6B06104 Искусственный интеллект в КазНАУ

Дисциплины

• Математика 1

  Дисциплина изучает разделы линейной и векторной алгебры, математического анализа (введение в анализ, неопределенный интеграл, определенный интеграл), аналитической геометрии для анализа, теоретического и экспериментального исследования и решения прикладных задач.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Структуры данных и программирование

  Формирование у обучающихся знаний основных принципов проектирования и анализа алгоритмов и структур данных, знаний основных типов алгоритмов, применяемых в современном программировании для обработки соответствующих структур данных, а также умений обоснования корректности алгоритмов, их практической реализации, теоретической и экспериментальной оценки их временной сложности, развитие необходимых практических навыков их применения в будущей профессиональной деятельности.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Математика 2

  Дисциплина изучает разделы математического анализа (функции нескольких переменных, ряды), дифференциальные уравнения, теория вероятностей и математическая статистика для математического моделирования, теоретического и экспериментального исследования и решения прикладных задач.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Теория вероятностей и математическая статистика

  Курс включает основы теории вероятностей, случайные величины и их распределения, методы оценки и проверки гипотез, выборочный и регрессионный анализ. Изучаются комбинаторика, математическое ожидание, дисперсия, доверительные интервалы и корреляция. Особое внимание уделяется применению статистических методов при обработке и интерпретации данных в практических задачах.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Объектно-ориентированное программирование

  Обучение студентов получению четкого и ясного представления разработки алгоритмов и программ для решения различных задач, формирование у студентов грамотного построения программной структуры, принципов построения алгоритмов и программ, методов решения, алгоритмизации, программирования, отладки и реализации программ с использованием объектно-ориентированного программирования.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Инновационные технологии в животноводстве

  Дисциплина направлена на изучение современных и перспективных технологий в области животноводства, обеспечивающих повышение продуктивности, эффективности и устойчивости животноводческих отраслей. В курсе рассматриваются инновационные подходы к кормлению, разведению, содержанию, ветеринарному сопровождению и цифровому мониторингу сельскохозяйственных животных. Особое внимание уделяется использованию биотехнологий, автоматизированных систем управления животноводческими процессами, интеллектуальных цифровых платформ (датчики, ИИ, блокчейн и др.), а также экологически чистым и ресурсосберегающим технологиям в производстве продукции животноводства.

  Год обучения - 2
  Семестр - 1
  Кредитов - 3
  

• Проектирование и анализ алгоритмов

  Курс посвящён изучению принципов построения эффективных алгоритмов и методов оценки их корректности и сложности. Рассматриваются основные парадигмы проектирования алгоритмов: "разделяй и властвуй", жадные алгоритмы, динамическое программирование, обратный ход (backtracking), алгоритмы на графах и др. Дисциплина формирует критическое и алгоритмическое мышление, необходимое в программной инженерии и ИТ.

  Год обучения - 2
  Семестр - 1
  Кредитов - 6
  

• Дискретная математика

  Дискретная математика занимается изучением математических структур и объектов, которые имеют дискретный, а не непрерывный характер. Эта дисциплина включает в себя такие темы, как комбинаторика (перестановки, сочетания), теория графов (вершины и рёбра), логика (математические высказывания и их свойства), теория множеств и алгебра логики. Дискретная математика является основой для ряда областей, включая информатику, криптографию, теорию вероятностей и другие.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Цифровые технологии и технические средства в АПК

  Дисциплина направлена на изучение современных цифровых решений и технических средств, применяемых в агропромышленном комплексе. Рассматриваются автоматизация и роботизация сельскохозяйственных процессов, системы GPS/ГЛОНАСС, сенсоры, дроны, информационные системы управления, «умное» земледелие и животноводство.

  Год обучения - 2
  Семестр - 1
  Кредитов - 5
  

• Инновационные технологии в растениеводстве

  Дисциплина направлена на изучение современных, научно обоснованных и ресурсосберегающих технологий в системе растениеводства. Особое внимание уделяется применению инновационных решений в агротехнике, селекции, семеноводстве, защите растений, а также в цифровом управлении процессами возделывания сельскохозяйственных культур. В рамках курса рассматриваются передовые разработки в области прецизионного земледелия, интеллектуальных систем мониторинга (GPS, дроны, сенсоры), биотехнологий, а также интеграция цифровых платформ и Big Data в аграрное производство.

