7M06108 Қолданбалы жасанды интеллект в Astana IT University

Пәндер

• ЖИ негіздері: теория және қолданбалар

  Бұл пән Машиналық оқыту мен жасанды интеллект негіздерін зерттеуді және нақты қолданбалы мәселелерді шешу үшін осы білімді қолдануды қамтиды. Пән мұғаліммен және мұғалімсіз оқытудың көптеген тақырыптарын қамтиды. Машиналық оқыту тапсырмаларының үшінші түрі ішінара қамтылған, бұл тіркемелі оқыту деп аталады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Шет тілі (кәсіби)

  Курстың мазмұны магистранттардың мәдени-кәсіби қарым-қатынас мақсатында халықаралық кәсіби ортаға енуіне мүмкіндік беретін кәсіби-бағытталған коммуникативті құзыреттілікті қалыптастыруға бағытталған.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• Жоғары мектеп педагогикасы

  Курстың мазмұны педагогикалық теорияның және педагогикалық шеберліктің теориялық негіздері туралы білімді алуға, жоғары оқу орындарында оқыту үшін оқу үдерісін басқаруға, педагогиканың негізгі категориялары, жоғары білім беру педагогикасының орны, рөлі мен маңызы туралы түсінік қалыптастыруға, қазіргі заманғы педагогиканың негізгі принциптерін түсінуге және жоғары оқу орындарының педагогикалық мәселелерін шешудің әдістемелік тәсілдеріне бағытталған.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• Басқару психологиясы

  Курстың мазмұны басқарушылық іс-әрекеттің психологиялық заңдылықтары, менеджер іс-әрекетінің құрылымында әлеуметтік-психологиялық білімді қолдану ерекшеліктері туралы жүйелі идеяларды қалыптастыруға және тиімді басқарудың негізінде жатқан әлеуметтік-психологиялық принциптерді талдау дағдыларын игеруге бағытталған.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 4
  

• AI үшін бағдарламалау

  Жасанды интеллектке арналған бағдарламалау білім алушыларды бағдарламалаудың маңызды тұжырымдамаларымен және жасанды интеллектті дамыту құралдарымен таныстырады. Курс Python, машиналық оқыту кітапханаларын, алгоритмдерді енгізуді, деректерді өңдеуді және оңтайландыру әдістерін қамтиды, білім алушыларды Жасанды интеллект модельдерін әзірлеу және енгізу бойынша практикалық дағдылармен қамтамасыз етеді.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Ғылым тарихы мен философиясы

  Курс магистранттың ғылыми қасиеттері және оның тарихи дамуындағы әлеуметтік-мәдени феномені туралы білім алуына; оның тарихи дамуы мен кұбылатын әлеуметтік-мәдени контекстегі ғылыми білімнің жалпы заңдылықтары туралы жүйелік көзқарас қалыптастыруға бағытталған.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 4
  

• ЖИ математикалық негіздері

  Курс жасанды интеллект шешімдерін әзірлеудің математикалық негіздерін қамтиды. Білім алушылар сызықтық алгебра, ықтималдық теориясы, Статистика, оңтайландыру және машиналық оқыту мен терең оқыту алгоритмдерінде қолданылатын басқа да негізгі математикалық ұғымдарды үйренеді.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Жетілдірілген машиналық оқыту

  Бұл пән машиналық оқыту мен жасанды интеллектті тереңірек зерттеуді және осы білімді нақты әлемдегі қолданбалы мәселелерді шешу үшін қолдануды қамтиды. Пән бақылаудағы және бақылаусыз оқыту сияқты көптеген оқу тақырыптарын қамтиды.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Суреттерді ЖИ әдістерімен өңдеу

  Курс компьютерлік көруді, нейрондық желілерді және терең оқытуды қоса алғанда, жасанды интеллект көмегімен кескінді өңдеу әдістерін қамтиды. Білім алушылар кескіндерді талдау, тану және жақсарту алгоритмдерін нақты тапсырмалар мен жобаларға қолдану арқылы үйренеді.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Жасанды интеллект деректерді талдауда

