сферах. В результате студент умеет различать типы генеративных моделей (GAN, VAE и др.), разрабатывать простейшие генеративные архитектуры, обучать их на выборках, оценивать качество сгенерированных данных и использовать модели для синтеза изображений, текста и других структур.

    Год обучения - 3
    Семестр - 1
    Кредитов - 6
  • Облачные вычисления и машинное обучение

    Цель дисциплины – развить у студентов умение использовать, настраивать и оценивать облачные платформы для развёртывания, масштабирования и автоматизации процессов машинного обучения в распределённых вычислительных средах. В результате студент способен выбирать облачные сервисы под задачи ML, загружать и обрабатывать данные в облаке, разворачивать модели, управлять вычислительными ресурсами, отслеживать метрики обучения и оптимизировать производительность ML-процессов в облачной инфраструктуре.

    Год обучения - 3
    Семестр - 1
    Кредитов - 6
  • Нейросети в системах управления и навигации

    Цель дисциплины – cформировать у студентов способность анализировать, проектировать и применять нейросетевые модели для управления и навигации в интеллектуальных системах, включая автономные и киберфизические устройства. В результате студент умеет разрабатывать нейросетевые алгоритмы стабилизации и слежения, интегрировать модели в управляющие контуры, обрабатывать сенсорные данные, обучать системы навигации в реальном времени и оценивать точность и надёжность решений в динамической среде.

    Год обучения - 3
    Семестр - 2
    Кредитов - 7
  • Модульное интеграционное и системное тестирование

    Цель дисциплины – сформировать у студентов навыки планировать, разрабатывать и выполнять модульное, интеграционное и системное тестирование для обеспечения качества и надежности программного обеспечения. В результате студент способен создавать тест-кейсы для отдельных модулей, выявлять и локализовать ошибки при взаимодействии компонентов, проводить системное тестирование полного приложения, использовать автоматизированные средства тестирования и оценивать покрытие и эффективность тестовых сценариев.

    Год обучения - 3
    Семестр - 2
    Кредитов - 6
  • Обработка естественного языка NLTK

    Цель дисциплины – сформировать у студентов навыки анализировать, обрабатывать и интерпретировать текстовые данные с использованием инструментов библиотеки NLTK для решения задач обработки естественного языка. В результате студент умеет проводить токенизацию, стемминг и лемматизацию, извлекать синтаксические и семантические особенности текста, строить модели на основе корпуса, применять методы классификации и оценивать качество обработки текстовой информации в прикладных задачах.

    Год обучения - 3
    Семестр - 2
    Кредитов - 6
  • Разработка интеллектуальных агентов

    Цель дисциплины – сформировать у студентов умения проектировать, реализовывать и оценивать интеллектуальных агентов, способных взаимодействовать, принимать решения и адаптироваться к изменениям окружающей среды в автономном режиме. В результате студент способен разрабатывать архитектуры агентов, моделировать поведение в различных сценариях, использовать методы планирования и обучения, обеспечивать адаптивность и устойчивость решений, а также анализировать эффективность взаимодействия агентов в многоагентных системах.

    Год обучения - 3
    Семестр - 2
    Кредитов - 6
  • Параллельная и асинхронная обработка данных

    Цель дисциплины – сформировать у студентов умения объяснять, реализовывать и оптимизировать параллельную и асинхронную обработку данных для повышения производительности вычислительных процессов и эффективного использования ресурсов. В результате студент способен применять многопоточность и асинхронное программирование, распределять задачи между потоками и процессами, выявлять узкие места в производительности, синхронизировать потоки данных и оценивать эффективность параллельных решений в прикладных задачах.

    Год обучения - 3
    Семестр - 2
    Кредитов - 7
  • Сверточные и резидуальные нейронные сети

    Цель дисциплины – сформировать у студентов умения объяснять, конструировать и применять сверточные и резидуальные нейронные сети для решения задач распознавания, классификации и извлечения признаков из сложных структур данных. В результате студент способен создавать архитектуры CNN и ResNet, настраивать слои свёртки и остаточные блоки, анализировать влияние глубины сети на производительность, оптимизировать обучение и оценивать качество извлечённых признаков в прикладных задачах.

