6B06103 Үлкен деректерді талдау в Astana IT University

Пәндер

• Математикалық талдау 1

  Оқу пәні әр түрлі түрде ұсынылатын функцияларды талдау туралы білімді және осы көріністер арасындағы байланысты түсінуді қамтиды; туынды сөздің мәнін өзгеру жылдамдығы мен локальды сызықтық жуықтау тұрғысынан түсіндіреді және әр түрлі есептерді шешу үшін туындыны қолдануды үйретеді. Пән студенттерде өз мамандығы бойынша қолданбалы есептерді шешуге арналған математикалық аппаратты қалыптастыруға бағытталған.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Бағдарламалауға кіріспе

  Курс студенттерге қолданбалы есептерді шешу үшін мәліметтер құрылымын, функцияларды, модульдерді, сыныптарды және Python бағдарламалау тілінің басқа мүмкіндіктерін қолдануға үйретеді.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Сызықтық алгебра

  Курстың мақсаты сызықтық алгебра мен матрицалық теория негіздері туралы түсінікті дамытуға бағытталған. Пәннің зерттеу өрісі - матрицаның негізгі қасиеттері, оның ішінде детерминанттар, кері матрицалар, матрицалық факторизация, меншікті мәндер, сызықтық түрлендіру және т.б зерттеу.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Математикалық талдау 2

  Оқу пәні студенттерді есептеудің маңызды салаларымен және оның қолданбалы ғылымдарда қолданылуымен таныстырады. Пән өз мамандығы бойынша күрделі қолданбалы есептерді шешу үшін математикалық әдістер мен құралдарды (дифференциалдық теңдеулер, қатарлар, қос және үштік интегралдар) қолдану қабілетін қалыптастырады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Объектілі программалау

  Пән студенттерді объектілерге және олардың өзара әрекеттесуіне негізделген бағдарламалық жасақтаманы әзірлеу тұжырымдамасымен таныстырады. Бұл пәнді оқу барысында студенттер сыныптар мен объектілерді жасайды, олардың қасиеттері мен әдістерін анықтайды және икемді және модульдік бағдарламалық жүйелерді құру үшін мұрагерлік пен полиморфизмді қолданады. Объектіге бағытталған бағдарламалау кеңінен қолданылатын бағдарламалау парадигмасы болып табылады және оның принциптері мен тәжірибелерін түсіну болашақ бағдарламалық жасақтама жасаушылар үшін маңызды.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Мәліметтер базасын басқару жүйелері

  Курс мәліметтер базасын жобалау, басқару және пайдалану негіздеріне бағытталған. Ол реляциялық және реляциялық емес мәліметтер базасының негізгі принциптерін, сұрау тілдерін (SQL) және деректерді сақтау мен өңдеуді оңтайландыру әдістерін қарастырады. Курс тыңдаушыларға мәліметтер базасы туралы іргелі білім береді, мәліметтер базасын жобалауға, жобалауға және басқаруға, сондай-ақ қазіргі заманғы мәліметтер базасын басқару жүйелерімен жұмыс істеуге үйретеді.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Дискретті математика

  Курс математика, комбинаторика және графика теориясының негіздері туралы түсінікті дамытуға бағытталған. Пәннің зерттеу өрісі - дәлелдеу, дискретті объектілерді түсіну сияқты негізгі математикалық принциптер; санаудың әр түрлі әдістерін қолдана отырып есептерді шығару.

  Оқу жылы - 1
  Семестр - 3
  Несиелер - 5
  

• Python бағдарламалау

  Бұл курс Python көмегімен бағдарламалаудың негізгі тұжырымдамаларын ұсынады. Тақырыптарға деректер құрылымы, басқару ағыны, функциялар, объектіге бағытталған бағдарламалау және деректерді өңдеуге, веб-әзірлеуге және автоматтандыруға арналған кітапханалар кіреді. Студенттер нақты әлемдегі қосымшаларда бағдарламалау мен мәселелерді шешудің практикалық тәжірибесін қайтадан алады.

