7M06124 Жасанды интеллект технологиялары в Л.Н.Гумилев атындағы Еуразия ұлттық университеті

Пәндер

• Табиғи тілді өңдеудегі нейрондық желі әдістері

  Пән табиғи тілді (NLP) өңдеу үшін қолданылатын нейрондық желілерге негізделген заманауи әдістер мен модельдерді қамтиды. Нейрондық желілердің архитектуралары, оларды оқыту алгоритмдері, сондай-ақ NLP тапсырмаларында нейрондық желі әдістерін практикалық қолдану, мысалы, мәтіндерді жіктеу, машиналық аударма, мәтінді құру және басқалары, мәтіндік деректермен жұмыс істеудің оңтайлы алгоритмдерін әзірлеу, табиғи тілді өңдеуге арналған заманауи қосымшаларды әзірлеу технологиясы қарастырылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Деректер ғылымының құралдары мен әдістері

  Пән деректер саласында қолданылатын құралдар мен әдістердің кең ауқымын қамтиды, соның ішінде оларды жинау, сақтау, өңдеу, талдау және визуализация. Табиғи тілді өңдеу (NLP), кескіндер, деректерді талдау және визуализация үшін қолданылатын әртүрлі бағдарламалау құралдары, мәліметтер базасы, аналитикалық құралдар мен әдістер қарастырылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Машиналық оқытуға арналған мәтіндерді өңдеу

  Пән Машиналық оқыту алгоритмдерінде қолдануға және табиғи тілді өңдеуге (NLP) деректерді дайындау үшін қажетті мәтіндік деректерді өңдеу әдістері мен технологияларын қамтиды. Мәтіндерді тазарту, қалыпқа келтіру, токенизациялау және түрлендіру кезеңдері мен әдістері, мәтіндік деректерден белгілерді алу әдістері, мәтінді талдаудың лингвистикалық және статистикалық әдістері, көп қабатты перцептрондармен мәтін таңбаларын нейрондық тану, жіктеу, кластерлеу және басқа NLP есептерін шешу үшін алдын ала өңделген мәтіндік деректерді қалай пайдалану керектігі зерттеледі.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• Машиналық оқыту үшін кескінді aлдын ала өңдеу

  Пән Машиналық оқыту және компьютерлік көру алгоритмдерінде қолдануға деректерді дайындау үшін қажет кескіндерді өңдеу әдістері мен әдістеріне бағытталған. Кескінді өңдеудің негізгі кезеңдері мен әдістері, соның ішінде кескін сапасын жақсарту, оларды қалыпқа келтіру, белгілерді алу және деректерді ұлғайту, жіктеу, анықтау және сегменттеу тапсырмалары үшін кескінді белгілеу әдістері, Машиналық оқыту модельдерінің тиімділігін арттыру үшін суреттерден ақпараттық белгілерді алу қарастырылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• Интеллектуалды жүйелердің білім базалары

  Пән қазіргі уақытта білімге негізделген жүйелерді жобалаудың ең маңызды модельдері мен технологиялық аспектілерін зерттеуге арналған. Білімді ұсынудың теориялық негіздері, білімді ұсынудың тілдері мен модельдері, білімді алу және жаңарту әдістері, сондай-ақ әртүрлі салаларда білім базаларын жобалау мен қолданудың практикалық аспектілері қарастырылады

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 6
  

• Басқару психологиясы

  Пән магистранттың ұлттық біліктілік шеңберіндегі басқарушы мамандардың біліктілік анықтамалығына сәйкес кәсіби қызметімен айқындалған басқарушылық міндеттерді шешу контекстінде магистранттардың әлеуметтік және басқарушылық көзқарасын қалыптастыруға бағытталған. Курстың мақсаты- магистранттардың іс- әрекетінде одан әрі қолдану үшін басқару психологиясының әлеуметтік-психологиялық процестері, құбылыстары, қасиеттері және негізгі категориялары туралы білімді жүйелеу және тереңдету. Ол басқарушы тұлғасы, әлеуметтік құбылыс ретіндегі басқару және көшбасшылық ерекшеліктері, басқару қызметінің негізгі функциялары, басқару және көшбасшылық стильдері, басқару объектісі ретіндегі бағынушы тұлғасы, тұлғаның әлеуметтенуі, әлеуметтік құбылыс, бағыныштының ұйым жағдайына бейімделу процесінің ерекшеліктері, тұлғаның мінез-құлқы мен белсенділігін реттеу жүйесі, қарым-қатынас әлеуметтік құбылыс ретінде, басқарушылық қарым-қатынас ерекшеліктері және т.б. тақырыптарды қамтиды.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 2
  

