Applied Artificial Intelligence

7M06108 Applied Artificial Intelligence

Профильные предметы: алгоритмы и структуры данных, а также базы данных.

Программа готовит специалистов по разработке и применению технологий искусственного интеллекта в реальных задачах. Студенты изучают машинное обучение, глубокие нейронные сети, обработку данных, компьютерное зрение и естественный язык. Программа обучает теоретическим основам и практическим методам, ориентированные на реальные вызовы и инновации в быстро развивающейся области ИИ. Программа предлагает гибкость выбора направления и предоставляет 3 выборочных направления с учетом интересов поступающих.

Контакты

Приемная комиссия

(7172) 64-57-10
info@astanait.edu.kz

Пн-Пт 9:00 — 18:00

Цель образовательной программы

Подготовка высококвалифицированных специалистов, способных разрабатывать и внедрять современные технологии искусственного интеллекта, включая машинное обучение, обработку данных и создание интеллектуальных систем, для решения комплексных задач в различных областях, таких как медицина, финансы, промышленность и технологии.
Студенты осваивают теоретические основы и практические методы, ориентированные на реальные вызовы и инновации в быстро развивающейся области ИИ.

Перечень должностей специалиста

Карьерные возможности
  • Data Scientist;
  • разработчик искусственного интеллекта;
  • аналитик больших данных;
  • инженер по глубокому обучению;
  • специалист по обработке естественного языка;
  • специалист по компьютерному зрению;
  • специалист по анализу данных;
  • архитектор AI-систем;
  • консультант по искусственному интеллекту;
  • специалист по интеллектуальному анализу данных руководитель организации;
  • зам. руководителя структурного подразделения;
  • руководитель структурного подразделения;
  • эксперт республиканского центра;
  • сотрудник национального, научно-практического центра, ВУЗа.

M094 – Информационные технологии

Группа образовательных программ

Магистр технических наук по образовательной программе «7M06108 Прикладной искусственный интеллект»

Присуждаемая степень

2 года

Срок обучения

Результаты обучения

  • Формулировать задачи, возникающие в ходе научно-исследовательской деятельности, применять методологические, психологические подходы в исследованиях.
  • Обладать критическим мышлением и владеть академическим языком на профессиональном уровне, позволяющем проводить научные исследования и осуществлять преподавание специальных дисциплин в вузах.
  • Применять методы искусственного интеллекта для решения различных прикладных задач.
  • Формулировать, модифицировать и разрабатывать методы искусственного интеллекта и машинного обучения.
  • Владеть иностранным языком на профессиональном уровне, позволяющем проводить научные исследования и осуществлять преподавание специальных дисциплин в вузах.
  • Выбирать необходимые подходы и методы исследования, модифицировать существующие и разрабатывать новые, исходя из задач конкретного исследования.
  • Применять методы анализа больших данных, включая их предварительную обработку, визуализацию и извлечение значимой информации.
  • Управлять командой и руководить процессом разработки систем искусственного интеллекта.
  • Разрабатывать решения на основе нейронных сетей, проектировать и обучать нейронные сети для обработки изображений, текста и других данных.

Документы

Перечень тематик для магистратуры

План развития

Модель выпускника

Документы образовательной программы

Учебные дисциплины

Цикл базовых дисциплин

Вузовский компонент

Психология управления

Содержание курса направлено на формирование системных представлений о психологических закономерностях управленческой деятельности, специфики использования социально — психологических знаний в структуре деятельности менеджера и освоении навыков анализа социально-психологических принципов, лежащих в основе эффективного управления.

Педагогика высшей школы

Содержание курса направлено на приобретение магистрантом знаний о теоретических основах педагогической теории и педагогического мастерства, управлении учебно-воспитательным процессом для преподавания в высшей школе, формирование представления об основных категориях педагогики, о месте, роли и значении педагогики высшей школы, понимание базовых принципов современной педагогики и методических подходов к решению педагогических задач высшей школы.

Иностранный язык (профессиональный)

Целью курса является формирование иноязычной профессионально — ориентированной коммуникативной компетенции магистрантов, позволяющей интегрироваться в международную профессиональную среду для межкультурного и профессионального общения.

Педагогическая практика

Педагогическая практика представляет собой вид практической деятельности магистрантов, включающий в себя преподавание специальных дисциплин, организацию учебной деятельности обучающихся, научно-методическую работу по предмету, получение умений и навыков в работе преподавателя.

История и философия науки

Содержание курса направлено на приобретение магистрантом знаний о свойствах науки как вида познания и социально-культурного феномена в её историческом развитии; формирование системных представлений об общих закономерностях научного познания в его историческом развитии и изменяющемся социокультурном контексте.

Основы ИИ: теория и приложения

Данная дисциплина предполагает изучение основ машинного обучения и искусственного интеллекта, и применение данных знаний для решения реальных прикладных задач. Дисциплина покрывает многие темы обучения с учителем и без учителя. Частично покрывается третий вид задач машинного обучения, так называемое обучение с прикреплением.

Программирование для ИИ

«Программирование для ИИ» знакомит обучающихся с основными концепциями программирования и инструментами для разработки искусственного интеллекта. Курс охватывает Python, библиотеки машинного обучения, реализацию алгоритмов, обработку данных и методы оптимизации, что дает обучающимся практические навыки разработки и внедрения моделей ИИ.