  Оқу жылы - 1
  Семестр - 3
  Несиелер - 5
  

• Алгоритмдер және мәліметтер құрылымы

  Курс бағдарламалауда қолданылатын негізгі, классикалық алгоритмдер мен мәліметтер құрылымын зерттейді. Алгоритмдерді құру мен сипаттау принциптері, алгоритмдердің күрделілігі мен орындалуы туралы түсініктер, олардың негізгі сыныптары қарастырылады.

  Оқу жылы - 1
  Семестр - 3
  Несиелер - 5
  

• Ықтималдықтар теориясы

  Бұл курс ықтималдық кеңістіктерін, кездейсоқ шамаларды, үлестірімдерді, математикалық күтуді, дисперсияны және Үлкен сандар Заңын қамтитын негізгі ұғымдарды қамтиды. Ол Статистика, деректерді талдау және шешім қабылдау процестеріндегі қосымшаларға бағытталған дискретті және үздіксіз модельдерді ұсынады.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Графтар теориясы және желілер

  Бұл курс графикалық теорияның негіздерін, желілік талдауды және олардың қолданылуын зерттейді. Тақырыптарға графикалық алгоритмдер, қосылым, желі ағыны, оңтайландыру және информатика, инженерия және әлеуметтік медиа сияқты салалардағы нақты мәселелерді шешу кіреді.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Информатикадағы аналитикалық әдістер

  Курс нақты мысалдарға негізделген. Мысалдармен математикалық әдістерді жасау және нақты есептерді шешу үшін алгоритмдер жасау. Курс келесі тақырыптарды қамтиды: рекурсиялар, қосындылар, бүтін функциялар, қарапайым сандар теориясы, биномдық коэффициенттер, функцияларды шығаратын арнайы сандар, дискретті ықтималдық, асимптотика.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Операциялық жүйелер және компьютерлік желілер

  Бұл бағдарлама бағдарламалық жасақтама жасаушыларға мәліметтерді пайдалану, сақтау және берудің негізгі қағидаларын түсіну үшін қажет болатын операциялық жүйелер мен компьютерлік желілердің негіздерін білуге бағытталған.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Компьютерлік құрылым және архитектура

  Курс компьютердің архитектурасын зерттеуді немесе оны қандай да бір жалпы деңгейде сипаттауды, оның ішінде пайдаланушының бағдарламалау мүмкіндіктерін, командалық жүйені, адрестер жүйесін, жадыны ұйымдастыруды және т.б. сипаттайды, сонымен қатар компьютердің құрылымын зерттейді. компьютердің функционалды элементтерінің жиынтығы және олардың арасындағы қатынастар.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Қосымша мәліметтер базасы (NoSQL)

  NoSQL жүйелеріне арналған мәліметтер қорын жобалау әдістемесі. Бұл тәсіл әр түрлі NoSQL жүйелерінің жалпы мүмкіндіктерін пайдаланатын және жүйеге тәуелсіз қосымшаны анықтау үшін қолданылатын NoSQL мәліметтер базасына арналған дерексіз деректердің жаңа моделі NoAM (NoSQL Abstract Model) негізінде жасалған. Тұтастай алғанда, әдістеме келесі буын веб-қосымшаларына қажетті масштабтылықты, өнімділік пен жүйелілікті қолдауға бағытталған.

  Оқу жылы - 2
  Семестр - 2
  Несиелер - 5
  

• Статистика және деректер туралы ғылым 1 (Python)

  «Статистика және деректер туралы ғылым» пәнінің бірінші бөлімінде студенттер статистиканың іргелі ұғымдары мен әдістемелерімен танысады. Бұл бөлім үлкен деректермен жұмыс істеу үшін маңызды күшті статистикалық негізді қамтамасыз етуге бағытталған. Олар сипаттамалық статистика, ықтималдықтар теориясы, гипотезаны тексеру және регрессия талдауы сияқты тақырыптарды зерттейді және орталық тенденция, дисперсия және графикалық көріністер өлшемдерін пайдалана отырып, үлкен деректер жиынын қорытындылау және түсіндіруді үйренеді.

