7M06102 Machine Learning & Data Science в Satbayev University

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.

Курстың негізгі мақсаты үлкен деректер жүйелерін бағдарламалау және жобалау негіздерін түсінуге бағытталған. Тақырыптарға деректерді жинау, тазалау, жинақтау, деректердің үлкен гетерогенді жинақтарын басқару, ақпарат пен білімді өңдеу, шығару теориясы мен әдістері кіреді. Курс MapReduce, ағындық және сыртқы жад алгоритмдерімен және олардың Hadoop және оның экожүйесі (HBase, Hive, Pig және Spark) көмегімен жүзеге асырылуымен таныстырады.

Курсты меңгерудің мақсаты – студенттің ғылыми-зерттеу іс-әрекетін жүргізу дағдыларын қалыптастыру. Пәннің мазмұны зерттеу бағытын анықтау сұрақтарын қамтиды; зерттеудің мақсаттары мен міндеттері; ғылыми басылым, әдеби шолу жазу кезеңдері; ғылыми экспериментті ұйымдастыру; инновациялық қызмет бағыттары; инновациядағы ғылыми зерттеулердің рөлі.

Компьютерлік көру - бұл цифрлық кескіндер немесе бейнелер туралы жалпы жоғары деңгейде түсінігі бар және объектілерді анықтауға, қадағалауға және жіктеуге арналған компьютерлік жүйелерді құруды зерттеу. Практикалық тұрғыдан алғанда, компьютерлік көру адамның көру жүйесі орындай алатын міндеттерді түсінуге және автоматтандыруға ұмтылады.

Пән студенттерді жүйелік бағдарламалау негіздерімен таныстыратын жаратылыстану пәні болып табылады.Қазіргі заманғы компьютерлік жүйенің аппараттық құралдары мен архитектурасы туралы практикалық білім беруге жауапты, параллелизм аспектілеріне және көп-көпті жазуға әсер ететін тақырыптарға ерекше назар аударады. бұрандалы бағдарламалық қамтамасыз ету. Курс параллельділік туралы түсінікті төмен деңгейлі аспектілерден параллельдік пакеттерде қолданылатын жоғары деңгейлі дизайн үлгілеріне дейін қамтиды.

Курс нейрондық желілерді қолдану арқылы деректерді өңдеудің қолданбалы мәселелерін шешуге қажетті теориялық және практикалық білімдерге негізделген. Курста нейрондық желілер теориясының математикалық негіздері, нейрондық желілер теориясының қысқаша тарихы, нейрондық желі архитектурасының математикалық үлгілері, оқу мәселесін тұжырымдау және оны шешу әдістері, оқу процесін ұйымдастыру ерекшеліктері және қолдану практикалық есептерді шешуге арналған нейрондық желілер қарастырылады.

Курс аясында студенттер сапаны бағалау, бағдарламалық жасақтаманың сапасын бақылау саласында білім алады, сынақ жағдайларын әзірлеуді, сынақ жағдайларында тестілеуді орындауды, тестілеу кезінде қателерді анықтауды және оларды құжаттауды, бағдарламалық өнімді модуль, функционалдылық, интеграция тұрғысынан бағалауды және сынауды үйренеді. Курс сапаны қамтамасыз ету және Agile әдістемелері арқылы жүзеге асырылатын жобалардағы үздіксіз интеграцияға қатысты тақырыптарды талқылайды.

Курс машиналық оқыту әдістеріне және терең оқыту үлгілеріне бағытталған. Бұл курс терең оқыту негіздерін, нейрондық желілерді, конволюционды желілерді зерттейді. Машиналық оқытудың классикалық әдістерін және терең нейрондық желілерді қолдану арқылы болжамды модельдерді құруға ерекше назар аударылады. Деректерді дайындауға қосымша көңіл бөлінеді. Ұзақ мерзімді қысқа мерзімді жады, генеративті қарсылас оқыту және стильді тасымалдау сияқты арнайы терең оқыту тақырыптары да қамтылған.

Курс визуализация және виртуалды шындық мәселелерін: деректерді дайындау, деректерді визуализациялау, деректерді ұсыну, деректермен, құрылғылармен және компьютерлік технологиялармен өзара әрекеттесу, кеңінен қолданылатын көрсету әдістері, визуализацияның заманауи әдістері мен жүйелері, виртуалды шындықты жүзеге асыру мысалдары, деректердің өзара әрекеттесу стандарттары, нақты -уақытты модельдеу, соқтығысты анықтау, тактильді сезімдер, зақымдалған нысандар, толықтырылған шындықты қарастырады. Виртуалды шындық пен аралас шындықтың басқа технологияларының өзара байланысы мәселелері қарастырылады.

Курс әдіснама, үлкен деректерді өңдеу және талдау саласындағы теориялық және практикалық негіздерін зерттейді. Курс үлкен деректерді талдаудың техникалық және әдістемелік құралдары туралы түсінік қалыптастыру, осы білімді тәжірибеде саналы түрде қолдануға мүмкіндік беретін негізгі принциптер мен түсініктерді зерделеу, мәліметтердің үлкен көлемін талдауда практикалық дағдыларды қолдану мәселелерін қарастырады. Пән сонымен қатар үлкен деректерді өңдеу және сақтау үшін инфрақұрылымдық шешімдердің даму тенденцияларын талқылайды.

