ОБРАЗОВАТЕЛЬНАЯ ПРОГРАММА МИКРОКВАЛИФИКАЦИЙ «ML SPECIALIST» (встроенная)

Паспорт образовательной программы

Область образования: 6B06 Информационно-коммуникационные технологии
Направление подготовки: 6B061 Информационно-коммуникационные технологии
Группа образовательных программ: B057 Информационные технологии
Номер лицензии на направление подготовки: KZ67LAA00019559
Объем кредитов: 16
Регистрационный номер: MCCE-2022/0011
Дата регистрации: 04.05.2023 г.
Языки обучения: русский, английский
Организация-партнер: «Корпоративный университет» — филиал АО «Казахтелеком»

Краткое описание образовательной программы микроквалификации

Основное направление ОП:
Программа направлена на подготовку специалистов в области машинного обучения и анализа больших данных, на получение компетенций, необходимых для выполнения нового вида профессиональной деятельности — умения применять языки программирования SQL и Python для сбора, визуализации, анализа больших данных (Big data) и построение моделей машинного обучения, умения применять конкретные аналитические и продуктовые подходы.

Цель ОП микроквалификации:
Формирование навыков у обучающихся анализа задач машинного обучения и взвешенного выбора того или иного решения по работам с большими данными.

Задачи ОП микроквалификации:
— воспитание информационной, технической и исследовательской культуры;
— развитие интереса к научно-техническому творчеству, технике, высоким технологиям;
— развитие алгоритмического и логического мышления;
— сформировать теоретические знания по основам машинного обучения для построения формальных математических моделей и интерпретации результатов моделирования;
— выработать умения по практическому применению методов машинного обучения при решении прикладных задач в различных областях;
— выработать умения и навыки использования библиотек языка Python для разработки систем машинного обучения.

ФОРМИРУЕМЫЕ РЕЗУЛЬТАТЫ ОБУЧЕНИЯ

РО 1. правильно выбирать данные и переводить их в понятный машине формат;
РО 2. проектировать и обучать нейронные сети и другие модели машинного обучения;
РО 3. оценивать, насколько хорошо нейронные сети справляются со своими задачами;
РО 4. пользоваться фреймворком PyTorch, библиотекой Tensorflow и Keras API;
РО 5. использовать имеющиеся знания для решения практических задач глубокого обучения;
РО 6. ориентироваться в понятиях мира Больших Данных, Машинного обучения и Интернета Вещей;
РО 7. знать отличия разных версий дистрибутивов Hadoop, Spark, NoSQL или Kafka;
РО 8. определять нюансы облачных решений;
РО 9. знать, что такое стандарт GDPR;
РО 10. определять особенности Индустриального интернета Вещей.

СВЕДЕНИЯ О ДИСЦИПЛИНАХ

Наименование дисциплины Краткое описание дисциплины Кол-во кредитов Кол-во акад.часов Формируемые компетенции (коды)
1. Machine Learning Целью дисциплины является формирование у обучающихся теоретических знаний и практических навыков по основам машинного обучения, овладение слушателями инструментарием, моделями и методами машинного обучения. 5 150 ПК1, ПК2, ПК3, ПК5, ПК6
2. Deep learning Целью освоения дисциплины является освоение алгоритмов и методов глубокого обучения; формирование умений и навыков в решении практических задач с использованием методов глубокого обучения. 5 150 ПК1, ПК3, ПК5
3. Big data Формирование у обучающихся профессиональной компетенции в области разработки и использования систем обработки и анализа больших массивов данных. 5 150 ПК1. ПК3, ПК4
4. Итоговая аттестация Целью итоговой аттестации обучающегося является оценка результатов обучения и профессиональных компетенций, достигнутых по завершению изучения образовательной программы микроквалификации 1 30