  Оқу жылы - 2
  Семестр - 2
  Несиелер - 5
  

• Мәліметтерді іздеу және деректер өндіру

  Үлкен деректер жиынынан пайдалы ақпаратты тиімді шығару және талдау үшін принциптерді, әдістерді және алгоритмдерді зерттейтін пән. Ол құжаттар немесе веб сияқты құрылымдалмаған деректер көздерінен сәйкес ақпаратты іздеуге және алуға бағытталған ақпаратты іздеу және құрылымдық және құрылымдалмаған деректерден үлгілерді, қатынастарды және түсініктерді табуды қамтитын деректерді іздеу сияқты әртүрлі аспектілерді қамтиды. Бұл пән деректерді алдын ала өңдеу, іздеу үлгілері, индекстеу, сұрау тілдері, деректерді кластерлеу, жіктеу, байланыстыруды талдау және бағалау өлшемдері сияқты тақырыптарды қамтиды. Бұл пәнді оқу арқылы студенттер ақпаратты іздеу мен деректерді өңдеуде қолданылатын теориялық негіздер мен практикалық әдістер туралы берік түсінік қалыптастырады. Олар тиімді іздеу және өндіру жүйелерін жобалау және енгізу, олардың өнімділігін бағалау және оларды нақты әлемдегі мәселелерге қолдану дағдыларын меңгереді, бұл оларға деректерге негізделген шешімдер қабылдауға және ақпараттың үлкен көлемінен құнды түсініктер алуға мүмкіндік береді.

  Оқу жылы - 2
  Семестр - 2
  Несиелер - 5
  

• Статистикалық талдау

  Бұл курс деректерді интерпретациялаудың және гипотезаларды тексерудің маңызды әдістерін енгізеді. Студенттер ықтималдықтар теориясын, регрессиялық талдауды, ANOVA және статистикалық модельдеуді үйренеді, осы әдістерді деректерді талдау, болжау жасау және әртүрлі пәндер бойынша мағыналы қорытындылар жасау үшін қолданады.

  Оқу жылы - 2
  Семестр - 2
  Несиелер - 5
  

• Бизнес-аналитика

  Икемді және дәстүрлі бизнес ортасында кез келген көлемдегі жобаларға қолданылатын бизнесті талдаудың негізгі принциптері. Бизнес-талдаушыларға жобаның мақсаттарына жетуге және Бизнестің құндылығын қамтамасыз етуге көмектесетін ең жақсы тәжірибелер, құралдар мен әдістер. Фасилитация әдістері мен модельдеу тәсілдері, бизнесті талдауды жоспарлау және бақылау, сондай-ақ талаптарды анықтау құжаттамасы. Agile және Lean тапсырмаларды қою тәсілдері, стратегиялық және тактикалық талдау, жобалық ойлау принциптері және шешімдерді бағалау әдістері. Халықаралық бизнес-талдау институты (IIBA®) жариялаған бизнес-талдау body of Knowledge® (BABOK® Guide) салалық стандартына сәйкес келеді.

  Оқу жылы - 2
  Семестр - 2
  Несиелер - 5
  

• Оңтайландыруға кіріспе

  Бұл курс оңтайландыру мәселелерін шешудің іргелі әдістерін қамтиды. Студенттер сызықтық бағдарламалауды, дөңес оңтайландыруды және дискретті оңтайландыруды зерттейді, тиімді шешім қабылдау үшін осы әдістерді бизнестегі, инженериядағы және деректер ғылымындағы нақты мәселелерге қолдануды үйренеді.