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.

Курс саланың негізгі даму тенденцияларын зерттейді Курс бұлтты есептеулер технологиясының теориялық және практикалық негіздерін, қазіргі бизнестегі бұлтты есептеу модельдерін, бұлттық технология құралдарын зерттейді. Сондай-ақ курста бұлттық сервисті құру технологиялары және қолданыстағы бұлттық қызметтер, АТ процестерін оңтайландыру мәселелерін шешуде бұлттық есептеулер технологиясын пайдалану жолдары талқыланады. Бұл курс Amazon және Microsoft бұлттарында қолданылатын ең маңызды API интерфейстерін талқылайды.

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).

Бұл курс бизнес экожүйелерін жобалау мен талдауға жүйелі кіріспе береді және маңызды тәсілдер мен үлгі түрлеріне шолу жасайды. Цифрлық желі жаңа бизнес конфигурациясын тудырады - бұрынғы түрдегі фирма ішілік және фирма аралық қатынастардан ерекшеленетін экожүйе. Бизнес экожүйесінің концептуалды моделі оның артықшылықтарымен, шектеулерімен және тәуекелдерімен, сондай-ақ оның IT-индустриясында қолданылуы қарастырылады.

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.

Курс мультиагенттік жүйелердің (МАЖ) жалпы принциптерін, автономды агенттердің негізгі қасиеттері мен архитектурасын зерттейді; қалыптастыру әдістемесі, әдістері мен үлгілерін; агенттердің өзара әрекеттесуінің, коммуникациясының, ынтымақтастығының негізгі жағдайларын, режимдері мен үлгілерін; бағдарламалау тілдері және жасанды агенттерді іске асыру құралдарын; жасанды агенттер негізінде ақпаратты компьютерлік өңдеу және автоматтандырылған басқару әдістерін, модельдерін, құралдары мен технологиялары оқытады.

Курс күрделілік теориясы мен есептеу негіздерін зерттейді. Алгоритмнің есептеу күрделілігінің анықтамасы берілген. Курста алгоритмдердің есептеу және сыйымдылық күрделілігі, олардың бір-бірімен байланысы, көпмүшелік уақытта есептерді шығаратын алгоритмдердің тиімділігі және шешу уақытының деректерге экспоненциалды тәуелділігі бар басқалары қарастырылады. Сондай-ақ детерминирленген және детерминирленген емес алгоритмдер, көпмүшелік шешілетін есептер, көпмүшелік алгоритмдер зерттеледі. NP толықтығының дәлелдері келтірілген.

Курс терең оқыту үлгілеріне арналған. Машиналық оқыту аясында сала бола отырып, терең оқыту модельдері сандық-сапалық көшуді бейнелейді. Жаңа модельдер мен олардың қасиеттері жеке зерттеуді және осындай модельдердің метапараметрлерін баптау тәжірибесін талап етеді.

Курс табиғи тілді өңдеудің теориялық және практикалық негіздерін зерттейді. Курс NLP-тің теориялық аспектілерін, соның ішінде лингвистика саласындағы базалық білімдерді және мәтінді өңдеудің практикалық әдістерін қамтиды. Классикалық мәтіндік ақпаратты өңдеу алгоритмдері қарастырылады, мысалы, тұрақты өрнектер, қашықтықты өлшеу, ауыстырулар, жолдар мен ішкі жолдарды іздеу. лингвистикалық ағаштар. Мәтін корпусы. Таксономия. Word2Vec, Text Embeding, LSTM модельдері нейрондық желілердің модельдері қарастырылады. Мәтіндік ақпаратты талдауға арналған қолданыстағы кітапханалар зерттелуде.

Курс жасанды интеллектке (AI), әсіресе әлсіз немесе жұмсақ AI, яғни бағдарламалық жасақтаманы ақылдырақ және пайдалырақ ететін әдістер мен алгоритмдерге бағытталған. Курс тірі және жансыз табиғаттағы табиғи процестерді имитациялауға негізделген оңтайландыру алгоритмдерімен, сарапшылық жүйелермен, пайдаланушыларға жеке қызмет көрсететін кластерлеу алгоритмдерімен, регрессиялық модельдер негізіндегі болжау әдістерімен және алға бағытталған нейрондық желілермен айналысады.

Курс Python тіліндегі объектілі-бағытталған бағдарламалауды, соның ішінде дерексіз базалық сыныптарды және Python бағдарламалаушы құралдарын – отладчик, бақылауды зерттейді. Курс үлкен көлемдегі деректерді өңдеудің жылдам әдістерін көрсету үшін контейнерлерді, алгоритмдерді және итераторларды ұсынады. Файлдық жүйе және XML, JSON және YAML манипуляциялары Python ішінде өңдеуге болатындай талданады. RESTful және соңғы нүктелермен жұмыс істеу әдістері қамтылған.