  Курс жасанды интеллект әдістерін деректерді талдауда қолдануға арналған. Білім алушылар машиналық оқыту, үлкен деректерді өңдеу, кластерлеу және классификацияны зерттейді. Олар деректерден білім алу алгоритмдерін, жасырын заңдылықтарды анықтау, болжау және аналитиканы автоматтандыру құралдарын меңгеріп, оларды нақты міндеттерде негізделген шешімдер қабылдау үшін қолдануды үйренеді.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• АИ - де компьютерлік графика және модельдеу

  Курс компьютерлік графика мен AI көмегімен модельдеуге бағытталған. Білім алушылар графикалық процестерді жақсарту және шынайы виртуалды нысандар мен көріністерді жасау үшін 3D модельдерін құруды, визуализацияны және AI алгоритмдерін қолдануды үйренеді.

  Оқу жылы - 1
  Семестр - 3
  Несиелер - 4
  

• Жасанды интеллект және нейрондық желілер

  Курс жасанды интеллект пен нейрондық желілердің негіздерін, соның ішінде оқыту әдістерін, желілік архитектураны, деректерді өңдеуді және оларды әртүрлі салаларда қолдануды зерттейді. Магистранттар АИ және терең оқыту негізінде шешімдерді жобалау мен іске асыруды меңгереді.

  Оқу жылы - 1
  Семестр - 3
  Несиелер - 4
  

• Көп агентті жүйелерге кіріспе

  Бұл курста автономды агенттердің дизайнын, дамуын және өзара әрекеттесуін қамтитын көп агенттік жүйелер (MAS) ұсынылған. Білім алушылар осы принциптерді нақты сценарийлер мен технологияларға қолдана отырып, мәселелерді шешудің, үйлестірудің, ынтымақтастықтың, келіссөздердің және жанжалдарды шешудің негізгі тұжырымдамаларын үйренеді.

  Оқу жылы - 1
  Семестр - 3
  Несиелер - 5
  

• Оқытудың әдістері мен стратегиялары

  Пән аясында магистранттарға интерактивті және ынталандырушы оқу ортасын құру үшін әртүрлі стратегиялар мен құралдар ұсынылады. Курс барысында студенттер топтық жобалар, рөлдік ойындар, кері байланыс және пікірталастар, интерактивті оқыту үшін технологиялар мен құралдарды пайдалану және оларды IT пәндерінің ерекшеліктеріне бейімдеу және практикалық тапсырмалар мен жобаларды оқу процесіне біріктіру жолдары сияқты әртүрлі белсенді әдістерді үйренеді.

  Оқу жылы - 1
  Семестр - 3
  Несиелер - 5
  

• Big Data әдістері мен құралдары

  «Big Data әдістері мен құралдары» пәнінің мақсаты - магистранттарды Big Data ұғымдар, технологиялар және әдістемелер туралы терең түсінуге, оларды әр түрлі деңгейдегі мәліметтерді өңдеуге, талдауға және алуға мүмкіндік береді.

  Оқу жылы - 1
  Семестр - 3
  Несиелер - 4
  

• Деректерге негізделген ЖИ: үлкен деректер және күшейтілген оқыту әдістері

  Бұл курс деректерге негізделген жасанды интеллект әдістерін, соның ішінде үлкен деректерді өңдеу және күшейтілген оқыту (RL) әдістеріне баса назар аударады. Білім алушылар үлкен деректер жиынтықтарымен жұмыс істеуді, RL алгоритмдерін қолдануды және бейімделетін, жетілдірілетін интеллектуалды жүйелерді жасауды үйренеді. Нақты өмірлік ЖИ сценарийлеріндегі практикалық қолданулар тәжірибелік жобалар арқылы қарастырылады.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Қазіргі заманғы тереңдетіп оқыту технологиялары

  Курс терең оқыту теориясы мен тәжірибесін қамтиды, соның ішінде нейрондық желілер, мұғаліммен және онсыз оқыту және әртүрлі салаларда қолдану: компьютерлік көру, табиғи тілді өңдеу және нақты мәселелерді шешу үшін деректерді талдау.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Оқытудың алгоритмдері мен әдістерін бекіту

