7M06105 Кибернетика  және жасанды интеллект в Satbayev University

Пәнді меңгеру мақсаттары: магистранттарда кванттық есептеу теориясының негізгі ұғымдары мен әдістері бойынша теориялық білімді қалыптастыру; кванттық схемаларды құру және талдау, кванттық өлшеулер кезінде ықтималдылықты есептеу біліктері мен практикалық дағдыларын қалыптастыру; кванттық алгоритмдер мен кванттық ақпараттық хаттамаларды зерттеу. Курста есептеу күрделілігінің классикалық теориясының негізгі ережелері, кванттық есептеулердің гейт моделі, Фурье кванттық түрлендіруге негізделген кванттық есептеу алгоритмдері қарастырылады.

Курс терең оқыту үлгілеріне бағытталған. Машиналық оқытудағы өріс ретінде терең оқыту үлгілері сандық-сапалық ауысуды көрсетеді. Жаңа модельдер және олардың қасиеттері бөлек зерттеуді және мұндай модельдердің метапараметрлерін орнату тәжірибесін талап етеді. Бұл курс терең оқыту негіздерін, нейрондық желілерді, конволюционды желілерді, RNN, LSTM, Adam, Dropout, BatchNorm, Xavier/He инициализацияларын қамтиды.

Оқытудың мақсаты: магистрлерде әртүрлі салалардағы міндеттердің кең спектрін шешу үшін заманауи есептеу кешендері мен бағдарламалық құралдарды пайдалану бойынша теориялық білім мен практикалық дағдыларды қалыптастыру. Курс графикалық процессорлар архитектурасының ерекшеліктерін, графикалық процессорлар негізінде гибридті есептеу жүйелерін ұйымдастыру принциптерін, графикалық процессорларда тиімді орындауға жарамды тапсырмалар кластарын қарастырады.

Пәнді игерудің мақсаты: Рекурсия теориясы, жиынтықтар теориясы, Алгебралық жүйелер теориясы және олардың сыныптары бойынша білімдерін кеңейту. Курс толықтық және дәйектілік теоремасын, толық және толық емес теорияны, модельдік толық теорияны, кіші модель және элементарлық кіші модель ұғымдарын, тип ұғымы мен типін іске асыру теоремасын, санау теориясындағы есеп түрін төмендету теоремасын қарастырады.

Курс кездейсоқ құбылыстардың заңдылықтарын, кездейсоқ функциялардың әртүрлі кластарындағы нақты оқиғалар мен процестердің математикалық модельдерін құрудың ықтималдық тәсілін, пайда болған математикалық есептерді тұжырымдау мен шешуді зерттейді. Сондай-ақ ықтималдық және кездейсоқ процестер теориясының формальды математикалық аппаратын, оны қосымша білім беру процесінде пайдалану мүмкіндігін, әртүрлі пәндік салалардағы есептерді талдау үшін ықтималдықтар теориясы мен стохастикалық процестердің әдістерін қолдануды қарастырады.

Курстың мақсаты компьютерлік құралдарды пайдалана отырып, параллель бағдарламалау және деректерді параллель өңдеу негіздері бойынша білім мен дағдыларды алу болып табылады. Курсты оқытудың міндеттері: Ақпаратты параллель өңдеу және параллель алгоритмдерді ұсыну әдістерін үйрету; студенттерді ЭЕМ архитектурасымен таныстыру; параллельді үдерістер спецификациясының құралдарын қалыптастыру; параллельді бағдарламалау тілдерін үйрету; тізбекті алгоритмдерді Автоматты параллелдеу әдістерін меңгеру.

Курс шеңберінде магистранттар жоғары білім беру педагогикасының әдіснамалық және теориялық негіздерін меңгереді, заманауи педагогикалық технологияларды пайдалануды, білім беру мен тәрбиелеу үдерістерін жоспарлауды және ұйымдастыруды, оқытушы мен оқытушының субъекті мен субъектінің өзара әрекеттесуінің коммуникациялық технологияларын меңгереді. университеттің оқу үдерісінде бакалавр. Сондай-ақ магистранттар білім беру ұйымдарында (жоғары оқу орындарының мысалында) адам ресурстарын басқару бойынша білім алады.

