7M06104 Интеллектуалды қосымшаларды әзірлеу в Нархоз Университеті

Пәндер

• Басқару психологиясы

  Пән инновацияға әкелетін персоналды ынталандыру мен бәсекеге қабілетті ұйымдық мәдениетті қалыптастырудағы психология әдістерін меңгеру және де іскерлік қауымдастықтың әлуметтік-экономикалық даму тенденцияларын ескере отырып персоналдың, жеке тұлғаның және топтың мінез-құлығын басқарудың заманауи әдістемесін қамтиды. Магистрант оқу нәтижелерін игереді және сыни ойлауды қалыптастырады, өзін-өзі талдау мен кейс стадиді зерделеу арқылы біржақты ойлауды өту негізінде тиімді қарым-қатынас жасауды меңгереді.

  Оқу жылы - 1
  Несиелер - 3
  

• Үлкен деректерді талдау

  Магистранттар үлкен деректерді талдау бойынша білім алады. Курс жұмыс орындарында да, зерттеу орталықтарында да үлкен деректерді сақтаумен, өңдеумен, талдаумен, визуализациямен және қолданумен жұмыс істеуді жоспарлаған магистранттар үшін кіріспе курс ретінде қызмет етеді. Үлкен деректерді талдау, қазір АТ әлеміндегі ең жылдам дамып келе жатқан мәселе. Жаңа құралдар мен алгоритмдер тез жасалады және енгізіледі. Магистранттар іс жүзінде нақты жағдайларға Қолданылатын құралдарды, алгоритмдер мен платформаларды зерттейді және қолданады. Үй тапсырмаларын орындай отырып және нақты жобаларға қатыса отырып, магистранттар деректерді талдау, әлеуметтік мәселелер және үлкен деректердің қауіпсіздігі мәселелері бойынша практикалық тәжірибе алады.

  Оқу жылы - 1
  Несиелер - 5
  

• Зерттеудегі сандық әдістер

  Курс сандық зерттеулердің әдістері мен әдіснамасының кешенді түсінігін қалыптастырады. Зерттеу нәтижелерін статистикалық бағалау және оларды интерпретациялау саласындағы жалпы тәсілдер мен оларды дамытудағы қазіргі заманғы үрдістер ұсынылған. Әдістемелік негіздер, әдістердің теориялық негіздері және әдістердің өздері теориялық тұрғыда да, сонымен қатар статистикалық пакеттерді қолдана отырып практикалық қолдану деңгейінде де беріледі.

  Оқу жылы - 1
  Несиелер - 4
  

• Қолданбалы компьютерлік көзқарас

  Курста терең оқытудың негізгі тұжырымдамалары бар. Қазіргі уақытта терең оқыту-бұл машиналық оқытудың ең дамыған саласы (ML). Терең зерттеу алгоритмдері компьютерлік көру, табиғи тілді өңдеу, сөйлеуді талдау, робототехника және т.б. саласында жаңа нәтижелер алуға мүмкіндік береді.

  Оқу жылы - 1
  Несиелер - 4
  

• Шетел тілі (кәсіби)

  Курс ағылшын тілін ғылыми және кәсіби қызметте қарым-қатынас үшін тиімді қолдана отырып, талдау, жинақтау, жіктеуде ағылшын тілін тиімді пайдалану дағдыларын дамытуды көздейді және шетел серіктестерімен қарым-қатынаста шетел тілінің коммуникативті құзіреттілігін және оның еркін көрінісін (B1 деңгейі және одан жоғары) әрі қарай дамытуға арналған, сондай ақ әрі қарай өздігінен білім алуы үшін. Курс барысында магистранттар өздерінің жеке көзқарастары мен зерттеу нәтижелерін еркін білдіре отырып, сыни тұрғыдан ойлау принциптеріне сүйене отырып, өз көзқарастарын нақты және негіздеп көрсетуге, қарым-қатынас жасауға үйренеді.

  Оқу жылы - 1
  Несиелер - 1
  

• Өндірістік практика

  Магистранттың зерттеу практикасы оқу процесінде алған білімдерін бекіту, практикалық дағдыларды игеру, сонымен қатар таңдалған магистерлік диссертация тақырыбы бойынша кәсіби зерттеулер жүргізу үшін қажетті мәліметтерді жинау мақсатында жүзеге асырылады. Студент кәсіпорынның қызметімен танысады; деректерді жинайды және өңдейді; диссертациялық жұмыстың тақырыбын таңдаудағы негізгі проблемаларды анықтап, олардың шешімдерін табады.