• Шет тілі (кәсіби)

  Бұл пәннің мақсаты еңбек нарығында бәсекеге қабілетті болашақ магистрдің табысты кәсіби және ғылыми қызметі үшін қарым-қатынас құралы ретінде шет тілін (жоғары-базалық стандарттылық деңгейінде (С1) пайдалануға мүмкіндік беретін шет тілін оқытудың халықаралық стандарттарына сәйкес құзыреттерді игеру және жетілдіру болып табылады. Оқыту курсы білім беру бағдарламасына сәйкес кәсіби және академиялық контексте ағылшын тілін үйретуді қамтиды. Кәсіби және ғылыми саламен байланысты арнайы терминдерді үйретуге және оны белсенді қолдануға, сыни оқуға, мәтіндерді талдауға, тыңдау арқылы алынған ақпаратты қабылдауға, ғылыми жұмыстарды жазуға қажетті академиялық жазу дағдыларын дамытуға, сондай-ақ академиялық ортада қарым-қатынас жасау үшін ауызша сөйлеу дағдыларын дамытуға баса назар аударылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 2
  

• Үлкен деректер массивтерін өңдеу және талдау

  Пән үлкен деректер массивтерін (Big Data) өңдеу және талдау үшін қолданылатын әдістер мен технологияларды қамтиды. Деректердің үлкен көлемін тиімді сақтау, өңдеу және талдау және оларды әртүрлі салаларда қолдану үшін қажетті архитектуралар, құралдар мен алгоритмдер зерттелуде. Білім алу үшін бұрын белгісіз деректерді алудың жұмыс әдістері мен әдістері, деректерді талдауға арналған бағдарламалық жасақтаманы әзірлеу, Деректерді талдаудың негізгі алгоритмдері, деректерді визуализациялау құралдары мен технологиялары, үлкен массивтермен жұмыс істеу кезінде деректердің сапасы мен қауіпсіздігін қамтамасыз ету принциптері қарастырылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• Кескінді қалпына келтіру және қайта құру

  Пән кескіндердің сапасын жақсарту, артефактілерді жою және жоғалған деректерді қалпына келтіру үшін қолданылатын кескіндерді қалпына келтіру және қалпына келтіру әдістеріне бағытталған. Суреттерді қалпына келтіру және қайта құру әдістерінің теориялық негіздері, алгоритмдері мен практикалық қосымшалары, стереоскопиялық көру негіздері, стерео кескіндерді талдаудың фотометриялық әдісі, кескіндерді қалпына келтіруде терең оқытуды қолдану, қалпына келтірілген кескіндердің сапасын бағалау қарастырылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Жасанды интеллекттің математикалық және алгоритмдік негіздері

  Пән магистранттарда АИ теориясын зерттеуге жеткілікті қатынастар теориясы мен мәліметтерге тәуелділік туралы жалпы түсініктерді қалыптастыруға бағытталған. AI алгоритмдерін әзірлеуге қажетті негізгі математикалық тұжырымдамалар мен әдістер, нейрондық желіні құрудың математикалық аппараты, іздеу алгоритмдері және оңтайландыру әдістері, соның ішінде импульсті градиентті түсіру, Adam алгоритмі, RMSProp және т. б., эволюциялық және генетикалық Алгоритмдер, деректерді өңдеу алгоритмдері, ықтималдық графикалық модельдер, әр түрлі үшін AI модельдерін құру және бағалау тапсырмалар.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 6
  

• Менеджмент

  Бұл пәнді оқу- басқару теориясының эволюциясы, ұйымдағы басқару іс-әрекеті туралы жалпы түсініктерді қалыптастыруға, басқару мәселелерін шешу үшін қазіргі заманғы басқару әдістерін қолдану дағдылары мен дағдыларын дамытуға мүмкіндік береді. Мақсаттарды қою мен жоспарлау функцияларын, басқару механизмдерін, басқару құралдары мен әдістерін түсінуге негіз қалады. Осы оқу пәнін оқу нәтижесінде магистранттар басқару этикасы және әлеуметтік жауапкершілік, басқарудағы көшбасшылық, басқарудағы билік пен серіктестіктің негізгі қағидалары туралы түсінік қалыптастырады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 2
  