  Год обучения - 2
  Семестр - 1
  Кредитов - 3
  

• Безопасность жизнедеятельности

  Курс формирует профессиональную культуру безопасности, под которой понимается готовность и способность личности использовать в профессиональной деятельности приобретенную совокупность знаний, умений и навыков для обеспечения безопасности в сфере профессиональной деятельности.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Основы искусственного интеллекта

  Дисциплина знакомит с ключевыми понятиями, историей и основными направлениями искусственного интеллекта (ИИ). Рассматривает различные методы создания интеллектуальных систем, включая машинное обучение, глубокое обучение, обработку естественного языка и компьютерное зрение, а также затрагивает этические и социальные аспекты ИИ.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Предпринимательство

  Дисциплина направлена на формирование у студентов понимания основ предпринимательской деятельности, развитие ключевых навыков и компетенций для успешного ведения бизнеса. Целью курса является ознакомление студентов с основными аспектами предпринимательства, включая создание бизнес-идеи и разработку бизнес-плана в результате обучения студенты получают умение разрабатывать и анализировать бизнес-планы, применять стратегические и тактические подходы в управлении предпринимательским проектом, а также эффективно решать проблемы в бизнесе.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Экономика

  Содержание дисциплины «Экономика» направлено на освоение основных знаний об экономической жизни общества, в котором осуществляется экономическая деятельность индивидов, отдельных предприятий и государства. Предмет способствует развитию экономического мышления у студентов и умение принимать рациональные решения при ограниченности природных ресурсов. Дисциплина способствует формированию готовности использовать приобретенные знания о функционировании экономики для ориентации в выборе профессии и дальнейшего образования.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Экология и устойчивое развитие

  Формирование основ экологических знаний, являющихся теоретическим фундаментом всех природоохранных мероприятий, в том числе, мероприятий по обеспечению экологической безопасности человека, сохранению его здоровья, экологизация сознания и воспитание экологической культуры, позволяющие будущему специалисту использовать экологические знания не только в узкопрофессиональных интересах, но и содействовать выходу общества из экологического кризиса и движению по пути устойчивого развития.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Cистемы баз данных и знаний

  Приобретение студентами теоретических основ и практических навыков работы по проектированию и сопровождению баз данных средствами конкретных СУБД. Изучение методов разработки баз данных, проектирования иерархической, сетевой и реляционных баз данных и знаний и построения инфологической, концептуальной моделей, языки запросов SQL и QBE.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Основы научных исследований

  В рамках этой дисциплины студенты изучают основные подходы к научным исследованиям, включая выбор темы исследования, разработку гипотезы, выбор методов сбора данных и анализа результатов. Они также изучают основы статистики и экспериментальных исследований, которые помогают им анализировать данные и делать выводы на основе результатов исследований.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Проектирование приложений на языке программирования Python

  Усвоение и закрепление основных приемов, методов и принципов разработки программных систем с помощью объектно-ориентированного языка Python и его стандартных модулей, формирование способностей применения высокопроизводительных вычислительных возможностей языка для решения профессиональных задач, в том числе аналитического характера, в различных прикладных областях.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Антикоррупционная культура

  Развитие у бакалавров юридически грамотного мышления, выработка осмысленного понимания роли науки в решении практических задач, закрепление теоретических знаний, приобретение практических навыков в борьбе с коррупцией. Основная проблематика курса посвящена изучению современных подходов к исследованию феномена коррупции. Проблем формирования и применения международного права и казахстанского законодательства в антикоррупционной практике.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Основы финансовой грамотности

  Формирование у обучающихся рационального финансового поведения при принятии решений, касающихся личных финансов, а также способности критически оценивать процессы использования современных финансовых услуг и цифровых технологий. В рамках курса обучающиеся научатся использовать на практике финансовые инструменты, сохранять и приумножать собственные накопления, планировать личный бюджет, уметь исчислять налоги, анализировать финансовую отчетность и использовать методы оценки эффективности инвестиций.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Дизайн операционной системы

  Ознакомление с эволюционным развитием ОС, его назначение и функции. Изучение классических основ современных операционных систем и их архитектуру, алгоритмы и методы, применяемые при их разработке и дизайне ОС компании Microsoft.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Гражданское право

  Гражданское право является важнейшей отраслью наук в праве. Сущность гражданского права определяется огромным влиянием гражданского законодательства на рыночную экономику. В ходе изучения дисциплины студент получает сведения о понятии гражданского права, источниках, принципах, элементах гражданских правоотношений, понятии физического лица, юридического лица, предпринимательства, понятии договора, сделки, обязательства, методах обеспечения его исполнения, интеллектуальной собственности, наследственном праве.