  Оқу жылы - 1
  Несиелер - 11
  

• Деректерге негізделген басқару

  Курс жалпыға қол жетімді көздерді ақылды қолданудан бастап деректерді визуализациялау әдістеріне дейін ұйымдық стратегияны іске асыру үшін деректерді талдауға және пайдалануға мүмкіндік беретін дұрыс мәліметтер жиынтығын қолдануға негізделген.

  Оқу жылы - 1
  Несиелер - 5
  

• Зерттеу әдістемесі

  Курс магистранттардың зерттеу әдістері кешенін қолдану арқылы бағалау, қойылған міндеттерді шешу, ғылыми нәтижелерді жүйелеу және негіздеу негізінде зерттеу қызметін жүргізу қабілетін қалыптастыруға бағытталған. Курс аясында магистранттар сандық және сапалық зерттеу әдістерін үйренеді. Бұл курста статистикалық әдісті қолдана отырып, зерттеу нәтижелерін бағалаудың іргелі тәсілдері мен жалпы тенденциялары қарастырылады. Сапалы деректерді бағалауды және жүргізілген зерттеудің жалпы іріктемесін ескере отырып, елеулі назар аударылатын болады. Мұнда ауызша және вербальды емес айнымалылардың классикалық тәсілдері мен практикалық құралдары зерттеледі.

  Оқу жылы - 1
  Несиелер - 4
  

• Терең оқыту және жасанды интеллект

  Курс машиналық оқытудың (ML) және жасанды интеллекттің (AI) классикалық және ең өзекті заманауи білімдері мен ғылыми тәсілдеріне шолу жасайды. Алгоритмдік тәсілді қолдана отырып, магистранттар бірнеше әдістерді өз бетінше жүзеге асыру арқылы зерттелген әдістерді іс жүзінде қолданады. Курс жасанды нейрондық желілерге негізделген жіктеуді (терең оқыту), сонымен қатар кластерлеуді, регрессияны, оңтайландыруды (эволюциялық Алгоритмдер және басқа әдістер) қамтиды.

  Оқу жылы - 1
  Несиелер - 5
  

• Мәтіндік және тілдік талдау

  Курстың мақсаты-табиғи тілді өңдеу процесіне (NLP, сонымен қатар компьютерлік лингвистика деп те аталады) кеңінен кіріспе, адам тілінде өңдей алатын, түсінетін және сөйлесе алатын есептеу жүйелерін зерттеу. Ол әр түрлі NLP есептерін түсінуге, осы мәселелерді тиімді шешудің алгоритмдеріне, сондай-ақ олардың жұмысын бағалау әдістеріне назар аударады. Оқытудың статистикалық және нейрожелілік алгоритмдеріне ерекше назар аударылады. Магистранттар кейбір алгоритмдердің енгізілген нұсқаларын ұсынады.

  Оқу жылы - 1
  Несиелер - 4
  

• Қолданбалы жүйелердегі бизнес-аналитика

  Курс бизнес ақпаратын талдау үшін кәсіпорындар қолданатын әдістерді сипаттауға арналған. Магистранттар SAS бизнес-талдау бағдарламалық жасақтамасымен жұмыс істейтін болады. Олар бизнес-аналитика жүйесінің тұжырымдамасы, ұйымдарда қолдану және оның басқа компьютерлік ақпараттық жүйелермен байланысы - шешім қабылдау және басқару, деректер қоймасы және жасанды интеллект туралы біледі. Магистранттар SAS Enterprise Miner көмегімен деректердің үлкен ауқымынан маңызды ақпаратты тиімді анықтау үшін деректерді шығарудың қолжетімді әдістері мен тәсілдерін пайдалануды үйренеді.

  Оқу жылы - 1
  Несиелер - 5
  

• Spark көмегімен ағындар мен оқиғаларды өңдеу

  Курс Apache Spark-ті қолдана отырып, нақты уақыт пен оқиғаларға бағытталған (немесе оқиғаға бағытталған) қосымшаларды әзірлеу үшін қажет тұжырымдамалық және практикалық білімді ұсынады. Курс Spark-ті NoSQL жүйелерімен, сонымен қатар Apache Kafka және Amazon Kinesis сияқты танымал хабар алмасу платформаларымен қолдануды қамтиды. Spark streaming архитектурасы Stream API көмегімен, сондай-ақ spark-қа құрылымдық ағынмен терең зерттелген. Практикалық жаттығулар Spark streaming-те трансформация мен шығыс операцияларын, сондай-ақ статикалық ағындарды өңдеу және Spark көмегімен жылжымалы терезе операциялары сияқты жетілдірілген ағындарды өңдеуді күшейтуге бағытталған.

