7M06105 Деректер туралы ғылым (бейінді бағыт) в Қазақстан-Британ техникалық университеті

Пәндер

• Ілгері деңгейдегі статистика

  Бұл курс аралық статистикалық деңгейде оқытылады және көпөлшемді статистика теориясы мен оның көпөлшемді талдаудағы қолдануын қамтиды. Ықтималдық теориясы мен логикалық тұжырымдамалардың негізгі ұғымдары қарастырылады. Деректерді талдау үшін SAS статистикалық бағдарламалық жасақтамасын практикалық қолдануға ерекше көңіл бөлінеді.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Машиналық оқыту

  Бұл курс нақты қосымшалар мен деректер жиынтықтарында қолданылатын машиналық оқыту модельдері мен алгоритмдерін зерттеуге бағытталған. Машиналық оқытудың теориялық негіздері, кескіндер мен сөйлеуді тану әдістері, ұсыныс жүйелері және жасанды интеллектті қолдану қарастырылады. Деректерді талдау, модельдерді таңдау және оларды әртүрлі міндеттерде практикалық пайдалану дағдылары қалыптастырылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Шет тілі (кәсіби)

  Шет тілі (кәсіби) курсы магистранттардың бизнесте, академияда және басқа да ресми қарым-қатынас жағдайында табысқа жету үшін қажетті салаларға назар аудара отырып, кәсіби ағылшын тілін меңгеру деңгейін арттыруға бағытталған. Ол тиімді презентациялар жасау, академиялық жазу, кәсіпкерлік және климаттың өзгеруі, сондай-ақ нарықты зерттеу, бизнес-жоспарлау және қаржылық коммуникациялардағы маңызды дағдыларды дамыту сияқты тақырыптарды қамтиды.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 2
  

• Оңтайландыру және алгоритмдер

  Бұл курс сызықтық, желілік, дискретті, сызықтық емес және динамикалық оңтайландырудың, сондай-ақ оңтайлы басқарудың негізгі алгоритмдері мен әдістерін зерттеуге бағытталған. Симплекс-әдіс, желілік ағын әдістері, тармақталу және шекаралар әдісі, оңтайлылық шарттары, ішкі нүкте әдістері, динамикалық бағдарламалау және эвристикалық тәсілдер қарастырылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Басқару психологиясы

  «Басқару психологиясы» курсы болашақ практиктерге тиімді психологиялық басқару үшін қажетті дағдыларды береді. Ол психологиялық теориялар, тұлғааралық динамика, ұйымдық мінез-құлық және даму психологиясы сияқты негізгі бағыттарды қамтиды, әсіресе заманауи тәжірибелер мен инклюзивті тәсілдерге назар аударады. Магистратура студенттері қақтығыстарды шешу, командалық динамика және тиімді қарым-қатынас сияқты салаларда практикалық дағдыларға ие болады. Курс сонымен қатар технологияны психологияға біріктіреді, магистранттарды дамып келе жатқан кәсіби ортада шарлауға дайындайды. Тәжірибелік жобалар мен практикалық қолдану арқылы магистранттар психологиялық менеджментте және онымен байланысты салаларда табысты мансапқа қажетті құралдарды алады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 2
  

• Бизнесті талдау үшін мәліметтер базасын басқару

  Бұл курс бұлтты ортадағы деректерді өңдеу платформасы тұжырымдамаларының негіздерін үйренуге тырысатын студенттерге арналған. Бұл ең аз техникалық білімі бар, бұлтқа негізделген деректер қызметтерімен жұмыс істеудің негізгі дағдыларын алғысы келетіндерге және Core Data және онымен байланысты Microsoft Azure деректер қызметтері туралы негізгі білімдерін кеңейтуге арналған.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Зерттеу әдістері

  Зерттеу әдістері курсы магистранттарды техникалық ғылымдар саласындағы зерттеулермен таныстыруға және магистранттардың зерттеу және аналитикалық дағдыларын дамытуға арналған. Білім алушылар зерттеу теориясы мен логикасымен, зерттеу процесінің негізінде жатқан этикамен, сондай-ақ техникалық ғылымдарда жиі қолданылатын бірқатар зерттеу әдістерімен танысады. Зерттеу дизайнына, деректерді жинауға, деректерді қарапайым талдауға және есептерді жазуға назар аударылады. Курс нақты әдістемелік тәсілдерді талқылауды қамтиды.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 4
  

• Табиғи тілдерді өңдеу және үлгіні тану әдістері

  Бұл курс табиғи тілді өңдеудің негізгі ұғымдарымен таныстырады. Бұл курста студенттер табиғи және бағдарламалау тілін, құлыптау тілін, тұрақты өрнектерді, қарапайым чатботты, сәйкестік рейтингін, LDA классификаторын, SVD матрицасының бағытын және т.б. үйренеді. Бұл курс сонымен қатар студенттерді аталған нысандарды шығару және сұрақтарға жауап беру, диалогтық механизмдер, оңтайландыру, параллельдеу және пакеттік өңдеу сияқты NLP тақырыптарымен таныстырады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Менеджмент

  Бұл курс магистранттарға ұйымдарды стратегиялық басқару саласындағы білім мен дағдыларды қалыптастыруға бағытталған. Компанияның миссиясы мен мақсаттарының рөлі, сыртқы және ішкі ортаны талдау әдістері, бәсекелестік стратегиялар, корпоративтік стратегияны әзірлеу және іске асыру, сондай-ақ стратегиялық өзгерістерді басқару зерттеледі.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 2
  