Пәнді игерудің мақсаты магистранттардың кәсіби құзыреттілігін қалыптастыру үшін машиналық оқыту әдістері негізінде тану және жіктеу жүйелерін құрудың, оқытудың және қолданудың заманауи тәсілдерімен танысу болып табылады. Пәннің мазмұны машиналық оқытудағы (machine learning) арнайы бөлім – терең оқыту алгоритмдері мен әдістерін (deep learning) меңгеруге; терең оқыту әдістерін пайдалана отырып, практикалық есептерді шешуде біліктер мен дағдыларды қалыптастыруға бағытталған.

Пәнді игерудің мақсаты: адам қызметінің барлық салаларында басқарудың, бейнені танудың, болжаудың интеллектуалды жүйелерін құруды үйрету. Курста студенттер машиналық оқытудың негіздерімен танысады: оқу тапсырмасын қою, деректерді дайындау, оқыту және шешім қабылдау принциптері, оқытуды ұйымдастыру тәсілдері және нәтижелерді тексеру, деректерді жіктеу және кластерлеу әдістері мен алгоритмдері. Машиналық оқытудың теориялық негіздері практикалық сабақтарда бекітілген және тәуелсіз зерттеу жүргізу кезінде қолданылады.

Пәннің мақсаты: визуалдаудың, жүйелеудің, зерттеудің, талдаудың және болжаудың заманауи әдістері мен алгоритмдерін, Data Mining негізгі әдістері мен алгоритмдерін зерттеу және оларды салыстырмалы талдау. Деректерді зияткерлік талдаудың негізгі әдістері мен алгоритмдерін қолданудың практикалық дағдыларын дамыту; нақты практикалық мәселелерді шешу үшін деректердің электрондық массивтерін зияткерлік талдау технологияларын қолдана білу.

Курс техникалық мамандықтардың магистранттарына кәсіби және академиялық салада шетел тіліндегі қарым -қатынас дағдыларын жетілдіруіне және дамытуына арналған. Курс студенттерді заманауи педагогикалық технологияларды қолдана отырып кәсіби және академиялық мәдениетаралық ауызша және жеке қарым -қатынастың жалпы принциптерімен таныстырады (дөңгелек үстел, пікірталастар, талқылаулар, кәсіби бағытталған жағдайларды талдау, жоба).

Пән басқарушылық қызметтегі психологиялық аспектілердің қазіргі рөлі мен мазмұнын зерттейді. Кәсіби іс-әрекетті жүзеге асыру барысында оқушының психологиялық сауаттылығын арттыру қарастырылады. Психология саласында өзін-өзі жетілдіру және жергілікті деңгейде де, шетелде де басқару қызметінің құрамы мен құрылымын зерттеу. Қазіргі менеджерлердің психологиялық ерекшелігі қарастырылады.

Ғылым философиясының пәні, ғылым динамикасы, ғылымның ерекшелігі, ғылым және ғылымға дейінгі, ежелгі және теориялық ғылымның қалыптасуы, ғылымның тарихи дамуының негізгі кезеңдері, классикалық ғылымның ерекшеліктері, классикалық емес және сыныптан кейінгі ғылым, математика, физика, технология және технология философиясы, инженерлік ғылымның ерекшелігі, ғылым этикасы, ғалым мен инженердің әлеуметтік-адамгершілік жауапкершілігі.

Пәнді игерудің мақсаты студенттердің жүйелік талдау және басқару саласында кәсіби қызмет объектілерін жіктеу, болжау және басқару мәселелерін шешу үшін нейрондық желілерді пайдалану бойынша теориялық білім мен практикалық дағдыларды қалыптастыру болып табылады. Қарастырылады: жасанды нейрондық желілердің даму тарихы; жасанды нейрондық желілерді пайдаланудың негізгі бағыттары; нейрондық желілердің түрлері.