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

• Статистика және деректер туралы ғылым 2 (Python)

  «Статистика және деректер туралы ғылым» пәнінің екінші бөлімі студенттер ауқымды деректер жиынынан құнды түсініктерді алу үшін деректер ғылымының әдістерін практикалық қолдануға бағытталған. Бұл бөлім деректерді алдын ала өңдеуді, деректерді визуализациялауды, машиналық оқытуды және деректерді өндіруді қоса алғанда, деректер ғылымының әртүрлі аспектілерін қамтиды. Олар әрі қарай талдау үшін деректер сапасын қамтамасыз ету, жетіспейтін мәндер, шектен шығулар және сәйкессіздіктер сияқты жалпы мәселелерді шешу үшін үлкен деректерді қалай тазартуды, түрлендіруді және алдын ала өңдеуді үйренеді; үлгілерді, трендтерді және аномалияларды анықтауға мүмкіндік беретін үлкен деректерден алынған түсініктерді тиімді ұсыну және жеткізу үшін әртүрлі визуализация әдістерін зерттейді; автоматтандырылған үлгіні тану және болжау мүмкіндігін беретін жіктеу, регрессия, кластерлеу және өлшемді азайту сияқты үлкен деректерді талдау үшін қолайлы машиналық оқыту алгоритмдері мен әдістерімен танысады; шешім қабылдауды жеңілдету және жасырын түсініктерді ашу үшін үлкен деректер жинақтарындағы мағыналы үлгілер мен қарым-қатынастарды табу үшін деректерді іздеудің принциптері мен әдістерін түсінеді.

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

• Есептік математикасы

  Бұл пән математикалық физиканың детерминистикалық және ықтималдық теңдеулерінің сандық шешімдеріне, техникалық өндіріс пен қаржы секторында қолданылатын қолданбалы модельдерге негізделген есептеу ғылымдарының мамандандырылған пәндерін меңгеруге қажетті математикалық курстарға кіріспе болып табылады, яғни қарапайым дифференциалдық теңдеулер теориясын, олардың типтелуі мен аналитикалық шешудің негізгі әдістерін, дербес туындылы дифференциалдық теңдеулерге кіріспені қамтиды.

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

• Академиялық жазу

  Академиялық жазу пәні жазылым стильдерін ажырата білу қабілетін, конструктивті сыни тұрғыдан оқу және жазу және жазылған мәтінді саралау; академиялық лексиканың, грамматиканың және стильдің ерекшеліктерді кеңнен қолдану, мәтіннің құрылымдық байланысын сақтап жазу, жазбаша мәтінде аргументті және дәлелді келтіре білу және акадмемиялақ эссе жазу дағдыларын дамытуға мүмкіндік береді.

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

• Стохастикалық процестер

  Көптеген жүйелер уақыттан бері кездейсоқ қосалқы бөлігімен дамиды. Бұл курстың мақсаты - түсіретін ықтималдық модельдерін жасау және талдау Қысқа мерзімді және ұзақ мерзімді перспективаны болжау үшін зерттелген жүйенің маңызды ерекшеліктері; Бұл апаттың әсері қарастырылып жатқан жүйелерде болады. Стохастикалық процестерге арналған ықтималдық модельдерін оқыту математикалық және есептеу құралдарының кең спектрін қамтиды

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

• Есептеу Сызықтық Алгебрасы Және Итеративті әдістер

  Курс сызықтық жүйелерді шешудің сандық әдістеріне, матрицалық ыдырауға, меншікті мәндер мен оңтайландыру есептеріне арналған. Ол итеративті алгоритмдерге, конвергенцияны талдауға және оларды техникада, физикада және деректер ғылымында қолдануға баса назар аударады