  Год обучения - 2
  Семестр - 2
  Кредитов - 5
  

• Программные средства моделирования систем

  Обучение студентов с использованием современной системы компьютерной математики MATLAB, предназначенных для инженерных расчетов и визуализация полученных данных.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Дизайн интерфейсов компьютерных систем

  Целью дисциплины является освоение принципов организации и функционирования программно-аппаратных интерфейсов в современных компьютерных системах и обучение методам проектирования пользовательских интерфейсов в их взаимосвязи с программно-аппаратными интерфейсами уровня приложений.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Анализ данных

  Дисциплина изучает основы математической статистики, описательную статистику, вероятностные распределения, статистические тесты гипотез и регрессионный анализ, методы анализа и обработки данных, которые используются в различных областях.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Компьютерное зрение

  Дисциплина изучает методы и алгоритмы автоматического анализа, интерпретации и понимания изображений и видео с использованием вычислительных систем. Рассматриваются темы: обработка изображений, обнаружение объектов, сегментация, классификация, трекинг, распознавание лиц и жестов, 3D-восстановление и применение нейросетей (в том числе CNN).

  Год обучения - 3
  Семестр - 1
  Кредитов - 6
  

• Принцип организации компьютера

  Изучаются структура и функции основных компонентов компьютера: центрального процессора, оперативной и долговременной памяти, шин, устройств ввода-вывода. Рассматриваются уровни представления данных, машинные команды, способы адресации, организация вычислительного процесса, взаимодействие узлов и управление ресурсами.

  Год обучения - 3
  Семестр - 1
  Кредитов - 5
  

• Глубокое обучение

  Курс посвящён изучению архитектур и алгоритмов глубоких нейронных сетей, включая многослойные персептроны, сверточные (CNN), рекуррентные (RNN) и трансформерные модели. Особое внимание уделяется методам обучения нейросетей, функциям активации, оптимизации, борьбе с переобучением и работе с большими наборами данных.

  Год обучения - 3
  Семестр - 1
  Кредитов - 6
  

• Машинное обучение

  Дисциплина охватывает основные методы и алгоритмы машинного обучения, включая обучение с учителем, без учителя и с подкреплением. Рассматриваются модели классификации, регрессии, кластеризации, методы снижения размерности, нейронные сети, а также вопросы переобучения и оценки качества моделей.

  Год обучения - 3
  Семестр - 1
  Кредитов - 6
  

• Программирование микрокомпьютеров беспилотных летательных аппаратов

  Сформировать у студентов прочные знания по теории и технологии создания беспилотных летательных аппаратов, умения программировать микрокомпьютеры БПЛА и разрабатывать приложения для БПЛА.

  Год обучения - 3
  Семестр - 2
  Кредитов - 6
  

• Компьютерные сети

  Изучение современных компьютерных и телекоммуникационных технологий, вычислительных систем, сетей, их структур, функций, протоколов, реализаций; современные технические и программные средства, входящие в состав аппаратного и программного обеспечения систем и сетей ЭВМ; архитектуру и стандартные протоколы систем и сетей ЭВМ; методы и технологии проектирования сетей ЭВМ и систем телекоммуникаций.

  Год обучения - 3
  Семестр - 2
  Кредитов - 6
  

• Интеллектуальные роботы

  Дисциплина направлена на изучение принципов проектирования, программирования и функционирования интеллектуальных роботов, способных к автономному восприятию, принятию решений и обучению. Рассматриваются архитектуры роботов, сенсорные системы, методы навигации и планирования, машинное обучение, компьютерное зрение, взаимодействие с окружающей средой и людьми. Курс формирует навыки для создания адаптивных и умных роботизированных решений в различных отраслях.