  Бұл курс құндылыққа негізделген, саясатқа негізделген және үлгісіз әдістерді қоса алғанда, күшейтілген оқытудағы іргелі алгоритмдер мен әдістерді қамтиды. Білім алушылар робототехника, ойын AI және оңтайландырудағы қолданбаларды зерттеп, интеллектуалды шешімдер қабылдау жүйелерін әзірлеу үшін заманауи құрылымдармен тәжірибе жинақтайды.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Когнитивті технологиялар және шешімдерді қолдау жүйелері

  Курс когнитивті технологияның негіздерін және оларды шешімдерді қолдау жүйелерінде қолдануды қамтиды. Магистранттар қиын жағдайларда тиімді шешім қабылдау үшін деректерді талдау, мінез-құлықты модельдеу, жасанды интеллект және машиналық оқыту әдістерін үйренеді.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Компьютерлік көру және үлгіні тану

  Курс компьютерлік көру және үлгіні тану әдістерін қамтиды, соның ішінде кескінді өңдеу, нысанды анықтау, сегменттеу және жіктеу. Білім алушылар визуалды ақпаратты түсіндіруге және нақты әлемдегі есептерді шешуге қабілетті жүйелерді әзірлеу үшін алгоритмдер мен технологияларды үйренеді.

  Оқу жылы - 2
  Семестр - 2
  Несиелер - 4
  

• Үлкен деректер жағдайлары: индустрия 4.0, медицина, IoT

  Курс 4.0 индустриясы, медицина және Заттар интернеті (бастап) контекстіндегі үлкен деректер жағдайларын талдауға арналған. Білім алушылар өндірістік процестерді, медициналық шешімдерді және ақылды технологияларды жақсарту үшін деректерді өңдеу мен түсіндіруді үйренеді.

  Оқу жылы - 2
  Семестр - 2
  Несиелер - 4
  

• Генеративті алгоритмдер

  Бұл курс магистранттарді вариативті автокодерлер (VAES), генеративті-қарсылас және автомобильдерлік модельдер сияқты түрлі генеративті модельдеу әдістері мен алгоритмдермен таныстырады. Магистранттар генеративті модельдерді жобалауға, оқытуға және бағалауға, сондай-ақ олардың егістікке қосымшаларды компьютерлік көру, табиғи тілді өңдеу және деректерді синтезі сияқты зерттеуді үйренеді.

  Оқу жылы - 2
  Семестр - 2
  Несиелер - 4
  

Профессии

Оқыту нәтижелері

• Ғылыми-зерттеу қызметі барысында туындайтын міндеттерді тұжырымдау, зерттеулерде әдіснамалық, психологиялық тәсілдерді қолдану.
• Сын тұрғысынан ойлау қабілетіне ие болу және ғылыми зерттеулер жүргізуге, жоғары оқу орындарында арнайы пәндерді оқытуға мүмкіндік беретін кәсіби деңгейде академиялық тілді меңгеру.
• Жасанды интеллект әдістерін әртүрлі қолданбалы міндеттерді шешу үшін қолдану.
• Жасанды интеллект пен машиналық оқыту әдістерін тұжырымдау, өзгерту және дамыту.
• Қызметтің әртүрлі салаларында қолданбалы мәселелердің кең класын шешуге бағытталған жасанды интеллект жүйелерін әзірлеу.
• Ғылыми зерттеулер жүргізуге және жоғары оқу орындарында арнайы пәндерді оқытуды жүзеге асыруға мүмкіндік беретін кәсіби деңгейде шет тілін меңгеру.
• Зерттеудің қажетті тәсілдері мен әдістерін таңдау, барларын өзгерту және белгілі бір зерттеудің міндеттеріне сүйене отырып жаңаларын әзірлеу.
• Үлкен деректерді талдау әдістерін, соның ішінде оларды алдын ала өңдеуді, визуализациялауды және мәнді ақпаратты алуды қолдану.
• Команданы басқару және жасанды интеллект жүйелерін әзірлеу үдерісін жүргізу.
• Нейрондық желілерге негізделген шешімдерді әзірлеу, кескіндерді, мәтінді және басқа деректерді өңдеу үшін нейрондық желілерді жобалау және оқыту.

Ұқсас БББ