7M07115 Машиналық оқыту және дерек өңдеу в әл-Фараби атындағы Қазақ Ұлттық университеті

Мақсаты - жоғары оқу орындарының дидактикасы, тәрбие мен білім беруді басқару теориялары, педагогикалық қызметті талдау және өзін-өзі бағалау білімдері негізінде университетте педагогикалық іс-әрекеттің қабілетін қалыптастыру. Болашақ оқытушының білім беру қызметін ОКТ қолдана отырып жобалауды, Болон процесін жүзеге асыруды,дәріскерлік,кураторлық шеберлікті оқыту/тәрбиелеу және бағалау стратегиялары мен әдістерін қолдана отырып (TLA-стратегиялар) игеруді қарастырылады.

Пәннің мақсаты болжамды деректерді талдау үшін статистикалық әдістер мен машиналық оқыту үлгілерін қолдану қабілетін дамыту. Пәннің мазмұны: Деректерді болжамды талдау тәсілдері. Мәліметтерді талдаудың статистикалық әдістері. Мәліметтерді өңдеу. Болжалды талдау үшін машиналық оқыту. Үлкен деректер қоймаларында үлгілер мен қатынастарды іздеңіз. Болжалды модельдеу. Үлгіні бағалау және қолдану. визуализация құралдары.

Пәннің мақсаты – деректерді алу, түрлендіру және алдын ала өңдеу әдістерін қолдану дағдыларын дамыту, деректерді талдау және визуализациялау үшін бағдарлама құру. Пәннің мазмұны: Шикі деректерді құрылымдық түрге түрлендіру. Деректерді талдау құбырын әзірлеу. Мәліметтерді өңдеу. Деректерді визуализациялау. Машиналық оқыту шеңберлерімен өзара әрекеттесу. Деректерді талдау және визуализациялау үшін бағдарлама құру.

«Ғылым тарихы мен философиясы» курсы арнайы философиялық талдау пәні болып табылатын ғылым феноменінің мәселелерімен таныстырып, ғылымның тарихы мен теориясы, ғылым дамуының заңдылықтары және ғылыми білімнің құрылымы, ғылымның мамандық және әлеуметтік институт ретіндегі ерекшеліктері, ғылыми ізденіс жүргізу әдістері, ғылымның қоғам дамуындағы рөлі туралы туралы білім қалыптастырады.

Пәннің мақсаты: уақыт пен кеңістікті пайдаланудың қатаң теориялық шектеулері бар нақты есептердің алгоритмдік шешімдерін ұсыну үшін қажетті құралдар мен әдістерді қолдану қабілетін қалыптастырудан тұрады. Пән бойынша келесі аспектілер қарастырылады: асимптотикалық белгілеу, рекурсия, "бөл де басқар" парадигмасы.

Пәннің мақсаты - MATLAB көмегімен мәліметтерді талдау және өңдеу қабілеттерін қалыптастыру, болжамды модельдеуге қосымшалар құру. Пән бойынша келесі аспектілер қарастырылады: Деректерді өңдеу және талдау принциптері. Деректерді импорттау. Көрнекілік және деректерді сүзу. Есептеулерді орындау.

Пәннің мақсаты - үлкен есептеу ресурстарын қажет ететін деректерді талдау мәселелерін шешу үшін терең нейрондық желілерді құру, үйрету және қолдану қабілетін дамыту. Пәннің мазмұны: Нейрондық желілердің архитектурасы. Терең емес нейрондық желілер. Терең оқытудың негізіндегі негізгі есептеулер. Терең нейрондық желілерді құру және оқыту. Гиперпараметрлерді баптау, реттеу және оңтайландыру. Білім сапасын бағалау.

Пәннің мақсаты - әр түрлі процестер мен құбылыстарды талдау есептерін шешуде заманауи көпөлшемді статистикалық әдістер мен заманауи бағдарламалық жүйелерді қолдану қабілетін қалыптастыру. Пән бойынша келесі аспектілер қарастырылады: Бір өлшемді және көпөлшемді кездейсоқ шамалардың ықтималды модельдері.

Пәннің мақсаты: әр түрлі саладағы іргелі есептеу есептері үшін жоғары тиімді алгоритмдер мен мәліметтер құрылымын қолдану қабілеттерін қалыптастыру.Пән бойынша келесі аспектілер қарастырылады: Негізгі алгоритмдер: асимптотикалық жазу, рекурсия, бөлу және жеңу парадигмасы, негізгі мәліметтер құрылымы. Теңдестірілген екілік ағаштар, 2-3 ағаш, В-ағаштар, жинақтарға арналған құрылымдар, хэшинг, мәтінді сығымдау (Хаффман кодтау). Максималды ағын алгоритмдерін қолдану Кездейсоқ таңдау және сұрыптау. Автоматика, жолды сәйкестендіру (Бойер мен Мур алгоритмі, Кнут-Моррис-Пратт алгоритмі), үлгіні сәйкестендіру. Күрделілік сыныптары P және NP, NP-толықтығы, кейбір NP-толық есептер. Параллель дизайн стратегиялары. Таратылған есептеу алгоритмдері.

