7M06106 Деректер ғылымы в Халықаралық ақпараттық технологиялар университеті

Пәндер

• Машиналық оқыту 1

  Бұл курс машиналық оқыту арқылы шешілетін есептердің негізгі түрлерін зерттейді - негізінен жіктеу, регрессия және кластеризация туралы сөз болады. Машиналық оқытудың негізгі әдістері мен олардың ерекшеліктері туралы білім береді, модельдердің сапасын бағалауға және моделдің нақты есепті шешу үшін сәйкес келетінін анықтауға үйретеді. Талқыланатын модельдер мен олардың сапасын бағалау әдістері жүзеге асырылатын қазіргі заманғы кітапханалармен таныстырады

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Деректерді талдау үшін Python/R

  Курстың мақсаты-практикалық есептерді шешуде болжамды модельдерді құру, деректерді визуализациялау және Python/R тілінде нейрондық желілермен жұмыс істеу үшін бағдарламалау дағдыларын алу.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Oracle database 11g: PLSQL негіздері (Oracle)

  Бұл курс PL SQL-мен жұмыс істейтін дерекқорды басқару жүйелерін зерттеумен таныстырады. Курс PL SQL бағдарламалаудың кейбір мүмкіндіктерін көрсетеді. Студенттер құрылымдық мәліметтермен жұмыс жасау кезінде туындайтын кейбір жалпы міндеттерге ие болады. Бұл курс барысында студенттер кіші бағдарламаларды процедуралар мен функциялар ретінде құруды, қарапайым және күрделі мәліметтер түрлерімен жұмыс істеуді, курсорлармен жұмыс істеуді, кодтағы триггерлерді қолдануды үйренеді.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Деректер қоры: Жоғары деңгейлі

  Деректер қоры: Жоғары деңгейлі пәнін игерудің мақсаты студенттерге деректер қорының реляциялық модельдерін жобалау бойынша, деректер қорын басқарудың негізгі жүйелерін (ДҚБЖ) құрудың жалпы принциптері және функционалдық ерекшеліктері бойынша кәсіби дағдыларды дамыту, деректер қорын басқару жүйелерін қолдану арқылы "клиент-сервер" архитектурасы негізінде ақпараттық жүйелерді құру, SQL тілінің ерекшеліктері

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• DS үшін Python көмегімен сандық модельдеу

  Курстың мақсаты-алгоритмі Python тілінде жазылған 1D (немесе 2D) скалярлық толқын теңдеуіне ақырлы айырмашылық әдісі, псевдоспектральды әдіс, сызықтық және спектрлік элементтер әдісі сияқты әдістерді зерттеу және қолдану. Әр түрлі сандық әдістердің негізгі математикалық компоненттерін (мысалы, Тейлор қатарлары, Фурье қатарлары, дифференциация, функциялардың интерполяциясы, сандық Интеграция) және олардың қалай салыстырылатындығын суреттеуге баса назар аударылады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Математикалық модельдеудің әдістері

  Бұл курстың мақсаты әртүрлі қолданбалы есептерін шешудің жуық әдістерін зерттеу болып табылады. Әр әдіс алгоритм құрастырумен және бағдарламалық өнімді әзірлеумен бірге жүреді. Есептеу эксперименттері негізінде әдістердің әртүрлі қасиеттерін зерттеу.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Компьютер көзқарасында терең оқыту

  Бұл курстың мақсаты - магистранттарды негіздерден бастап, тереңдетіп оқытудың қазіргі заманғы үлгілеріне көшу арқылы компьютерлік көру қабілетімен таныстыру. Біз бейнелердің жіктелуі мен аннотациясын, объектілерді тану мен бейнелерді іздеуді, объектілерді табудың әр түрлі әдістерін, қозғалысты бағалауды, бейнедегі объектілерді бақылау, адамның іс-әрекеттерін тану және, ақырында, бейнені стильдеу, редакциялау және жаңа бейнені генерациялау сияқты видеолар мен бейнелерді тануды қарастырамыз. Курстық жоба шеңберінде магистранттар осы технологияның ішкі механикасын түсіну үшін, компьютерлік көру және жасанды интеллект мысалында фильмдер мен телешоуда ең танымал және жиі көрсетіліп тұратын адамдарды тану және оларды манипуляциялау жүйесін қалай құру керектігін біледі