  Оқу жылы - 2
  Семестр - 3
  Несиелер - 5
  

• Құқық қорғау органдарындағы үлкен деректер 1

  Курс аясында әртүрлі веб-ресурстарға заңды шабуыл жасау мүмкіндіктері қарастырылады. Осы курс аясында студенттер осалдықтарды табуға және оларды пайдалануға үйренеді. Қорғауды айналып өту әдістері, TCP/IP желілік протоколы, Windows ОЖ ішкі құрылғысы, және Python бағдарламалау тілі.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Кәсіпкерлік

  Оқу пәні аясында білім алушы Қазақстан Республикасының қолданыстағы заңнамасына негізделген кәсіпкерлік қызметтің мәнін зерттейді. Курста шағын кәсіпорындардың мемлекеттің және қоғамның экономикасында алатын орны мен рөлі көрсетіледі. Ерекше назар инклюзивті кәсіпкерлік қағидаттарына аударылады, олар барлық адамдар үшін физикалық мүмкіндіктеріне, жынысына, жасына немесе әлеуметтік мәртебесіне қарамастан тең мүмкіндіктер жасауды көздейді. Курста әртүрлі халық топтарын бизнес-ортаға қолдау мен интеграциялау механизмдері қарастырылып, кәсіпкерліктегі қолжетімділік, әділеттілік және әртүрліліктің маңыздылығы атап өтіледі. Пән кәсіпкерлік субъектілерінің бизнес-жоспарының негізгі қағидаларын және мазмұнын түсінуге, сондай-ақ қазіргі заманғы сыбайлас жемқорлыққа қарсы мәдениет негізінде ойлауды қалыптастыруға мүмкіндік береді. Курста кәсіпкерлік қызметтің ұйымдастырушылық нысандары, оның ішінде тұрақты даму, экология, еңбек қауіпсіздігі және бизнестің әлеуметтік жауапкершілігі аспектілері қарастырылады.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Қолданбалы машиналық оқыту

  Нақты әлемдегі мәселелерді шешу және деректер негізінде болжамдар немесе шешімдер қабылдау үшін машиналық оқыту әдістерін практикалық қолдануға бағытталған пән. Ол деректерді алдын ала өңдеу, мүмкіндіктерді таңдау және жобалау, үлгі таңдау және бағалау, бақыланатын және бақыланбайтын оқыту алгоритмдері, ансамбльдік әдістер, терең оқыту және машиналық оқытудағы этикалық ойлар сияқты тақырыптардың кең ауқымын қамтиды. Бұл пәнді оқу арқылы оқушылар машиналық оқытудағы негізгі ұғымдар мен алгоритмдер туралы толық түсінікке ие болады және оларды әртүрлі салалар мен деректер жиындарына тиімді қолдану дағдыларын дамытады. Олар деректерді алдын ала өңдеу және түрлендіру, сәйкес мүмкіндіктерді таңдау, үлгілерді үйрету және бағалау, гиперпараметрлерді оңтайландыру, үлгі нәтижелерін түсіндіру және машиналық оқыту шешімдерін қолдануды үйренеді. Оқыту нәтижелеріне нақты мәселелер үшін қолайлы машиналық оқыту әдістерін анықтау, дәл және сенімді болжамды модельдерді құру және күрделі деректер жиынынан түсініктер алу және негізделген шешімдер қабылдау үшін машиналық оқытуды пайдалану мүмкіндігі кіреді.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Жоғары өнімділікті есептеу

  Пәннің мақсаты - жоғары өнімді есептеу (ЖӨЕ) қосымшаларын, жиі қолданылатын ЖӨЕ платформаларын, ЖӨЕ өлшеу, бағалау және талдау әдістерін, әкімшіліктің, жұмыс жүктемесінің, жұмыс жүктемесінің және ресурстарды басқарудың рөлін зерттеу. Студенттер ірі ғылыми мәселелерді шешуде ЖӨЕ әдістерін қолдануға қатысты мәселелермен танысады.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Технологиялық кәсіпкерлік