Бұл пән мәтінді өңдеудің негіздерімен таныстырады. Теориялық курс мәтінді өңдеуді, машинаға да, адамға да мәтіндік құрылымдарды, мәтінді өңдеуге арналған nltk Python құрылымының сипаттамасын, тұрақты өрнектерді (мәтінді іздеу), мәтінді тазалауды және машиналық оқыту процестерінде пайдалануға мәтінді дайындауды қамтиды. Табиғи тілді өңдеудің негізгі әдістерін қолдану да қарастырылады.

Курс цифрлық кескінді ұсынудың негізгі принциптерін, олармен жұмыс істеу және деректерді интерпретациялау үлгілерін зерттейді. Курста көрнекі әлемді сипаттаудың компьютерлік әдістері, түсті, текстураны, кескінді өңдеу әдістері мен модельдерін, цифрлық кескіндердің түрлерін, форматтары мен модельдерін, аффинді, проекциялық және полиномдық бұрмалауларды, камераның бұрмалануын, фрагменттерді алуды зерттеу қарастырылады. Деректерді классификациялау және кластерлеу модельдері, кескіннің сапалық және сандық белгілерін ерекшелеуге арналған математикалық модельдерді қолдану қарастырылады.

Курс секвенирлеу эксперименттеріндегі геномдық деректерді талдау және интерпретациялау үшін жалпы түсініктер мен құралдарды зерттейді. Курс Python кітапханаларын, биоинформатика алгоритмдерін, жасанды интеллект әдістерін, биологиялық тізбектерді өңдеуге арналған негізгі қызметтер мен бағдарламаларды зерттейді. Курста ғылыми-зерттеу жұмысы үшін геномдық, құрылымдық және басқа ақпаратты қамтитын негізгі биологиялық деректер қорлары қолданылады.

Жоғары оқу орындарында базалық пәндерді оқытуға, әдеби дереккөздерге шолу жасауға, қазіргі ғылымдағы тенденцияларды талдауға және ғылыми зерттеулердің перспективалық бағыттарын анықтауға мүмкіндік беретін шет тілін кәсіби деңгейде қолдану.

Ғылыми және масштабталатын деректерді өңдеу үшін MapReduce бағдарламалау үлгісін қолдану.

Әзiрленген және бекiтiлген жұмыс бағдарламалары мен әдiстемелiк нұсқаулардың талаптарын ескере отырып, семинарларды, практикалық, зертханалық сабақтарды жоспарлау және өткiзу, оқу-тәрбие процесiн сүйемелдеу үшiн оқу-әдiстемелiк материалдарды әзiрлеу және студенттердi оқыту мен тәрбиелеуде жаңалықтарды енгiзу, педагогикалық және ғылыми-зерттеу қызметінде жоғары оқу орындарының педагогикасы мен психологиясын қолдану.

Әртүрлі деректерді өңдеу міндеттеріне қатысты статистикалық талдау және машиналық оқыту әдістерін қолдану, оның ішінде құрылымдық, құрылымдық емес, ғылыми, геномдық және т.б., ғылыми зерттеулер жүргізу, ақпаратты жинау, сақтау және өңдеу бойынша жұмыстарды ұйымдастыру, аналитикалық жүйелерді және машиналық оқыту мен терең оқыту алгоритмдеріне негізделген кеңес беру қызметтерін құру.

Тұлғааралық және топтық қарым-қатынас орнату; ұжымдағы өз рөлін анықтау, мақсат қою және оны жүзеге асыруға байланысты міндеттерді тұжырымдау; ұжым мүшелерінің әлеуметтік ерекшеліктерін ескере отырып, өзара әрекеттесуді құру; топтық жұмысты жобалау және ұйымдастыру; топ мүшелерінің жаңа білім мен дағдыларды меңгерудегі қажеттіліктерін анықтау.

Жаңа бейтаныс орталарда зерттеу мәселелерін шешу үшін әртүрлі пәндерден алынған білімдерді біріктіру және жасанды интеллект және деректерді өндіру бағыттарындағы ғылыми зерттеулер контекстінде жаңа идеяларды қалыптастыру.

Оңтайландыру және сызықтық бағдарламалау есептерін шешудің сандық әдістеріне, ішінара дифференциалдық теңдеулерді шешу әдістеріне, Навье-Стоксқа және нақты әлем объектілерін формализациялау және модельдеу үшін жылу өткізгіштікке негізделген тәсілді қолдану.

Әртүрлі көздерден қажетті ақпаратты, соның ішінде нақты уақыт режиміндегі ақпарат ағындарын алу, үлкен деректер технологияларының мүмкіндіктерін, бұлтты есептеу модельдерін және ақпараттық қауіпсіздік принциптерін ескере отырып, кәсіпорынның ақпараттық инфрақұрылымы үшін ғылыми-техникалық және инновациялық шешімдерді әзірлеу.

Бизнестің экожүйесін модельдеу, виртуалды шындық модельдері, нақты уақыттағы жүйелер ұғымдарын қолдану.

Терең оқыту үлгілерін әзірлеу және енгізу және оларды нақты деректер жинақтарында үйрету.