8D06102 Machine Learning & Data Science в Satbayev University

Пәндер

• Ғылыми зерттеу әдістері

  Мақсаты: ғылымометрияның заманауи әдістерін қолдана отырып, ғылыми зерттеулерді ұйымдастырудың және басқарудың заңдары, принциптері, тұжырымдамалары, терминологиясы, мазмұны, ерекшеліктері туралы білімді игеруден тұрады. Мазмұны: техникалық ғылымдардың құрылымы, ғылыми зерттеулерді ұйымдастыру принциптерін, қазіргі ғылымның әдіснамалық ерекшеліктерін, ғылым мен ғылыми зерттеулердің даму жолдарын, техникалық ғылымдардың, информатиканың және инженерлік зерттеулердің теория мен практикадағы рөлін жалпы ғылыми, философиялық және арнайы ғылыми зерттеу әдістерін қолдану.

  Оқу жылы - 1
  Несиелер - 5
  

• Big Data Storage Systems And Computations

  Курс үлкен деректер мен таратылған есептеулердің теориялық негіздерін, үлкен деректерді сақтау және өңдеу жүйелерін құру технологияларын зерттейді. Желілік өзара әрекеттесу протоколдарын зерттеу және асинхронды және синхронды операцияларды анықтау, жадты бөлшектеу және виртуалды орындау машиналары мәселелері, көп ағынды бағдарламалау, көппроцессорлық бағдарламалау, когеренттілік, тұрақтылық мәселелері және оларды шешу әдістері, желілік өзара әрекеттесу мәселелері сияқты тақырыптарды қамтиды.

  Оқу жылы - 1
  Несиелер - 5
  

• Тұрақты даму туралы ғылым

  Мақсаты: Докторанттарда табиғи және әлеуметтік жүйелердің өзара әрекеттесуін терең түсінуді дамыту, сонымен қатар адамзаттың ұзақ мерзімді әл-ауқатына және қоршаған ортаны сақтауға ықпал ететін тұрақты даму стратегияларын анықтау және әзірлеу дағдыларын қалыптастыру. Мазмұны: Экожүйелер мен қоғамдар арасындағы күрделі қарым-қатынастар. Жергілікті, ұлттық және халықаралық деңгейдегі тұрақтылық мәселелерін талдау.

  Оқу жылы - 1
  Несиелер - 5
  

• Машиналық оқыту II

  Мақсаты: терең оқытуға және оны әртүрлі салаларда қолдануға баса назар аудара отырып, ансамбльдік әдістерді, кластерлеуді және нейрондық желілерді қоса алғанда, машиналық оқытудың озық әдістері мен тұжырымдамаларына сүңгу. Мазмұны: Курс бірнеше негізгі модельдерді біріктіру арқылы болжау сапасын жақсартуға мүмкіндік беретін кездейсоқ ормандар, градиентті күшейту және модельдерді ансамбльдеу сияқты ансамбльдік әдістерді зерттеуді ұсынады.

  Оқу жылы - 1
  Несиелер - 5
  

• Машиналық оқыту I

  Мақсаты: машиналық оқытудың негізгі тұжырымдамалары мен әдістеріне кіріспе және жасанды интеллекттің негізгі аспектілерін зерттеу. Мазмұны: білім алушылар регрессиялық талдау әдістерін, градиентті түсіру және кері тарату алгоритмдерін, сондай-ақ машиналық оқытудың классикалық әдістерін қоса алғанда, Машиналық оқыту алгоритмдерінің негізгі принциптерін терең зерттейді: k әдісі-жақын көршілер, шешім ағаштары, аңғал Байес классификаторы және тірек векторлар әдісі.

  Оқу жылы - 1
  Несиелер - 5
  

• Applied Machine Learning Research Projects

  Мақсаты: нақты ғылыми жобаларға қатысу арқылы машиналық оқытуды практикалық қолдану және осы салада зерттеу. Мазмұны: курс аясында студенттер нақты есептерді шешу үшін машиналық оқыту алгоритмдері мен модельдерін әзірлеуге және жүзеге асыруға бағытталған нақты ғылыми жобаларға қатысады. Жобалар компьютерлік көру, табиғи тілді өңдеу, медициналық диагностика, қаржылық талдау және т.б. сияқты машиналық оқытудың әртүрлі салаларын қамтиды.

  Оқу жылы - 1
  Несиелер - 5
  

• Болжалды аналитика және деректерді өндіру

  Курс адамдардың болашақ мінез-құлқының сценарийлерін әзірлеу және оңтайлы шешімдер қабылдау үшін үлкен деректер массивтеріне негізделген технологияларды зерттейді. Статистикадан, деректерді өндіруден көптеген әдістерді қамтитын болжамды аналитика қарастырылады. Болашақ оқиғаларды болжау үшін ағымдағы деректер де, өткен кезеңдердегі деректер де талданады. Сондай-ақ, әлеуетті клиенттердің мінез-құлқын болжау, ең танымал өнімдер мен қызметтерді анықтау модельдері зерттеледі.