  Пән студенттерді кәсіпкерліктің заманауи тұжырымдамаларымен және құралдарымен таныстырады және өмір қауіпсіздігі негіздерін ескере отырып, өз стартаптарын іске қосу үшін қажетті теориялық білім мен тәжірибелік дағдыларды алады. Құқықтық және сыбайлас жемқорлыққа қарсы мәдениет негізінде Қазақстан Республикасының зияткерлік меншік саласындағы заңнамасын ескере отырып, патент алу үдерісі, технологиялық дамуға меншік құқығының заңдылығы зерттелуде. Студенттер стратегиялық талдауды экономика, менеджмент, коммуникация және технологиялық кәсіпкерлік салаларында қолданады.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Нақты уақыттағы деректерді талдау және шешім қабылдау

  Бұл курс тікелей деректер ағындарын талдау және негізделген шешімдерді жылдам қабылдау әдістерін зерттейді. Студенттер деректерді өңдеу, болжамды модельдеу және шешім қабылдау стратегиялары туралы біледі, бұл дағдыларды динамикалық, уақытты қажет ететін ортаға қолданады.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Жобаларды басқару

  Оқу пәні жобаның өмірлік циклінің әр түрлі кезеңдерінде жобаларды басқару құралдарын қолдану дағдыларын дамытуға бағытталған. Пәннің зерттеу өрісі - жобалық тәуекелдерді сапалы және сандық бағалау және оның тиімділігін анықтау.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 4
  

• Қаржылық сауаттылық

  Бұл пән студенттерді жеке және цифрлық қаржы саласындағы негізгі ұғымдармен таныстыруға бағытталған. Сабақ барысында күнделікті өмір мен кәсіби қызметте қаржы ресурстарын тиімді басқаруға қажетті қаржылық түсініктер, құралдар мен стратегиялар қарастырылады. Негізгі тақырыптар қаржылық жоспарлау, бюджетті басқару, заманауи банк қызметтері, сондай-ақ цифрлық қаржы технологияларымен байланысты мүмкіндіктер мен тәуекелдерді қамтиды. Пән қаржылық жауапкершілікті, сыни ойлауды және үнемі өзгеріп отыратын экономикалық жағдайда дұрыс шешім қабылдау қабілетін дамытуға бағытталған.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Зерттеу әдістері мен құралдары

  Курс ғылыми зерттеулерді жүргізу үшін қажетті негізгі әдістер мен құралдарды зерттеуге арналған. Курс сонымен қатар студенттерді Web of Science, Scopus, ScienceDirect және басқа ғылыми мақалалардың іздеу базаларымен таныстырады. Курс барысында студенттер дәйексөз алу және қажетті ғылыми ақпаратты іздеу құралдарымен танысады.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Биоинформатикаға кіріспе

  Биоинформатика - бұл биологиялық мәліметтерді талдау және үйренуге арналған жаңа әдіснамалары мен құралдарын әзірлейтін және жүзеге асыратын пәнаралық ғылым. Бұл курс биологиялық және есептеу пәндерінің қажетті домендік білімін қамтиды, бұл осы тақырыпта әрі қарайғы зерттеу мен зерттеуді одан әрі зерттеу мен зерттеуді күшейтуге мүмкіндік береді. Биоинформатика туралы алдыңғы білім қажет емес.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Терең оқыту

  Бұл курс CNN, RNN және GAN-ды қоса алғанда, кеңейтілген нейрондық желінің архитектурасын қамтиды. Студенттер үлгілерді тану, табиғи тілді өңдеу және автономды жүйелер сияқты мәселелерге оқыту, оңтайландыру және қолданудың негізгі әдістерін үйренеді, бұл оларға AI мәселелерін шешу дағдыларын жақсартуға мүмкіндік береді.