Пәнді игерудің мақсаты: жаратылыстану-ғылыми есептерді шешуде туындайтын математикалық модельдерді құру мен талдаудың заманауи әдістерін, сондай-ақ оларды шешу алгоритмдерін әзірлеу мен іске асырудың заманауи әдістерін зерттеу. Курста тасымалдау, жылу, толқын, Лаплас теңдеулері және олардың іргелі шешімдері, энергетикалық әдістер; бірінші ретті сызықты емес ДТТ; сызықтық ДТТ теориясы; екінші ретті элиптикалық теңдеулер; сызықты емес ДТТ теориясы; вариациялық емес әдістер; Гамильтон-Якоби теңдеулері қарастырылады.

Әртүрлі мөлшердегі элементтердің соңғы санынан тұратын механикалық жүйелерді модельдеудің кейбір заманауи принциптері. Қабатты ортадағы процестерді сипаттайтын дифференциалдық теңдеулерді теориялық зерттеудің кейбір әдістері және сандық талдау әдістері келтірілген. Курс қарапайым дифференциалдық теңдеулер теориясына және жартылай туынды және математикалық анализдегі теңдеулерге негізделген. Осы курстың нәтижесінде студенттер кейбір күрделі механикалық жүйелерді модельдеуде және зерттеуде тәжірибе жинауы керек.

Пәнді игерудің мақсаты: ғылымның әмбебап тілі, құбылыстар мен процестерді модельдеу құралы ретіндегі ақпарат теориясы туралы, кодтау және криптография идеялары мен әдістері туралы түсініктерді қалыптастыру; логикалық ойлауды, кеңістіктік қиялды, алгоритмдік мәдениетті, болашақ кәсіптік қызметке, үздіксіз білім алуға және өзін-өзі тәрбиелеуге қажетті деңгейде сыни тұрғыдан ойлауды дамыту; кәсіптік циклдің сабақтас пәндерін оқу үшін күнделікті өмірде қажетті теориялық білім мен дағдыларды меңгеру.

Пәнді меңгеру мақсаттары: формальды математикалық модельдерді құру және модельдеу нәтижелерін түсіндіру үшін машиналық оқыту негіздері бойынша теориялық білімді қалыптастыру; формальды математикалық модельдерді құру және әртүрлі қолданбалы салаларда қолданбалы есептерді шешу кезінде модельдеу нәтижелерін түсіндіру үшін машиналық оқыту әдістерін практикалық қолдану бойынша біліктерді әзірлеу. Машиналық оқыту әдістері-оқуға қабілетті алгоритмдерді құру әдістерін зерттейтін жасанды интеллекттің кең бөлімі.

Оқыту мақсаты: стохастикалық дифференциалдық жүйелер және оларды модельдеу әдістері мәселелері бойынша теориялық білім мен практикалық дағдыларды қалыптастыру, сондай-ақ осы білімді ғылыми-зерттеу және өндірістік-технологиялық процестердегі міндеттерді шешуде қолдану. Курс аяқталғаннан кейін білім алушы стохастикалық модельдеу әдістерін білуі керек, математикалық модельдерді әзірлеу, жүйелер мен процестерді зерттеу кезінде стохастикалық талдауды қолдана білуі керек.

жаһандану және интернационализация жағдайында отандық ғылымның дамуының қазіргі заманғы үрдістерін, бағыттары мен заңдылықтарын; ғылыми таным әдіснамасын; тиісті саладағы әлемдік және қазақстандық ғылымның жетістіктерін білу және түсіну; ғылым мен білімнің әлеуметтік жауапкершілігін (түсіну және қабылдау); ғылыми коммуникация мен халықаралық ынтымақтастықты жүзеге асыру үшін шет тілін жетік меңгеру.

зерттеу саласын жүйелі түсіну дағдысы болу және таңдалған ғылыми әдістердің сапалылығы мен нәтижелілігін көрсету; ғылыми іс-шараларға, іргелі ғылыми отандық және халықаралық жобаларға қатысу; көшбасшылық басқару және ұжымды басқару; ғылыми және ғылыми-педагогикалық қызметке жауапты және шығармашылық қатынас жасау.