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• DS үшін Mpi бар HPC-ге кіріспе

  Курстың мақсаты-хабар алмасу интерфейсі (MPI) стандарттарын қолдана отырып, өнімділігі жоғары есептеулер үшін параллельді бағдарламалау дағдыларын игеру және компьютерлік кластерлердегі өнімділігі жоғары деректерді талдау.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Тарих және ғылым философиясы

  Пәннің мақсаты – ғылыми әдебиеттермен жұмыс істеу дағдыларын; логикалық, жүйелі және сыни ойлау дағдыларын қалыптастыру. Пәнде келесі оқылатын болады: ғылым дамуының негізгі кезеңдері; ғылым тарихы мен философиясы қоршаған ортаға және тарихқа саналы қатынасты қалыптастыру, зерттеу қызметінің негізгі принциптері.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 5
  

• Жоғары мектеп: психологиялық-педагогикалық даму стратегиялары

  Пән жоғары білім беруді дамытудың психологиялық-педагогикалық стратегияларын зерделеуге, білім беру процесін жобалау мен ұйымдастыруда құзыреттіліктерді қалыптастыруға бағытталған. Магистранттар оқытудың заманауи психологиялық-педагогикалық тәсілдерін, студенттерді диагностикалау және бағалау әдістерін, сондай-ақ цифрлық және инклюзивті білім беру технологияларын меңгереді. Педагогикалық, зерттеу және коммуникативтік дағдыларды дамытуға, сондай-ақ оқытушылардың кәсіби тұрғыдан шаршауының алдын алуға ерекше назар аударылады. Курсты игеру нәтижесінде студенттер жоғары оқу орындарында тиімді білім беру стратегияларын әзірлеп, енгізе алады.

  Оқу жылы - 1
  Семестр - 1
  Несиелер - 6
  

• Машиналық оқыту 2

  Курстың мақсаты-практикалық мәселелерді шешу үшін машиналық оқытуды қолдану әдістерін терең зерттеу.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Жоғары деңгейде деректерді зерттеу

  Магистрант массивтік деректерді параллель өңдеу, оларды зерттеу және визуализациялау, сондай-ақ алдыңғы қатарлы машиналық оқыту және терең оқыту туралы терең түсінік алады. Машиналық оқытудың және терең оқытудың барлық алгоритмдерінің математикалық негіздерін түсіну. Магистрант білімді практикалық жағдайларда қолдана алады, архитектуралық шешімдерді негіздей алады, әртүрлі алгоритмдердің, құрылымдар мен технологиялардың сипаттамаларын және олардың модельдің өнімділігі мен масштабталуына қалай әсер ететінін түсіне алады

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Дербес туындылы теңдеулер үшін ақырлы айырымдар әдісі

  Курстың мақсаты студенттерге параболалық, гиперболалық және эллиптикалық типтердің теңдеулері үшін қойылған бастапқы-өлкелік есепті шешудің әрине-айырымдық әдістері туралы білім беру.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• DS қосымшаларын оңтайландыру әдістері

  Бұл курс деректер ғылымы саласындағы қосымшалармен сызықтық емес математикалық оңтайландыруға кіріспе ұсынады. Сызықтық емес оңтайландырудың теориялық негіздері мен іргелі алгоритмдері сызықтық емес регрессия, логистикалық регрессия, тірек векторлық машиналар және терең нейрондық желілерді қоса алғанда, бақыланатын оқыту модельдеріне зерттеледі және қолданылады. Студенттер өздерінің алгоритмдерін Python бағдарламалау тілінде жазады және нақты мәліметтер жиынтығында олардың жұмысын зерттейді.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Шет тілі (кәсіби)