  Год обучения - 3
  Семестр - 2
  Кредитов - 6
  

• Обработка естественного языка

  Дисциплина посвящена методам автоматической обработки и анализа текстов и речи на естественном языке с использованием алгоритмов машинного и глубокого обучения. Основные темы включают токенизацию, лемматизацию, POS-теггинг, синтаксический разбор, семантический анализ, векторизацию текста (Bag-of-Words, Word2Vec, BERT и др.), машинный перевод, чат-боты и генерацию текста.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Методы оптимизации

  Дисциплина рассматривает теоретические основы оптимизации, методы линейного и нелинейного программирования, методы наискорейшего спуска, методы динамического программирования, симплекс-метод, методы многокритериальной оптимизации, методы оптимизации с ограничениями, современные программные средства для решения задач оптимизации.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Архитектура программного обеспечения

  Дисциплина изучает системное программное обеспечение, как — комплекс программ, которые обеспечивают управление компонентами компьютерной системы, такими как процессор, оперативная память, устройства ввода-вывода, сетевое оборудование.

  Год обучения - 3
  Семестр - 2
  Кредитов - 6
  

• Представление знаний и рассуждений

  Дисциплина изучает методы формализации, хранения и обработки знаний в интеллектуальных системах, а также алгоритмы логического вывода и рассуждений. Рассматриваются основные формализмы: логика высказываний и предикатов, семантические сети, фреймы, продукционные и онтологические модели, базы знаний и правила вывода. Особое внимание уделяется применению этих методов в системах искусственного интеллекта, экспертных системах и системах поддержки принятия решений.

  Год обучения - 3
  Семестр - 2
  Кредитов - 5
  

• Передовые технологии искусственного интеллекта

  Дисциплина ориентирована на изучение современных достижений и передовых методов в области искусственного интеллекта (ИИ). Рассматриваются глубокое обучение, генеративные модели (GAN, Diffusion), большие языковые модели (LLM), мультиагентные системы, обучение с подкреплением, нейросетевые архитектуры (Transformers), автономные интеллектуальные системы, а также этические и правовые аспекты ИИ. Студенты осваивают современные фреймворки (PyTorch, TensorFlow, Hugging Face) и реализуют проекты в области обработки изображений, текста, речи и принятия решений.

  Год обучения - 4
  Семестр - 1
  Кредитов - 6
  

• Введение в дистанционное зондирование

  Дисциплина знакомит с основами дистанционного зондирования Земли (ДЗЗ) и его применением в различных сферах: экологии, сельском хозяйстве, геологии, мониторинге окружающей среды и природных ресурсов. Рассматриваются физические принципы регистрации отражённого и излученного излучения, типы сенсоров (оптические, радиолокационные, мульти- и гиперспектральные), платформы наблюдения (спутники, беспилотники), методы обработки и интерпретации изображений. Курс формирует базовые знания и практические навыки работы с данными ДЗЗ и геоинформационными системами (ГИС).

  Год обучения - 4
  Семестр - 1
  Кредитов - 6
  

• Технология облачных вычислений

  Ознакомление с основными направлениями развития инфраструктурных решений, концепции облачных вычислений. Поставщики решений - Microsoft, Amazon, Google. Приобрести навыки разработки этих приложений на платформе Microsoft Azure, а также опыт готовых облачных сервисов Windows Live и Office 365.

  Год обучения - 4
  Семестр - 1
  Кредитов - 6
  

• Визуализация и картографирование пространственно-временных больших данных

  Дисциплина направлена на изучение методов визуализации, анализа и картографического представления пространственно-временных больших данных (Big GeoData). Рассматриваются типы пространственных и временных данных, источники (ДЗЗ, датчики, GPS, социальные сети), методы предварительной обработки, агрегации и фильтрации. Изучаются инструменты визуализации (интерактивные карты, анимация, тепловые карты, 3D/4D-модели), веб- картографирование, дашборды и визуальная аналитика.

  Год обучения - 4
  Семестр - 1
  Кредитов - 6
  

• Принципы и методы геоинформационных систем

  Дисциплина направлена на изучение теоретических основ и практических методов работы с геоинформационными системами (ГИС) для сбора, хранения, анализа и визуализации пространственных данных. Рассматриваются структуры пространственных данных, картографические проекции, модели представления объектов (векторные и растровые), пространственный анализ, интерполяция, наложение слоёв, создание тематических карт и работа с базами геоданных.