  Оқу жылы - 3
  Семестр - 1
  Несиелер - 5
  

• Генеративті модельдер

  Пән жасанды интеллект пен машиналық оқытудағы генеративті модельдердің іргелі тұжырымдамаларымен, әдістерімен және қолданбаларымен таныстырады. Курс генеративті әдістердің ауқымын қамтиды, оның ішінде Вариациялық автокодерлер (VAEs), Генеративті қарсыластық желілері (GANs) және үйренген таратулардан жаңа деректер үлгілерін жасау үшін авторегрессивті модельдер. Студенттер кескін синтезі, табиғи тілді өңдеу және шығармашылық ЖИ сияқты әртүрлі облыстарда генеративті модельдердің практикалық қолданбаларын зерттейді, сонымен бірге танымал машиналық оқыту негіздерін қолдана отырып, осы модельдерді жобалау, оқыту және бағалауда практикалық тәжірибе жинақтайды.

  Оқу жылы - 3
  Семестр - 2
  Несиелер - 5
  

• Үлкен Деректерге арналған арматуралық оқыту

  Бұл курс ауқымды деректер жиынына арматуралық оқыту әдістерін қолдануды қамтиды. Курс алгоритмдерді әзірлеуге, деректерді өңдеуге және нақты уақыт режимінде оңтайландыруға, студенттерді жасанды интеллект және аналитика сияқты деректерді көп қажет ететін салаларда күрделі мәселелерді шешуге дайындауға бағытталған.

  Оқу жылы - 3
  Семестр - 2
  Несиелер - 5
  

• Жетілдірілген биоинформатика

  Тақырыптар биоинформатикалық мәліметтер базасын, реттелмеген , реттелген және құрылымды туралау және дифференциалды гендік өрнекті талдауды қамтиды (бірақ онымен шектелмейді). Сонымен қатар, студенттер нәтижелерді әр түрлі үлгілер арасындағы қалай салыстыруды үйренеді.

  Оқу жылы - 3
  Семестр - 2
  Несиелер - 5
  

• IТ тәуекелдерін басқару

  Курс жоба контекстіндегі тәуекелді басқару саласын қамтиды; жобалық ортада қолданылатын тәуекелді басқару негізгі теория мен тұжырымдама, соның ішінде жобалық тәуекел жоспарлау, дайындау әрі жауап беруді қамтиды; тәуекелді анықтау, бағалау, мониторинг әрі бақылау саласын қарастырады. Курс аясында тәуекелді сапалық әрі сандық талдау әдісімен танысады.

  Оқу жылы - 3
  Семестр - 2
  Несиелер - 5
  

• Үлкен деректер және таратылған алгоритмдер

  Курс үлкен деректермен жұмыс істеу негіздерін және жоғары өнімді есептеу принциптерін үйренуге арналған. Үлкен деректер құрылымдық және құрылымсыз ақпараттың үлкен массивтерінің болуын және оларды тиімді өңдеу және пайдалы ақпаратты алу үшін құралдарды таңдауды білдіреді.

  Оқу жылы - 3
  Семестр - 2
  Несиелер - 5
  

• Ақпараттық қауіпсіздік негіздері

  Курс студенттерде ақпараттық қауіпсіздік, оның құрамдас бөліктері, негізгі қауіптер, хаттамалар мен қорғаныс құралдары туралы түсінік қалыптастырады. Оқу барысында білім алушылар ақпараттық қауіпсіздікті қамтамасыз етудің базалық дағдыларын алады және кәсіби құралдармен және бағдарламалармен танысады.

  Оқу жылы - 3
  Семестр - 2
  Несиелер - 5
  

• Табиғи тілді өңдеу

  Медициналық мәтіндерді талдаудың табиғи тілін өңдеу әдістерін, оның ішінде жіктеу, ақпаратты алу, мәтінді автоматты өңдеу және машиналық оқыту әдістерін зерттеу. Оқыту барысында студенттер медицинадағы табиғи тілді өңдеу әдістерінің жұмыс істеу принциптерімен және қолданылуымен, сонымен қатар медициналық мәтіндерді өңдеуге арналған бағдарламалық құралдармен танысады. Пәнді өткеннен кейін студенттер медициналық мәтіндерді талдау, ақпаратты алу және медициналық жазбалардың сапасын бағалау үшін табиғи тілді өңдеу әдістерін қолдана алады.