    Год обучения - 3
    Семестр - 2
    Кредитов - 6

Результаты обучения

  • Демонстрировать понимание исторических, философских, социально-правовых и экономических процессов в развитии общества, критически анализировать общественные явления, аргументированно оценивать социальные и правовые ситуации, применять принципы финансовой грамотности и предпринимательского мышления для принятия обоснованных решений в профессиональной и социальной деятельности.
  • Оценивать воздействие промышленного объекта на окружающую среду, проводить техническую и экологическую экспертизу и аудит, с целью формирования экономики, составлять информацию для работников о безопасных условиях и охране труда на рабочих местах, о риске повреждения здоровья и предоставляемых им гарантиях
  • Анализировать математические модели, применять методы дискретной математики, алгебры логики, комбинаторики, теории вероятностей и математической статистики при решении прикладных задач, формировать логически обоснованные выводы, демонстрировать навыки математического мышления и использования формальных методов в профессиональной и исследовательской деятельности.
  • Разрабатывать алгоритмы, применять основы структурного и объектно-ориентированного программирования, использовать язык Python и SQL для обработки, анализа и визуализации данных, моделировать программные решения с использованием классов и объектов, интерпретировать результаты вычислений, демонстрируя владение инструментами программной инженерии в профессиональной деятельности.
  • Анализировать принципы и области применения искусственного интеллекта, интерпретировать этические и правовые аспекты его использования, разрабатывать решения с применением методов Data Science и аналитики данных, применять вычислительные графы для структурирования процессов анализа, формулировать и обосновывать научные идеи с использованием академического письма, учитывать инклюзивные подходы при внедрении ИИ.
  • Разрабатывать модели машинного обучения, применять алгоритмы обучения с подкреплением и компьютерного зрения, выполнять визуализацию и анализ данных, использовать облачные вычисления для масштабирования решений, оценивать эффективность моделей в прикладных задачах обработки и интерпретации данных.
  • Проектировать и обучать нейросетевые модели, включая сверточные, резидуальные и генеративные архитектуры, применять методы глубокого обучения, обеспечивать интерпретируемость и надежность решений, использовать нейросети в управлении и навигации, анализировать архитектуры, оценивать точность и прикладную применимость моделей в профессиональной деятельности.
  • Разрабатывать интеллектуальных агентов и встроенные устройства, применять NLTK для обработки текста, реализовывать асинхронную обработку данных, внедрять реактивные веб-технологии, выполнять тестирование и программировать микроконтроллеры с элементами машинного обучения, оценивая надежность решений.

Похожие ОП

6B06102 Информационные системы

Западно-Казахстанский инновационно-технологический университет (ЗКИТУ)

6B06102 Программная инженерия

Университет Нархоз

6B06102 Бизнес Аналитика и Большие Данные (Business Analytics and Big Data)

Алматы менеджмент университет (AlmaU)

6B06102 Вычислительная техника и программное обеспечение

Международный Таразский инновационный институт имени Шерхана Муртазы (ТИГУ)

6B06102 Компьютерные системы и программное обеспечение

Международная образовательная корпорация

6B06102 Компьютерные системы управления и робототехника

Атырауский университет нефти и газа имени С. Утебаева (АУНГ имени С. Утебаева)

6B06102 Информационные системы

Восточно-Казахстанский университет имени Сарсена Аманжолова (ВКУ им. Аманжолова)

6B06102 Информационные системы и технологии

Международный университет Астана (AIU)

6B06102 Цифровая экономика

Западно-Казахстанский аграрно-технический университет имени Жангир хана (ЗКАТУ)

6B06102 Вычислительная техника и программное обеспечение

Esil University

6B06102 Информационные системы

Казахский национальный педагогический университет имени Абая (КазНПУ им. Абая)

6B06102 Информационные системы

Северо-Казахстанский университет имени М.Козыбаева (СКУ им. Козыбаева)

6B06102 Вычислительная техника и программное обеспечение (Безопасность компьютерных систем и сетей)

Кокшетауский университет имени Ш. Уалиханова (КУ им. Ш. Уалиханова)

6B06102 Вычислительная техника и программное обеспечение

Алматинский технологический университет (АТУ)

6B06102 Компьютерные науки

Университет имени Сулеймана Демиреля

6B06102 Вычислительная техника и программное обеспечение

Университет «Туран-Астана» (Туран-Астана)

6B06102 Технологии искусственного интеллекта

Карагандинский индустриальный университет (КарИУ)

6B06102 Информационные системы

Западно-Казахстанский университет имени Махамбета Утемисова (ЗКГУ им. М. Утемисова)

6B06102 Информационные системы

Костанайский региональный университет имени Ахмет Байтұрсынұлы (КРУ им. Байтурсынова)

6B06102 IT-предпринимательство и цифровая экономика

Карагандинский университет имени академика Е.А.Букетова (КарУ им. Букетова)

6B06102 Компьютерные науки

Университет КИМЭП (КИМЭП)

6B06102 Информационные системы

Казахский национальный университет имени аль-Фараби (КазНУ им. аль-Фараби)

6B06102 Информационные системы

Алматинский университет энергетики и связи имени Гумарбека Даукеева (АУЭС)

6B06102 Вычислительная техника и программное обеспечение

Гуманитарно-техническая академия (ГТА)

6B06102 Информационные системы

Казахский национальный аграрный исследовательский университет (КазНАУ)

6B06102 Вычислительная техника и программное обеспечение

Восточно-Казахстанский технический университет имени Д.Серикбаева (ВКТУ им. Д. Серикбаева)