Академиялық ортадағы тиімді қарым-қатынас, ғылыми шолулар мен зерттеулердің нәтижелерін ұсыну. Ғылыми дискурстың ерекшеліктері. Ғылыми терминология, терминдерді ғылыми мәтінде қолдану. Медициналық зерттеулер саласында ғылыми ақпаратты іздеу дағдыларын қалыптастыру. Ғылыми мәтінді безендіру, дәйексөз ережелері, ескертулерді рәсімдеу нұсқалары. Түйіндеме, реферат, реферат, рецензия жазу ерекшеліктері.

Пәннің мақсаты-кәсіби қалыптасу процесінде басқару саласының маңызды аспектілерін қолдану қабілетін қалыптастыру. Курс аясында пән, басқару психологиясының негізгі принциптері, басқарушылық өзара әрекеттесудегі тұлға, жеке тұлғаның мінез-құлқын басқару, топтық құбылыстар мен процестерді басқару психологиясы, көшбасшы тұлғасының психологиялық ерекшеліктері, жеке Басқару стилі, басқарушылық қызметтегі әсер ету психологиясы, жанжал жағдайларын басқару ашылады.

Пәннің мақсаты - деректерді іздеуде үлгіні анықтау әдістері мен қосымшаларын қолдану, визуализацияны құру және интерпретациялау қабілеттерін қалыптастыру. Пән бойынша келесі аспектілер қарастырылады:. Визуализацияның даму тарихы. Визуализациядағы негізгі ұғымдар мен бағыттар. Деректер: деректердің абстракциялары және олардың түрлері. Визуализация алфавиты. Визуализациялық шешімдердің эскиздері мен дизайндары. Адамның визуализациялық қабылдауы. Суреттер туралы хабардар болу. Түсті қабылдау. Тапсырмалар: тапсырмалардың қысқаша мазмұны және оларды тұжырымдау әдістері. Адам мен компьютердің өзара әрекеті. Деректерді визуализациялау. Желілер және графиктер. Мәтін мен құжаттарды визуализациялау. Кеңістіктік деректерді визуализациялау. Көлемдер, ағындар, карталар. Әлеуметтік визуализация. Әлеуметтік деректерді талдау. Қоғам үшін визуализация. Визуализация және өнер. Визуализация өнер ретінде.

Пәннің мақсаты: ғылыми зерттеулерді ұйымдастыру мен жоспарлауда практикалық дағдыларды қолдану, ғылыми зерттеу бағыттары туралы білімдерін жүйелеу және қолдану дағдыларын қалыптастыру. Пән зерттейді: ғылыми мақалалар мен диссертацияларды жоспарлау, ұйымдастыру және ресімдеудің нысандары мен әдістері; презентацияларда, баяндамаларда, жобаларда, мақалаларда ғылыми зерттеу нәтижелерін қорытындылау нысандары.

Пәннің мақсаты - мәліметтерді интерпретациялау және талдау үшін Python бағдарламалау тілін қолдана отырып, статистикалық талдау тұжырымдамаларын және статистикалық модельдеудің жетілдірілген процедураларын қолдану қабілетін қалыптастыру. Пән бойынша келесі аспектілер қарастырылады: Статистикалық модельдеу әдістері. Корреляциялық талдау. Регрессиялық талдау. Канондық талдау. Салыстыру әдістері. Жиілікті талдау. Кросстабуляция (түйіндестіру). Иерархиялық және көп деңгейлі модельдер және Байес әдістері. Кластерлік талдау. Дискриминантты талдау. Факторлық талдау. Ағаштардың жіктелуі. Python-ды құрал ретінде, оның ішінде Numpy, Pandas, Statsmodels, Matplotlib және Seaborn кітапханаларын пайдалану жолдары. Python-да визуализация және деректерді басқару. Негізгі компонентті талдау және жіктеу. Көпөлшемді масштабтау.

Пән бойынша келесі аспектілер қарастырылады: Терең нейрондық желілердің архитектурасы. Гиперпараметрлерді және терең оқыту шеңберін теңшеу. Орама нейрондық желілер, олардың қосымшалары. Объектілердің жіктелуі және ұқсас әдістер. Орама нейрондық желілер, олардың қосымшалары. Рекуррентті нейрондық желілер, олардың қосымшалары. Терең оқытудың параллельді алгоритмдері. Ұюды нейрондық желілерді оқытуды жеделдету.