  Оқу жылы - 3
  Семестр - 2
  Несиелер - 4
  

• Уақыт қатарларын талдау

  Бұл курс дәйекті деректерді талдау және болжау әдістерін үйретеді. Студенттер авторегрессивті модельдер, жылжымалы орташа мәндер және маусымдықты талдау сияқты әдістерді зерттеп, оларды қаржы, экономика және уақытша деректер үлгілері бар басқа салалардағы нақты мәселелерге қолданады.

  Оқу жылы - 3
  Семестр - 2
  Несиелер - 5
  

• Құқық қорғау органдарындағы үлкен деректер 2

  Курс үлестірілген есептеулерді практикалық қолдануға арналған MapReduce моделі. Алгоритмдерді жүзеге асыру үшін Hadoop утилиталарының еркін таратылатын жиынтығы таңдалды, ол деректерді жаппай параллель өңдеу кезінде көптеген жоғары жүктелген веб-сайттардың іздеу және контексттік механизмдерін жүзеге асыру үшін қолданылады. Қазіргі уақытта Hadoop үлкен деректермен жұмыс істеудің негізгі технологияларының бірі болып саналады және экономиканың көптеген салаларында, өнеркәсіпте, сондай-ақ мемлекеттік құқық қорғау органдарында қолданылады.

  Оқу жылы - 3
  Семестр - 2
  Несиелер - 5
  

Профессии

Оқыту нәтижелері

• Ашық көздерден деректерді жинау алгоритмдерін, жиналған деректерді алдын ала өңдеу әдістерін, болжау және осы деректер негізінде шешім қабылдаудың негізгі және кеңейтілген модельдерін қолдану.
• Есептеу және логикалық есептерді шешу алгоритмдерін құрастыру, әзірлеу және талдау, алгоритмдердің және есептелетін функциялардың формальды модельдерін пайдалану негізінде алгоритмдердің тиімділігі мен күрделілігін бағалау.
• Компьютерлік жүйелер архитектурасы туралы білімдерін көрсету, операциялық жүйелерді басқару.
• Нормативтік-құқықтық базаны, оның ішінде құжаттарды, стандарттау және ақпараттық-коммуникациялық технологияларды дамытуда сертификаттау рәсімдерін түсіндіріңіз және түсіну.
• Қазіргі заманғы дереккөздерді өз бетінше талдаңыз, қорытынды жасаңыз, пікір таластырыңыз және ақпаратқа негізделген шешім қабылдау.
• Статистикалық деректерді өңдеу мәселелерін шешу және болжамдық модельдерді құру үшін кездейсоқ құбылыстардың заңдылықтары, олардың қасиеттері мен оларға қолданылатын амалдар, кездейсоқ процестердің модельдері және заманауи бағдарламалық орталар туралы білімді пайдалану.
• Бағдарламалық жасақтама жүйесін құру процесінің үздіксіздігін қамтамасыз ету үшін аппараттық және бағдарламалық қамтамасыздандыру қызметтерін қолдану.
• Ұйымдарда бағдарламалық жасақтаманы жасаудың отандық және шетелдік стандарттарын қолдану.
• Жасанды интеллект, деректерді өндіру, машиналық оқыту, нейрондық желі және анық емес деректерді өңдеу әдістері мен алгоритмдерін жіктеу, болжау, кластерлік талдау және әртүрлі объектілерді тану мәселелерін шешу үшін қолдану.
• Статистикалық және ықтималды модельдерге негізделген бағдарламалық жүйелер мен мәліметтерді талдау үшін математикалық құралдарды қолдану.

Ұқсас БББ