  Пәннің мақсаты - магистратура бағдарламасы студенттерінің кәсіби/ғылыми қажеттіліктеріне қарай ағылшын тілін дамыту. Курс барысында студенттер жеке жобалар мен зерттеу портфолияларын жасайды. Курс нәтижесінде студенттер зерттеу портфолиоларын таныстырады.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Киберқауіпсіздікті математикалық модельдеу

  Курстың мақсаты-киберқауіпсіздік мәселелерін шешу үшін математикалық модельдеу әдістерін қолдану.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Ғылыми-зерттеу жұмысының негіздері

  Ғылыми зерттеулердің түрлерін, ғылыми танымның әдіснамасын, зерттеу, тұжырымдар мен тұжырымдарды зерттеу, конференцияда ғылыми мақалалар мен баяндамалар жазу, диссертациядағы зерттеу жұмысының нәтижелерін, оның құрылымы мен мазмұнын жинақтау.

  Оқу жылы - 1
  Семестр - 2
  Несиелер - 5
  

• Әлеуметтік игілікке арналған жасанды интеллект

  Студенттер Денсаулық сақтау, білім беру және қоршаған орта сияқты нақты әлеуметтік игіліктерде жасанды интеллектінің озық әдістерін зерттеп, қолданатын болады. Бұл сабақтың мақсаты студенттерге осы әдістерді аудиториядан тыс қолдануға мүмкіндік беру болып табылады. Класс регрессияны, тірек векторлар машиналарын (SVM), нейрондық желілерді, ұюды нейрондық желілерді (CNNs) және рекурренттік нейрондық желілерді (RNNs) қоса алғанда, Машиналық оқыту және терең оқыту әдістеріне шоғырланатын болады. Курс Машиналық оқыту теориясы бойынша дәрістермен және пікірталастармен алмасады.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Нейрондық желілерді қайта дайындау, деректерді көбейту проблемасы

  Нейрондық желілер бойынша бірінші сабақ - тауашаға кіріспе, машиналық оқыту саласындағы әзірлеушінің жолы, нейронның математикалық моделі, нейрондық желіні оқыту принциптері және цифрларды тану мысалында бірінші нейрондық желіні оқыту

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Деректерді зерттеу және визуализация

  Курстың мақсаты-сіздің құнды ақпараттық ресурстарыңызды тиімді пайдалануға көмектесетін визуалды бизнес-аналитиканың құралдары мен әдістеріне назар аудару. Визуализация-трендтерді, қатынастарды зерттеу, гипотезаларды растау, нәтижелерді беру және деректер туралы ақпарат алу құралы. Бұл курс қатысушыларды шикі деректерден, атап айтқанда сандық талдау үшін интерактивті визуалды бейнелер жасау принциптері мен әдістерін үйретуге бағытталған.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Кері есептерді шешудегі машиналық оқыту әдістері

  Курстың мақсаты студенттерге зерттелетін объектінің таңдалған аймағында болып жатқан процестерді математикалық модельдеуге негізделген Машиналық оқыту арқылы практикада және өндірісте кеңінен қолданылатын кері және дұрыс емес есептерді шешу әдістері туралы білім беру.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Есептеу комбинаторикасын математикалық модельдеу

  Курстың мақсаты-әртүрлі салалардағы ғылыми зерттеулерге санау комбинаторикасы әдістерін қолдану дағдыларын игеру. Курс биномдық коэффициенттер, қосу және алып тастау формуласы, сызықтық емес қайталау сияқты тақырыптарды қамтиды: каталондық сандардың көп қырлылығы, функцияларды тудыратын функциялар, бөлу үшін Эйлер функциясы және бесбұрышты формула.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Параллельді есептеу

  Курстың мақсаты-зерттеу MWS негізгі архитектуралары, екі стандартпен (OpenMP және MPI), ортақ және үлестірілген жады бар жүйелер үшін параллель бағдарламаларды әзірлеу. Практикалық мысалдарда жұмысты бөлудің негізгі құрылымдары мен әдістері талданады.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Қолданбалы терең оқыту