Пәннің мақсаты: машинаны оқыту мәселелерін шешу үшін мәліметтерді манипуляциялау құралдарын қолдану қабілеттерін қалыптастыру, мәліметтерді іздеудің алгоритмдерін құру. Пән бойынша келесі аспектілер қарастырылады: Логикалық әдістер: шешім ағаштары және шешім ормандары. Метрикалық жіктеу әдістері. Сызықтық әдістер, стохастикалық градиент.

Пәннің мақсаты – өндірістік мәліметтердің ерекшеліктерін бағалау қабілетін қалыптастыру, өндірістік деректерді талдау және визуализациялау үшін машиналық оқыту әдістерін әзірлеу. Пәннің мазмұны: Өндірістік мәліметтер. Өнеркәсіптік деректер платформалары. Өндірістік мәліметтерді пайдалану. Интеграциялық API. Өнеркәсіптік мәліметтерді машиналық оқыту әдістері. Мұғаліммен жаттығу. Мұғалімсіз оқу. Бекіту жаттығулары. Жағдайды бақылау және цифрлық егіздер.

Пәннің мақсаты - үлкен деректерді өңдеуге арналған жүйелерді, қолданбаларды және қызметтерді интеграциялаудың инфрақұрылымы мен құралдарын құру қабілетін дамыту. Пәннің мазмұны: Таратылған есептеулер технологиялары. Таратылған файлдық жүйелер. Үлкен деректер инфрақұрылымының дизайны. Жүйелер, қолданбалар және қызметтер үшін интеграциялық құралдарды әзірлеу және қолдау. Үлкен деректерді пакеттік өңдеу. Үлкен деректерді ағынды өңдеу. Үлкен деректерді интерактивті өңдеу. Үлкен деректерді орналастыруды оңтайландыру.

Пәннің мақсаты - болжамды аналитика бұлтты қосымшаларын жасау үшін машиналық оқыту инженериясын және бұлтты есептеулер инфрақұрылымын қолдану қабілетін дамыту. Пәннің мазмұны: Бұлтты есептеулердің негіздері. Бұлтты есептеулердің негізгі инфрақұрылымы. Бұлтты виртуалдандыру. Контейнерлер және API интерфейстері Бұлтты деректер инженериясы. AutoML пайдалану. MLOps стратегиялары мен бұлттық шешімдерді әзірлеуге арналған ең жақсы тәжірибелер. Edge Machine Learning стратегиялары. AI API пайдалану.

Пәннің мақсаты қолданбалы есептерді шешу үшін әртүрлі деректерді кластерлеу алгоритмдерін қолдану, қалыптасқан кластерлерді визуализациялау және нәтижелерді талдау дағдыларын қалыптастыру. Пәннің мазмұны: Кластер құруға кіріспе. K-әдіс пен модификацияларды білдіреді. Иерархиялық кластерлеу. Иерархиялық ағаш түріндегі кластерлерді ұйымдастыру. Гаусс қоспасы моделінің алгоритмі. Кластерлеуде қолданылатын қашықтық өлшемдері. Кластерлердің сәйкес санын анықтау. Кластерлеу тиімділігін бағалау.

Пәннің мақсаты: интеграциялық платформалардың архитектураларымен, қосымшалармен және үлкен деректерді сақтау және өңдеу жоғары жүктелген жүйелерінің сервистерімен жұмыс істеу қабілетін қалыптастырудан тұрады.Пән бойынша келесі аспектілер қарастырылады: Үлкен деректерді мамандандырылған технологияларға енгізу. Өте үлкен деректерді өңдеу платформасы CLAVIRE 2.0. ASPEN-ағынды ақпаратты өңдеу жүйелерін жан-жақты бағалау платформасы. Біріктірілген жоспарлау механизмі бар кеңейтілген spark Streaming платформасы. Үлкен деректерді орналастыруды оңтайландыру. Семантикалық қойма Exarch. Деректерді сақтау есептеріндегі блоктау технологиялары.

Пәннің мақсаты нейрондық желілерді визуалды жобалауды жүргізу, нейрондық архитектураның қабаттарын тасымалдау үшін графикалық интерфейсті пайдалану, терең оқытудың танымал ортасының көмегімен модельдерді баптау және өрістету қабілетін қалыптастырудан тұрады. Пән бойынша келесі аспектілер қарастырылады: Терең оқуға кіріспе. Терең оқытудың практикалық аспектілері. Тікелей таратудың терең желілері. Рекуррентті және рекурсивті желілер. Терең нейрондық желілердің озық алгоритмдері. Гиперпараметрлерді баптау. Реттеу және оңтайландыру. Фреймворктарды пакеттік нормалау және бағдарламалау. Орамалы нейрондық желілер. Гиперпараметрлерді оңтайландыру. Нейрондық желілерді визуалды жобалау. Қорғалған бұлтты инфрақұрылым.