8D06102 Компьютерлік ғылым және жасанды интеллект в Қазақстан-Британ техникалық университеті

Пәндер

1 Оқу жылы Академиялық хат ЖИ: Машиналық оқыту Этика, информатика саласындағы саясат пен заңнаманы дамыту Сигналдар мен кескіндерді сандық өңдеу (машиналық оқытуға негізделген модельдердегі алдын-ала өңдеу кезеңдері) Ғылыми зерттеу әдістері ЖИ: Статистикалық оқыту және болжау ЖИ: Табиғи тілді өңдеу және семантикалық талдау Үлкен деректер жағдайлары: ғылым, медицина, инженерия ЖИ: Күшейтiп оқыту ЖИ: Компьютерлік көру

Оқыту нәтижелері

• Докторлық диссертацияны жазу, зерттеу жұмыстарын және ғылыми жарияланымдарды жүргізу үшін қажетті академиялық жазудың ғылыми-практикалық дағдыларын дамыту. Стратегиялық мақсаттарға қол жеткізу үшін сыни ойлау әдістерін қолдана білу, ғылыми және өнеркәсіптік жобаларды әзірлеу мен орындауда зерттеушілер кездесетін зерттеу гипотезаларының күрделілігін қалыптастыруды түсіну.
• Ғылыми әдіснамадағы іргелі және қолданбалы зерттеу тәжірибелеріне талдау жасау және информатика саласындағы іргелі идеяларды түсіндіре білу. Зерттеудің дизайнын, деректерді таңдау және талдау стратегиясын тиімді жүргізу және ғылыми жарияланымдарды зерттеу жоспарларын әзірлеу үшін бағдарламалаудың жаңа парадигмалары саласында зерттеудің сандық және сапалық әдістерін кәсіби деңгейде білу.
• Машиналық оқыту негізінде қарапайым және күрделі гипотезаларды және жасанды интеллект модельдерін құрастыру шеңберінде алынған үлгілерді талдау және салыстыру, оларды зерттеу барысында ғылыми дәлелдер мен жарияланымдарда қолдану.
• Процестерді, құралдарды, және ғылыми жоспарлау әдістерін түсіну және бизнесті дамыту қызметін жақсарту үшін бизнес, өнеркәсіп саласында үлкен деректерді өңдеумен жасанды интеллект алгоритмдерінің жаңа түрлерінің қазіргі заманғы үрдістерін қолдану және зерттеу.
• Қазақстанда және шетелде жасанды интеллект саласындағы ғылыми зерттеудің қазіргі заманғы проблемалары мен үрдістерін анықтай білу және мінез-құлық үлгілерінің жаңа түрлерін енгізу және барлық салалардағы бизнес пен өнеркәсіпті басқаруды дамытудың болжамдары мен перспективаларын құру есебінен шешу жолдарын табу.
• Қазақстанның және әлемнің әлеуметтік-экономикалық дамуына ықпал ету үшін теориялық және эксперименттік тәжірибелерде жасанды интеллект алгоритмдерін жасау және жаңғырту, компьютерлік ғылымның қолданбалы теориясының заманауи әдістерін енгізу арқылы жұмыс орнын цифрландырудың, адам мен машинаның өзара іс-қимылының рөлін түсіну.
• Математикалық модельдер, бағдарламалық жасақтама және/ немесе аппараттық сәулет, бағдарламалық Алгоритмдер туралы гипотезаларды тұжырымдау және оларды ғылыми қауымдастыққа жасанды интеллект әдістері мен алгоритмдерін оңтайландыру процесінде параллелизация көрсеткіштерін жеке қадамдар деңгейінде де, жалпы әдіс деңгейінде де бағалауға мүмкіндік беретін әдіснамалық және бағдарламалық инженерияны қолдану үшін ұсыну.
• Өңдеудің барлық кезеңдерінде нәтижелердің дәлдігі мен сенімділігін едәуір арттыратын, сонымен қатар деректердің нақты құрылымы туралы ақпарат алуға және олардағы жасырын заңдылықтарды анықтауға мүмкіндік беретін ақпаратты алдын-ала өңдеу әдістерін білу және қолдана білу, сигналдарды шуылдан тазарту, сигналдардағы трендті таңдау, бағалау сияқты алдын-ала өңдеу жұмыстарын жүргізуге мүмкіндік береді. дәрежесі хаотикалық сигналдар, сигналдарды сүзу және т. б.
• Кеңістіктік және жиілік доменіндегі сигналдарды талдаудың негізгі құралдарын білу, сондай-ақ мүмкіндіктерді алу, кескінді сегменттеу, кескінді тіркеу және кескінді сәйкестендіру үшін кескінді өңдеудің негізгі әдістерін үйрену.
• Априорлық белгісіздік жағдайында білімді алу процесін автоматтандыратын және пайдалану тиімділігін арттыратын ақпаратты іздеу әдістерін қамтитын информатика саласындағы нақты тапсырманы эксперименттік зерттеуге арналған жабдықтың есептеу қуатының қажетті сипаттамаларын білу. деректерді өңдеу, бұл деректердің үлкен көлемі болған кезде әсіресе тиімді. Бұл әдістер деректерді кластерлік талдауды, деректерді жіктеуді және көп өлшемді деректерді визуализациялауды жүзеге асыруға мүмкіндік береді.
• Дайын стандартты шешімдер жиынтығын пайдалану арқылы жасанды интеллект жүйелерінің архитектурасын әзірлеу процесін жеңілдететін және жылдамдататын архитектуралық үлгілерді қолданыңыз. Оңтайлы статистикалық синтез әдістерін, статистикалық гипотезаларды сынау теориясын, инварианттылық теориясын және өлшем концентрациясы теориясын машиналық оқыту жүйелерінде ерекшелік векторларын құру және машиналық оқыту үлгілерінің сапасын бағалау үшін пайдаланыңыз.

Ұқсас БББ