  Бұл курстың мақсаты - магистранттарды негіздерден бастап, тереңдетіп оқытудың қазіргі заманғы үлгілеріне көшу арқылы компьютерлік көру қабілетімен таныстыру. Біз бейнелердің жіктелуі мен аннотациясын, объектілерді тану мен бейнелерді іздеуді, объектілерді табудың әр түрлі әдістерін, қозғалысты бағалауды, бейнедегі объектілерді бақылау, адамның іс-әрекеттерін тану және, ақырында, бейнені стильдеу, редакциялау және жаңа бейнені генерациялау сияқты видеолар мен бейнелерді тануды қарастырамыз. Курстық жоба шеңберінде магистранттар осы технологияның ішкі механикасын түсіну үшін, компьютерлік көру және жасанды интеллект мысалында фильмдер мен телешоуда ең танымал және жиі көрсетіліп тұратын адамдарды тану және оларды манипуляциялау жүйесін қалай құру керектігін біледі

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Байестік статистика және талдау

  Бұл курс магистранттарға статистика, Байес статистикасы, Байес қорытындысы, R бағдарламалау дағдыларын дамытуға мүмкіндік береді. Курс Байес әдістері, аралас модельдер және динамикалық сызықтық модельдеу сияқты тақырыптарды қамтиды, бұл магистранттарға талдауды орындау, болжау және нақты деректерді пайдалана отырып статистикалық модельдер жасау үшін қажетті дағдыларды береді.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

• Қолданбалы көп өлшемді статистикалық талдау

  Курста статистикалық талдаудың негізгі мәселелері қаралады: сенімділік аралықтарын құру, гипотезаны тексеру, дисперсиялық және регрессиялық талдау. Курс сонымен бірге кейбір регрессиялық талдау әдістеріне назар аударады: Гаусс процестеріне негізделген регрессия және жалпыланған сызықтық модельдер.

  Оқу жылы - 2
  Семестр - 1
  Несиелер - 5
  

Профессии

Оқыту нәтижелері

• Еңбек қызметінде командада жұмыс істеуде тіл табыса білушілік, бастамашылық және психологиялық дайындығын көрсету және басқарушылық және техникалық шешімдер қабылдау
• Нақты уақыт режимінде ақпараттық ағындарды қоса алғанда, барлық мүмкін болатын дереккөздерден қажетті ақпаратты алу
• Жобалаудың негізгі стандарттарын, принциптері мен шаблондарын, әдістерін, құрал-саймандары мен бағдарламалау тілдерін таңдауды дәлелдеу, соның ішінде заманауи АКТ ақпаратты қорғау жүйелерін құру әдістері мен құралдарын таңдау
• Деректер туралы ғылым саласындағы зерттеу әдіснамасын қолдану
• Ақпараттық жүйелердің бағдарламалық, аппараттық, ақпараттық, математикалық, функционалдық қамтамасыз етілуін, оның ішінде ақпараттық қауіпсіздіктің алгоритмдері мен әдістерін әзірлеу және/немесе пайдалану
• Энергетикалық есептердің математикалық моделін құру
• 3D визуализациясын құру
• Әртүрлі процестердің математикалық модельдері мен әдістерін қолдану
• Заманауи ақпараттық технологиялар әдістерін пайдалана отырып математикалық модельдерді құру
• Деректерді өңдеу және талдау бойынша оларда жасырын тәуелділіктерді анықтау үшін қолданбалы есептерді шешу
• Ғылым мен техниканың қазіргі заманғы жетістіктерін пайдалана отырып, ғылыми-зерттеу жұмыстарының нәтижелерін аналитикалық түрде жалпылау және кешенді талдау, деректерді өз бетінше жинау, зерделеу, талдау және қорыту дағдыларын жүргізу.

Ұқсас БББ