Математические основы ИИ

Курс охватывает математические основы для разработки решений в области искусственного интеллекта. Студенты изучат линейную алгебру, теорию вероятностей, статистику, оптимизацию и другие ключевые математические концепции, используемые в алгоритмах машинного обучения и глубокого обучения.

Цикл профилирующих дисциплин

Вузовский компонент

Введение в мультиагентные системы

В этом курсе представлены мультиагентные системы (MAS), охватывающие проектирование, разработку и взаимодействие автономных агентов. Студенты изучают ключевые концепции распределенного решения проблем, координации, сотрудничества, переговоров и разрешения конфликтов, применяя эти принципы к реальным сценариям и технологиям.

Методы и стратегии преподавания

Этот курс исследует инновационные педагогические подходы и эффективные методы для привлечения и облегчения процесса обучения в различных образовательных средах.

Когнитивные технологии и системы поддержки принятия решений

Курс охватывает основы когнитивных технологий и их применение в системах поддержки принятия решений. Студенты изучат методы анализа данных, моделирования поведения, искусственный интеллект и машинное обучение для эффективного принятия решений в сложных ситуациях.

Исследовательская практика

Исследовательская практика

Научно-исследовательская работа магистранта, включая прохождение стажировки и выполнение магистерской диссертации

Научно-исследовательская работа магистранта, включая прохождение стажировки и выполнение магистерской диссертации

Цикл профилирующих дисциплин

Компонент по выбору

Продвинутое машинное обучение

Эта дисциплина предполагает более глубокое изучение машинного обучения и искусственного интеллекта, а также применение этих знаний для решения реальных прикладных задач. Дисциплина охватывает многие темы обучения, такие как контролируемое и неконтролируемое обучение.

Искусственный интеллект в анализе данных

Курс посвящён использованию методов искусственного интеллекта для анализа данных. Обучающиеся будут изучат машинное обучение, обработку больших данных, кластеризацию и классификацию. Обучающиеся изучат алгоритмы для извлечения знаний из данных, будут осваивать инструменты для выявления скрытых закономерностей, прогнозирования и автоматизации аналитики, а также их применение в реальных задачах для принятия обоснованных решений.

Обработка изображений методами ИИ

Курс охватывает методы обработки изображений с использованием искусственного интеллекта, включая компьютерное зрение, нейронные сети и глубокое обучение. Обучающиеся изучат алгоритмы для анализа, распознавания и улучшения изображений, применяя их в реальных задачах и проектах.

Искусственный интеллект и нейронные сети

Курс изучает основы искусственного интеллекта и нейронных сетей, включая методы обучения, архитектуры сетей, обработку данных и их применение в различных областях. Обучающиеся осваивают проектирование и реализацию решений на базе ИИ и глубокого обучения.

Методы и инструменты Big Data

Цель состоит в том, чтобы предоставить магистрантам глубокое понимание концепций, технологий и методологий больших данных, позволяющих им обрабатывать, анализировать и получать информацию из крупномасштабных наборов в различных домены.

Компьютерная графика и моделирование в ИИ

Курс посвящён компьютерной графике и моделированию с использованием ИИ. Обучающиеся изучат создание 3D-моделей, визуализацию, а также применение алгоритмов ИИ для улучшения графических процессов и создания реалистичных виртуальных объектов и сцен.

Современные технологии глубокого обучения

Курс охватывает теорию и практику глубокого обучения, включая нейронные сети, обучение с учителем и без, а также применения в различных областях: компьютерное зрение, обработка естественного языка и анализ данных для решения реальных задач.

ИИ управляемый данными: методы больших данных и обучения с подкреплением

Этот курс изучает методы искусственного интеллекта, управляемые данными, с акцентом на обработку больших данных и методы обучения с подкреплением (RL). Обучающиеся научатся работать с массивными наборами данных, применять алгоритмы RL и разрабатывать интеллектуальные системы, которые адаптируются и улучшаются. Практические приложения в реальных сценариях ИИ будут подчеркнуты через практические проекты.

Алгоритмы и методы обучения с подкреплением

В этом курсе рассматриваются основные алгоритмы и методы обучения с подкреплением, включая методы, основанные на ценностях, основанные на политике и не основанные на моделях. Обучающиеся изучат приложения в области робототехники, игрового искусственного интеллекта и оптимизации, приобретая практический опыт работы с современными фреймворками для разработки интеллектуальных систем принятия решений.

Компьютерное зрение и распознавание образов

Курс охватывает методы компьютерного зрения и распознавания образов, включая обработку изображений, детекцию объектов, сегментацию и классификацию. Обучающиеся изучат алгоритмы и технологии для разработки систем, способных интерпретировать визуальную информацию и решать задачи из реального мира.

Кейсы больших данных: индустрия 4.0, медицина, ІоТ

Курс посвящён анализу кейсов больших данных в контексте индустрии 4.0, медицины и Интернета вещей (ІоТ). Обучающиеся изучат обработку и интерпретацию данных для улучшения производственных процессов, медицинских решений и умных технологий.

Генеративные алгоритмы

Этот курс знакомит обучающиеся с различными методами генеративного моделирования и алгоритмами, такими как вариационные автоподошеры (VAE), генеративные состязательные сети (GANS) и авторегрессивные модели. Обучающиеся узнают, как разрабатывать, тренировать и оценивать генеративные модели, а также изучать свои приложения в таких областях, как компьютерное зрение, обработка естественного языка и синтез данных