6B06102 Computer Science

Казахский национальный исследовательский технический университет имени К.И.Сатпаева (Satbayev University)

6B06102 Вычислительная техника и программное обеспечение

Карагандинский университет Казпотребсоюза (КУ Казпотребсоюза)

6B06102 Информационные системы

Университет имени Жумабека Ахметулы Ташенева (Сырдарья)

6B06102 Информационные системы

Международный транспортно-гуманитарный университет

6B06102 Информационные системы

Казахский национальный женский педагогический университет (КазНЖПУ, QYZPU)

6B06102 Бизнес-информатика

Казахский агротехнический исследовательский университет имени С.Сейфуллина (КазАТУ им. Сейфуллина)

6B06102 Бизнес-аналитика и управление IT-проектами

Атырауский университет имени Х.Досмухамедова (АтУ им. Досмухамедова)

6B06102 Вычислительная техника и программное обеспечение

Казахстанско-Британский технический университет (КБТУ (KBTU))

6B06102 Сomputer engineering

Каспийский университет технологий и инжиниринга имени Ш.Есенова (Yessenov University)

6B06102 Вычислительная техника и программное обеспечение

Университет «Туран»

6B06102 Информационные системы

Жетысуский университет имени Ильяса Жансугурова (ЖУ им. Жансугурова)

6B06102 Информационные системы

Торайгыров университет

6B06102 Computer Science

Казахский национальный исследовательский технический университет имени К.И.Сатпаева (Satbayev University)

6B06102 Информационные системы

Шымкентский университет (ШУ)

6B06102 Информационные системы

Кызылординский университет "Болашак"

6B06102 Информационные системы

Международный транспортно-гуманитарный университет

6B06102 Информационные системы

Карагандинский технический университет имени Абылкаса Сагинова (КарТУ)

6B06102 IT-предпринимательство и цифровая экономика

Карагандинский университет имени академика Е.А.Букетова (КарУ им. Букетова)

6B06102 Компьютерное программирование и разработка программного обеспечения

Кызылординский университет имени Коркыт Ата (КУ им. Коркыт Ата)

6B06102 Компьютерные системы управления и робототехника

Атырауский университет нефти и газа имени С. Утебаева (АУНГ имени С. Утебаева)

6B06102 Информационные системы

Восточно-Казахстанский университет имени Сарсена Аманжолова (ВКУ им. Аманжолова)

6B06102 Вычислительная техника и программное обеспечение

Карагандинский университет Казпотребсоюза (КУ Казпотребсоюза)

6B06102 Вычислительная техника и программное обеспечение

Алматинский технологический университет (АТУ)

6B06102 Программная инженерия

Astana IT University

6B06102 Информационные системы

Alikhan Bokeikhan University (ABU)

6B06102 Вычислительная техника и программное обеспечение (Безопасность компьютерных систем и сетей)

Кокшетауский университет имени Ш. Уалиханова (КУ им. Ш. Уалиханова)

6B06102 Информационные системы

Инновационный Евразийский университет (ИнЕУ)

6B06102 Информационные системы

Западно-Казахстанский университет имени Махамбета Утемисова (ЗКГУ им. М. Утемисова)

6B06102 Компьютерные науки

Университет имени Сулеймана Демиреля

6B06102 Информационные системы

Костанайский региональный университет имени Ахмет Байтұрсынұлы (КРУ им. Байтурсынова)

6B06102 Информационные системы

Казахский национальный университет имени аль-Фараби (КазНУ им. аль-Фараби)

6B06102 Информационные системы

Казахский национальный аграрный исследовательский университет (КазНАУ)

6B06102 Вычислительная техника и программное обеспечение

Восточно-Казахстанский технический университет имени Д.Серикбаева (ВКТУ им. Д. Серикбаева)

6B06102 Информационные системы

Казахский национальный женский педагогический университет (КазНЖПУ, QYZPU)

6B06102 Вычислительная техника и программное обеспечение

Esil University

6B06102 Бизнес-аналитика и управление IT-проектами

Атырауский университет имени Х.Досмухамедова (АтУ им. Досмухамедова)

6B06102 Информационные системы

Алматинский университет энергетики и связи имени Гумарбека Даукеева (АУЭС)

6B06102 Вычислительная техника и программное обеспечение

Гуманитарно-техническая академия (ГТА)

6B06102 Вычислительная техника и программное обеспечение

Международный Таразский инновационный институт имени Шерхана Муртазы (ТИГУ)

6B06102 Бизнес-информатика

Казахский агротехнический исследовательский университет имени С.Сейфуллина (КазАТУ им. Сейфуллина)

6B06102 Информационные системы и технологии

Международный университет Астана (AIU)

6B06102 Технологии искусственного интеллекта

Карагандинский индустриальный университет (КарИУ)

Top