• Деректерді жинау және талдау (Hadoop)

  Бұл курс Hadoop, HBase, Hive, Sqoop және PIG көмегімен үлкен деректер инфрақұрылымын жан-жақты зерттеуге, сонымен қатар жіктеу, кластерлеу, мәтінді талдау, уақыт қатарларын талдау және графикалық талдау негізінде деректерді жинау мен талдауды зерттеуге арналған. Осы курстың соңында магистранттар бағалау әдістерін жоспарлап, басқару архитектурасын құрып, үлкен деректерді талдай алады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Жасанды сана

  Бұл курс магистранттарды жасанды интеллект негіздерімен және машиналық оқыту әдістерімен таныстырады. Машиналық оқыту модельдерін құру үшін қажетті негізгі тұжырымдамалар, терминология, синтаксис және негізгі операциялар қарастырылады. Практикалық жаттығулар мен құралдар магистранттарға жасанды интеллектті іс жүзінде қолдануды меңгеруге көмектеседі.

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

• Деректерді визуалдау

  Бұл курс деректерді әртүрлі пайдаланушыларға ақпарат беру және талдау шешімдерін қабылдау процесін қолдау үшін визуализацияның теориялық және практикалық негіздерін зерттеуге бағытталған. Бизнес-аналитикада, үлкен деректерді талдауда, деректер ғылымында, ғылыми коммуникацияда және журналистикада визуализация әдістері қарастырылады. Кәсіби және зерттеу қызметі үшін деректердің көрнекі көріністерін жасау дағдылары қалыптастырылады.

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

• Терең оқыту

  Бұл курс терең нейрондық желілердің негіздерін және оларды жасанды интеллекттің әртүрлі міндеттеріне қолдануды зерттеуге бағытталған. Магистранттар тереңдетілген оқыту әдістерін меңгеріп, оларды практикада қолдануды және осы саладағы заманауи зерттеулерді талдауды үйренеді. Курс нейрожелілік технологиялар саласындағы білімді өз бетінше кеңейту және меңгеру дағдыларын қалыптастырады.

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

• Деректерді талдау (Индустрия жағдайлары)

  Бұл курс магистранттарды операциялық басқару, тәуекелдерді басқару, қаржы және маркетинг салаларында шешім қабылдау үшін деректерді жинауға, сипаттауға және талдауға дайындауға бағытталған. Күрделі көпсеріктестік жүйелерде ықтималдық, статистика, гипотезаларды тексеру, регрессия, кластерлеу, шешім ағаштары және болжау әдістері қарастырылады.

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

Профессии

Оқыту нәтижелері

• Ғылыми зерттеулер жүргізу кезінде әдістемелік білімдерді қолдану, жұмыстың тиімділігі мен сапасын арттыру үшін психологиялық әдістер мен құралдарды пайдалану, коммуникацияларды құру, сондай-ақ кәсіби қызметте шет тілін жоғары деңгейде меңгеру дағдыларын көрсету.
• Машиналық оқытудың теориялық негіздерін зерттеулер жүргізу үшін түсіндіру, сондай-ақ регрессия, классификация, кластерлеу және өлшемдерді азайту мәселелеріне байланысты талдаулардағы айырмашылықтарды талдау.
• Бұлттық технологияларды пайдалана отырып, деректер инфрақұрылымымен жұмыс істеу үшін ақпараттық жүйелерді әзірлеу, үлкен деректер жиынтықтарын өңдеуге арналған құралдарды қолдану және үлкен деректер мен жоғары өнімді желілер инфрақұрылымын пайдалана отырып, деректерден алынған модельдерді бағалау.
• Барлау деректерін, кездейсоқ айнымалыларды, дискретті және үздіксіз үлестірімдерді, сондай-ақ гипотезаларды тексеру мен статистикалық модельдеу әдістерін қолдана отырып, іріктеу үлестірімдерін талдау және бағалау.
• Машиналық оқыту және жасанды интеллект алгоритмдерін әзірлеу, оңтайландыру және енгізу, оларды нақты міндеттерге бейімдеу және олардың өнімділігін бағалау.
• Машиналық оқыту алгоритмдерінің жұмыс нәтижелерін түсіндіру, олардың сенімділігін бағалау және деректерді талдау процестеріне әсерін түсіндіру, техникалық және техникалық емес мамандарға ақпаратты дұрыс жеткізуді қамтамасыз ету.
• Машиналық оқыту модельдерінің жұмысын талдау және жетілдіру, оларды әртүрлі қолданбалы салаларға бейімдеу, сондай-ақ болжаудың дәлдігі мен сенімділігін арттыру әдістерін әзірлеу.
• Деректер панельдерін құру және тиімді визуализация және интерпретация әдістерін қолдана отырып, аналитикалық есептерді генерациялау.
• Кәсіби қызмет міндеттерін статистика тілінде тұжырымдау, компьютерлік құралдарды пайдалана отырып, математикалық есептеулер жүргізу және жоғары деңгейдегі күрделілік міндеттерін шешу үшін статистикалық әдістерді қолдану.
• Бизнес-процестер контекстінде деректерді талдау, аналитикалық қорытындыларды тұжырымдау және оларды стратегиялық және басқарушылық шешімдер қабылдау үшін пайдалану.

Ұқсас БББ