• Ақпараттық қауіпсіздік үшін жасанды интеллект

  Пән ақпараттық қауіпсіздік саласында қолданылатын жасанды интеллект әдістері мен технологияларын зерттеуге бағытталған. Жасанды интеллект жүйелерінің архитектурасын құру принциптері және жасанды интеллект жүйелерінің архитектурасының түрлері, қауіпсіздік деректерін талдау, кибершабуылдарды болжау және алдын алу үшін машиналық оқыту әдістері, жасанды интеллектті қауіпсіздікте қолданудың этикалық және құқықтық аспектілері қарастырылады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Ұсыныс жүйелері мен қызметтері

  Пән магистранттарда ұсынымдық жүйелерді жобалау мен әзірлеудің практикалық дағдыларын қалыптастыруға бағытталған. Машиналық оқыту модельдері, ұсынымдық жүйелерде қолданылатын алгоритмдер мен тәсілдер, әртүрлі қолдану салаларында ұсынымдық жүйелердің сапасын бағалау қарастырылады: электрондық коммерция, әлеуметтік желілер, медиа, білім беру және т. б.,: электрондық коммерция, әлеуметтік желілер, медиа, білім беру және т. б., ұсынымдық жүйелерді дамытудың проблемалары мен қиындықтары: Суық бастау,жекелендіру, деректердегі Шу және т. б., ұсыныс жүйелерін қолданудың этикалық және әлеуметтік аспектілері: құпиялылық мәселелері, көпіршікті сүзгі және т. б.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Жасанды интеллекттің этикалық мәселелері

  Пән жасанды интеллект негізінде технологияларды пайдаланудың жалпы этикалық және құқықтық принциптерін зерделеуге бағытталған және магистранттарды жасанды интеллектті практикалық қолдану саласындағы қазіргі жағдаймен және жасанды интеллектті дамытуды құқықтық реттеу жүйесін әзірлеу қажеттілігімен таныстырады, жасанды интеллект технологияларын дамытудың негізгі кезеңдерін бөліп көрсетеді және олардың салдары болып табылатын негізгі этикалық проблемаларды айқындайды.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Деректерді талдаудың статистикалық және математикалық әдістері

  Бұл пән деректерді талдау үшін қолданылатын негізгі статистикалық және математикалық әдістерді зерттеуге бағытталған. Магистранттар Қолданбалы статистика тілінде тиісті пәндік саланың бастапқы міндеттерін тұжырымдаудан, алынған шешімдерді шешу әдістері мен сапа критерийлерін таңдаудан және алынған қорытындыларды пәндік сала тілінде тұжырымдауға дейінгі Машиналық оқыту модельдері арқылы деректерді статистикалық талдау мәселелерін шешу дағдыларына ие болады

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Жасанды интеллект жобаларын басқару

  Пән жасанды интеллект саласындағы Жобаларды басқару әдістерін, стратегиялары мен құралдарын зерттеуге арналған. Персоналды басқарудың негізгі принциптері мен әдістері, Ұжымдық даму ортасының инфрақұрылымын басқару процестерін сипаттайтын нормативтік-техникалық құжаттар (стандарттар мен регламенттер), жасанды интеллект жүйелерін әзірлеуге және енгізуге байланысты жобаларды ұйымдастыру мен іске асырудың заманауи тәсілдері қарастырылады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Машиналық оқытудағы нейрондық желілер

  Пән көп қабатты перцептрондар, конволюциялық нейрондық желілер, қайталанатын нейрондық желілер және терең нейрондық желілер сияқты әртүрлі нейрондық желі архитектураларын зерттеуге арналған. Сондай-ақ, бұл пән нейрондық желілерді оқытуды, соның ішінде қатені кері тарату әдістерін, жоғалту функциясын оңтайландыруды, реттеуді және басқа әдістерді зерттейді.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Жасанды интеллект негізіндегі жүйелерді стандарттау