  Год обучения - 4
  Семестр - 1
  Кредитов - 6
  

• Этика и безопасность искусственного интеллекта

  Дисциплина направлена на изучение этических, правовых и социальных аспектов создания и применения систем искусственного интеллекта (ИИ), а также вопросов безопасности, устойчивости и доверия к ИИ. Рассматриваются понятия ответственности, прозрачности, справедливости, недискриминации, защита персональных данных, управление рисками, безопасность алгоритмов, уязвимости и злоупотребления ИИ. Особое внимание уделяется международным нормам, принципам «этичного ИИ» и практикам устойчивой разработки.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Компьютерная система безопасности

  Теоретическая и практическая подготовка студентов к деятельности, связанной с защитой информации; обучение основам информационной безопасности, принципам и методам защиты информации в информационных системах.

  Год обучения - 4
  Семестр - 1
  Кредитов - 5
  

• Цифровой двойник географической среды

  Дисциплина направлена на изучение концепции и технологий создания цифрового двойника географической среды — виртуального представления реального геопространства с актуальными и многослойными данными. Рассматриваются источники пространственно-временных данных (ДЗЗ, датчики IoT, ГИС, BIM), 3D/4D моделирование, симуляция природных и антропогенных процессов, интеграция в городское управление, экологический мониторинг, транспорт, аграрные и промышленные объекты. Особое внимание уделяется платформам цифровых двойников, синхронизации в реальном времени, визуализации и принятию решений на основе цифровой копии окружающей среды.

  Год обучения - 4
  Семестр - 2
  Кредитов - 6
  

• Географические большие данные технологий

  Дисциплина посвящена изучению источников, структур, методов обработки и анализа географических больших данных (GeoBigData). Рассматриваются пространственные данные из спутников, датчиков, мобильных устройств, краудсорсинга и социальных сетей. Изучаются технологии хранения (Hadoop, NoSQL), распределённой обработки (Spark, GeoMesa), геоаналитика, машинное обучение, потоковая обработка, а также визуализация и интеграция с ГИС. Особое внимание уделяется практическому применению GeoBigData в смарт-городах, экологии, логистике, управлении рисками и пространственном моделировании.

  Год обучения - 4
  Семестр - 2
  Кредитов - 6
  

• Пространственно-временной интеллект

  Дисциплина изучает методы анализа, интерпретации и интеллектуальной обработки пространственно-временных данных с использованием технологий искусственного интеллекта, геоинформационных систем и больших данных. Рассматриваются модели представления пространственно-временных знаний, паттерны поведения объектов, пространственно-временная аналитика, предсказание и обнаружение аномалий, интеллектуальное картографирование, а также применение в городском управлении, логистике, экологии и безопасности.

  Год обучения - 4
  Семестр - 2
  Кредитов - 6
  

Профессии

Результаты обучения

• Определять основные принципы и культуры академической честности, этические и правовые нормы, основы истории Казахстана, социологии, политологии, культурологии, психологии, экономики и права. Развитие компетенции в организации психолого-педагогического сопровождения студентов в условиях инклюзивного образования.
• Применять математические методы для решения прикладных и теоретических задач в области информационных технологий и искусственного интеллекта.
• Разрабатывать программные решения, используя базовые и продвинутые алгоритмы, структуры данных и современные языки программирования, а также анализировать эффективность реализованных алгоритмов.
• Применять цифровые, технические и инновационные технологии для анализа, проектирования и повышения эффективности агропроизводственных процессов в растениеводстве и животноводстве.
• Понимать устройство и принципы функционирования компьютерных систем, проектировать архитектуру программного обеспечения и интерфейсов, а также применять сетевые и облачные технологии для разработки эффективных вычислительных решений.
• Проектировать и применять методы и технологии искусственного интеллекта для анализа данных, автоматизации процессов и разработки интеллектуальных систем, ориентированных на решение прикладных задач в различных предметных областях.
• Применять методы дистанционного зондирования, геоинформационных систем и визуализации пространственно-временных данных для анализа, интерпретации и представления информации о природных и техногенных объектах и процессах.
• Проектировать и использовать модели, методы оптимизации и аналитические инструменты с применением программных средств моделирования и баз данных для обоснования и принятия эффективных решений в интеллектуальных и информационных системах.
• Применять технологии пространственно-временного анализа, цифровых двойников и обработки географических больших данных для моделирования, мониторинга и принятия обоснованных решений в различных предметных областях.
• Анализировать научные подходы и обоснования при решении задач в области искусственного интеллекта; применять принципы академической добросовестности, этики и кибербезопасности при проведении исследований и разработке интеллектуальных систем.

Похожие ОП