Образовательная программа «8D06102 Искусственный интеллект» направлена на подготовку докторов философии (PhD) и определена теоретическими и прикладными исследованиями в областях искусственного интеллекта, машинного и глубокого обучения и компьютерного зрения, обработке естественного языка, формальных методов и алгоритмов использования искусственного интеллекта в других областях знаний.
Приемная комиссия
(7172) 64-57-10
info@astanait.edu.kz
Пн-Пт 9:00 — 18:00
Подготовка высококвалифицированных специалистов, способных проводить фундаментальные и прикладные исследования в области искусственного интеллекта, разрабатывать инновационные решения, а также внедрять передовые технологии машинного обучения и аналитики данных для решения сложных задач в различных отраслях науки и промышленности.
Дисциплина рассматривает основные правила и практики академического письма, включая: терминологию и стиль научного повествования, принятые в международном научном сообществе порядки изложения материала для научных статей и монографий, основные этапы опубликования статей и очерков в рейтинговых изданиях, структура научного и технического ответов, специфика их написания.
Дисциплина рассматривает основные парадигмы (онтологии) научных исследований в области компьютерных и смежных наук с упором на принципы генерации новых идей и знаний. На основании синтеза онтологий исследований обучающийся приобретет понимание принципов теоретических и практических исследований, рассмотрит примеры построения планов исследования и реализует подбор соответствующих инструментов.
Педагогическая практика направлена на развитие у обучающихся опыта организации проектно-ориентированного и студентоориентированного обучения под руководством руководителя практики. В результате прохождения практики обучающийся разовьет навыки публичного выступления и уверенность при работе с большой аудиторией слушателей, выработает понимание различных подходов к организации обучения.
Дисциплина охватывает основы теории искусственного интеллекта, в частности алгоритмы поиска, логику, формальные модели вычислений, планирование и принятие решений. Важным аспектом является изучение принципов, лежащих в основе решения задач посредством искусственного интеллекта, таких как поиск в пространствах состояний, теория графов, проблемы оптимизации, нечеткая логика, математическое/статистическое моделирование.
Исследовательская практика направлена на поиск научной литературы, её обработку, систематизацию знаний, подготовку эксперимента. В результате освоения обучающиеся применят на практике принципы взаимодействия с руководителем научной работы, критический анализ материала, синтез подхода к реализации научного исследования, в то числе аспектов валидации и интерпретации ожидаемых результатов, планирование мероприятий и работ по проекту.
Дисциплина, охватывает ключевые методы и техники машинного обучения (ML), в частности, обучение с учителем и без учителя, глубокое обучение, методы классификации, регрессии, нейронные сети и ансамблевые методы.
Дисциплина охватывает методы обработки и анализа текстовых данных, включая семантический и синтаксический анализ, создание языковых моделей, автоматический перевод, классификацию текста, распознавание речи и другие аспекты.
В дисциплине изучаются методы и технологии для анализа визуальных данных, такие как распознавание объектов, сегментация, классификация изображений, глубокое обучение для анализа видео и изображений. Эта дисциплина также включает вопросы создания моделей для автономных систем (например, самоуправляемых транспортных средств).
Дисциплина посвящена этическим, правовым и социальным аспектам применения искусственного интеллекта. Она охватывает темы, такие как прозрачность алгоритмов, влияние искусственного интеллекта на занятость, защита приватности, предвзятость алгоритмов и их влияние на общество.
Дисциплина рассматривает концептуальные основы и примеры применения практик экстремальной разработки (extreme development) и Scrum метода в контексте научной работы с упором на результат, а не процесс исследований.