  Пән "жасанды интеллект" бағыты бойынша нормативтік құжаттар кешенін: терминологиялық стандарттар мен үлгілік архитектуралардан айырбастау форматының стандарттарына, хаттамаларға, API-ге, сынақтар мен use cases (үлгілік мысалдар) жүргізу әдістемелеріне дейін зерделеуге және стандарттарды практикалық қолдану дағдыларын алуға бағытталған. Стандарттау мен техникалық реттеудің әдіснамалық негіздері, үлкен деректер саласындағы стандарттау принциптері мен әдістері, әртүрлі салалардағы жасанды интеллект қызметтерін сертификаттау қарастырылады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Білім беру саласындағы үлкен деректер

  Пән білім беру саласындағы деректердің үлкен көлемін өңдеу және талдау әдістері мен технологияларын зерттеуге арналған. Деректерді жинау, сақтау, өңдеу және талдау принциптері, сондай-ақ оларды оқу процесін оңтайландыру, студенттердің үлгерімін болжау, оқытуды жекелендіру және басқа да міндеттер, Білім берудегі деректерді өңдеудің этикалық және құқықтық аспектілері үшін қолдану қарастырылады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Машиналық оқытудағы статистикалық әдістер

  Бұл пән деректерді талдау мен өңдеудің қолданыстағы процедураларын жақсарту үшін машиналық оқытудың заманауи әдістерінде қолданылатын статистикалық модельдер мен әдістерді зерттеуге бағытталған. Машиналық оқытудың статистикалық теориясының негіздері, анықтамалық векторлармен жіктеу және регрессия есептері, жалпылау теориясы және бөлетін гиперпландарды құру алгоритмдері, стохастикалық емес ойын және салыстырмалы қойылымдардағы адаптивті болжау есептері қарастырылады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Деректер ғылымы мен машиналық оқытуды оңтайландыру әдістері

  Пән деректерді талдау және машиналық оқыту саласында қолданылатын әртүрлі оңтайландыру әдістерін зерттеуге бағытталған. Мұғаліммен және мұғалімсіз оқыту мәселелерін шешу үшін, сондай-ақ Машиналық оқыту модельдерінің параметрлерін реттеу үшін қолданылатын классикалық және заманауи оңтайландыру әдістері қарастырылады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Генеративті терең оқыту

  Пән терең оқытуға негізделген жаңа деректерді құру үшін қолданылатын әдістер мен модельдерді қамтиды. Генеративті модельдердің архитектуралары, оларды оқыту және кескіндерді, мәтінді, дыбысты және басқа да деректер түрлерін генерациялау, генеративті модельдердің сапасын бағалау, генеративті модельдерді әр түрлі тапсырмаларда жобалау және енгізу сияқты әр түрлі салаларда қолдану қарастырылады

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Денсаулық сақтаудағы жасанды интеллект

  Пән Денсаулық сақтау саласындағы қорғалған зияткерлік жүйелерді құру әдістері мен технологияларын зерттеуге бағытталған. Денсаулық сақтау саласындағы деректерді өңдеу міндеттерінде көп қолданушы ақпараттық-аналитикалық жүйелерді құру кезінде міндеттерді қоюдың негізгі тәсілдері, медициналық зерттеулерде Машиналық оқыту әдістері, медицинада АИ қолданудың этикалық және құқықтық аспектілері қарастырылады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

Профессии

Оқыту нәтижелері

• Ұйымдағы жағдайды талдау және бағалау, проблемаларды анықтау және оларды шешу үшін стратегиялар мен амалдар жоспарларын әзірлеу қабілетін көрсету.
• Интеллектуалды жүйелердің білім базасын жобалау әдістері мен құралдарын, жасанды интеллект алгоритмдерін әзірлеу және талдау үшін математикалық әдістерді қолдану, математикалық және статистикалық әдістерді қолдана отырып деректерді талдау және түсіндіру
• Табиғи тілдерді, кескіндерді өңдеу үшін нейрондық желілер негізінде күрделі есептерді шешу алгоритмдерін әзірлеу
• Зерттеулер мен эксперименттер жүргізу, зерттеу нәтижелерін сыни тұрғыдан бағалау және негізделген тұжырымдарды тұжырымдау, зерттеу нәтижелерін теориялық тұжырымдамалармен және нақты қосымшалармен біріктіру
• Әртүрлі қолданбалы салалар үшін жасанды интеллект жүйелерін жобалау әдістемелері мен құралдарын, программалық өнімді әзірлеу процесін басқарудың нормативтік-техникалық құжаттарын (стандарттар мен регламенттерді) қолдану
• Әр түрлі салалардағы күрделі қолданбалы есептерді шешу үшін генеративті модельдерді қолдану