терең оқытудың ашық кітапханаларын қамтитын архитектурамен жұмыс істей алуы, теория мен эксперимент нәтижелерін салыстырудан дұрыс қорытынды жасай білу, практикалық міндеттерден машиналық оқытуға арналған қойылымды бөліп алу, машиналық оқыту мәселелерін шешу үшін заманауи бағдарламалық кешендермен жұмыс істей алуы керек.

математикалық модельдерді әзірлеу және оларды заманауи бағдарламалық құралдарды пайдалана отырып, ғылыми тәжірибелерде қолдана білуі, стохастикалық процестер мен жүйелерге теориялық және эксперименттік зерттеулер жүргізе алуы керек.

графикалық процессорлар базасында графикалық процессорлар мен гибридті есептеу жүйелерінде міндеттерді орындау тиімділігіне талдау жасай білуі, бағдарламаларды бейіндеуді жүргізе білуі тиіс.

Нақты практикалық мәселелерді шешу үшін деректердің электрондық массивтерін интеллектуалды талдау технологияларын қолдана білу керек.

кванттық есептеу саласындағы физикалық ақпаратты талдау және синтездеу үшін кәсіби білімді, негізгі кванттық алгоритмдерді, осы саладағы физикалық теориялық және эксперименттік зерттеулерге арналған компьютерлік технологиялардың мүмкіндіктері, әдістері мен жүйелерін, кванттық есептеулерді іске асыруға арналған негізгі физикалық платформаларды меңгеру.

терең оқытудың жіктеу, кластерлеу, болжау міндеттерінің қойылуын, алгоритмдері мен әдістерін білуі керек.

ғылыми зерттеу процесін ұйымдастыра, жоспарлай және жүзеге асыра білу; зерттеу саласындағы әртүрлі теориялық тұжырымдамаларды талдау, бағалау және салыстыру және қорытынды жасау; әртүрлі көздерден алынған ақпаратты талдау және өңдеу.

тұлғааралық қарым-қатынас және адам ресурстарын басқару мәселелерінде; мамандарды жоғары оқу орындарында даярлау мәселелерінде; ғылыми жобалар мен зерттеулерге сараптама жүргізуде; тұрақты кәсіби өсуді қамтамасыз етуде құзыретті болу.

заманауи теориялар мен талдау әдістері негізінде академиялық тұтастықпен сипатталатын дербес ғылыми зерттеу жүргізе білу; өзінің жаңа ғылыми идеяларын генерациялау, ғылыми танымның шекарасын кеңейте отырып, өз білімі мен идеяларын ғылыми қоғамдастыққа хабарлау.

ақпараттық ағындардың тез жаңаруы және өсуі жағдайында ғылыми және ғылыми-педагогикалық қызмет саласында; теориялық және эксперименттік ғылыми зерттеулер жүргізуде; ғылыми зерттеуде теориялық және қолданбалы міндеттерді қою мен шешуде; тиісті саладағы проблемаларға кәсіби және жан-жақты талдау жүргізуде құзыретті болу.

теориялық және эксперименттік зерттеулер үшін сандық стохастикалық модельдеу әдістерін меңгеруі, зерттеу нәтижелерін бағалау үшін стохастикалық талдауды білуі тиіс.

түрлі ғылыми теориялар мен идеяларды сыни талдау, бағалау және салыстыру; талдамалық және эксперименттік ғылыми қызмет; Зерттеу нәтижелерін жоспарлау және болжау; халықаралық ғылыми форумдарда, конференциялар мен семинарларда шешендік өнер және көпшілік алдында сөз сөйлеу; ғылыми жазу және ғылыми коммуникация; ғылыми зерттеулер процестерін жоспарлау, үйлестіру және іске асыру дағдыларына ие болу.

стохастикалық модельдеу жүйелері мен әдістерін стохастикалық талдау түсінігін, математикалық модельдерді жасауда және әртүрлі жүйелер мен процестерді зерттеуде стохастикалық талдауды қолдануды білуі керек.

графикалық процессорлар архитектурасының ерекшеліктерін, графикалық процессорлар базасында гибридті есептеу жүйелерін ұйымдастыру принциптерін, графикалық процессорларда тиімді орындау үшін жарамды міндеттер кластарын білуі керек.