  Оқу жылы - 1
  Несиелер - 5
  

• Академиялық хат

  Мақсаты: Докторанттар мен жас зерттеушілерде ғылыми коммуникация мен жариялау қызметінің негізгі құралы ретінде академиялық жазу саласында жүйелі құзыреттіліктерді қалыптастыру. Мазмұны: Ғылыми дискурс және академиялық коммуникация; Ғылыми мәтіндердің типологиясы: диссертациядан басылымға дейін; Түпнұсқа ғылыми мазмұнды құру; Ғылыми мәтін: құрылыстың құрылымы мен логикасы; Дереккөздерді салыстырмалы талдау және әдеби шолуды дайындау; Метадеректермен және ғылымметриялық құралдармен жұмыс; Халықаралық рецензияланатын журналдарға мақалалар дайындау; Рецензиялармен және ғылыми қоғамдастықпен жұмыс; Академиялық зерттеулердің ұтқырлығы және гранттық қолдауы; Аннотациялар, патенттер, есептер: мақаладан тыс ғылым; Жариялау стратегиясы мен ғылыми мансапты жоспарлау; Ғылыми коммуникацияның ағылшын тілі.

  Оқу жылы - 1
  Несиелер - 5
  

• Natural Language Processing

  Курста NLP теориялық аспектілері, соның ішінде лингвистика саласындағы негізгі мәліметтер және мәтіндерді өңдеудің практикалық әдістері қарастырылады. Мәтіндік ақпаратты өңдеудің классикалық алгоритмдері қарастырылады, мысалы, тұрақты өрнектер, қашықтықты өлшеу, алмастырулар, жолдар мен ішкі жолдарды іздеу. Лингвистикалық ағаштар. Мәтін корпусы. Таксономия. Word2vec, text Embeding, lstm нейрондық желі модельдері қарастырылады. Мәтіндік ақпаратты талдаудың қолданыстағы кітапханалары зерттелуде.

  Оқу жылы - 1
  Несиелер - 5
  

Профессии

Оқыту нәтижелері

• Әртүрлі көздерден қажетті ақпаратты, соның ішінде нақты уақыттағы ақпарат ағындарын алу, үлкен деректер технологияларының мүмкіндіктерін ескере отырып, кәсіпорынның ақпараттық инфрақұрылымы үшін ғылыми-техникалық және инновациялық шешімдерді әзірлеу.
• Мәтіндік ақпаратты өңдеу әдістерін қолдану, сөздер мен мәтіндердің векторлық бейнелерін құру принциптерін қолдану, диалогтық жүйелердің архитектурасын жобалау, мәтіндік жіктеуіштер мен тақырыптарды анықтау алгоритмдерін әзірлеу.
• Үлкен деректерді өңдеу тапсырмаларына қатысты машиналық оқыту әдістерін қолдану, ғылыми зерттеулер жүргізу, ақпаратты жинау, сақтау және өңдеу бойынша жұмыстарды ұйымдастыру.
• Ғылыми, ғылыми-техникалық және ғылыми-көпшілік мәтіндерге стилистикалық талдау жасау, мәтінмен жұмыс істеу әдістемесін қолдану, оның ішінде анықтамалық, арнайы әдебиеттер мен компьютерлік желілерден ақпаратты іздеу, шешендік сөйлеу дағдыларын қолдану, өз ойын ауызша және жазбаша түрде дұрыс және логикалық тұжырымдау.
• Машиналық оқыту және терең оқыту алгоритмдері негізінде аналитикалық жүйелер мен кеңес беру қызметтерін жасау.
• Ғылыми таным әдіснамасын, ғылыми зерттеулер жүргізудің принциптері мен құрылымын қолдану, ашық, инклюзивті және этикалық жауапты ғылыми тәсіл қағидаттарын сақтай отырып, технологиялардың қоғамға және қоршаған ортаға әсерін ескере отырып, жасанды интеллект және деректер ғылымы саласындағы эксперименттік және теориялық зерттеу әдістерін пайдалану.
• Жаңа бейтаныс орталарда зерттеу мәселелерін шешу үшін әртүрлі пәндерден алынған білімдерді біріктіру және жасанды интеллект және деректер ғылымы саласындағы ғылыми зерттеулер контекстінде жаңа идеяларды қалыптастыру.
• Жасанды интеллект жүйелерін жасауда қолданылатын модельдердің әртүрлі түрлерін қолдану, модельдер және жасанды интеллект жүйесінің арасындағы байланысты дамуын сипаттау.

Ұқсас БББ