  Оқу жылы - 1
  Несиелер - 4
  

• Қолданбалы машиналық оқыту

  Курс магистранттарды осы әдістердің негізіндегі статистикаға қарағанда техника мен әдістерге көбірек көңіл бөле отырып, қолданбалы машиналық оқытумен таныстырады. Тақырып машиналық оқытудың сипаттамалық статистикадан қалай ерекшеленетінін талқылаудан басталады және курсқа практикалық материалдарды енгізеді. Бұл курста магистрлер деректер өлшемі мәселесін зерттейді және деректерді кластерлеу мәселелерін шешеді. Болжамдық модельдерді құрудың бақыланатын тәсілдері сипатталады, ал студенттер болжамдық модельдеудің дамыған әдістерін қолдана алады. Олар бақыланатын (жіктеу) және бақыланбайтын (кластерлеу) техниканың арасындағы айырмашылықты анықтайды, белгілі бір мәліметтер жиынтығына қандай техниканы қолдану керек, сонымен қатар талдау үшін питон кодын жаза алады.

  Оқу жылы - 1
  Несиелер - 5
  

• Менеджмент

  Пән: менеджменттің заманауи көзқарастарын; көшбасшылық; жоспарлау мен мақсаттар қою; ұйымның жаңа құрылымдары; өнімділікті бақылау мен персоналды ынталандыруды қамтиды. Магистрант курсты меңгеру барысында ұйымның макро/микро ортасына талдау жүргізеді; командаларды қалыптастыру бойынша ұсыныстар әзірлейді. Пәнді оқудың соңы бизнес-жоба презентациясымен аяқталады, ол өз кезегінде білім алушыға түрлі стандартты емес басқарушылық міндеттерді шешу арқылы өзіндік ойын қорғау қабілеттілігін көрсетуге мүмкіндік береді.

  Оқу жылы - 1
  Несиелер - 2
  

Оқыту нәтижелері

• Сыни ойлауды, сандық және сапалық әдістерді қолдана отырып, аналитикалық дағдыларды қолдана отырып, олардың салдарын бағалау және белгісіздік жағдайлары мен тәуекелдерді ескере отырып шешім қабылдауға қабілетті.
• Кәсіби және кәсіби емес аудиторияда ауызша және жазбаша түрде негізделген тәуелсіз қорытындылар/Пікірлер ұсына алады және оларды дәлелдей алады.
• Заманауи бағдарламалау дағдылары арқылы күрделі нысандарға қатысты автоматты басқару жүйелерін дамытуға қабілетті.
• Машиналық оқытудың инновациялық технологиялары мен әдістерін талдауға және қолдануға, нәтижелерді практикалық инженерлік қызметке енгізуге қабілетті.
• Үлкен деректердің күрделі және көп факторлы есептерін әзірлеу және жобалау бойынша шешім қабылдауға қабілетті.
• Жоғары технологиялық процестерді басқару есептерінде алынған деректерді пайдалана отырып, ғылыми және эксперименттік зерттеулердің нәтижелерін талдауға және дәлелдеуге қабілетті.
• Заманауи теориялық әдістемелер мен ғылыми тәсілдер негізінде басқару объектілері мен аппараттарында сәйкестендіру міндеттерін тұжырымдай және шеше алады.
• Әр-түрлі танымал технологиялық бағдарламалық құралдардың көмегімен істен шығуға төзімді жүйелерді дамыту үшін теориялық білімді қолдана алады.
• Алынған жасанды интеллект модельдері мен технологияларын және терең оқыту алгоритмдерін бағалауға және талдауға қабілетті.
• Үлкен деректерді әзірлеу бойынша эксперименттік және теориялық деректерді жан-жақты пайдалана алады.
• Көпшілік алдында сөйлеу, дәлелдеу, пікірталас және полемика жүргізу дағдыларын меңгере алады; әртүрлі пайымдау логикасын практикалық талдау.

Ұқсас БББ