7M06105 Наука о данных в КБТУ (KBTU)

Курс методы исследований предназначен для ознакомления магистрантов с исследованиями в области технических наук и для развития исследовательских и аналитических навыков магистрантов. Обучающиеся знакомятся с теорией и логикой исследования, этикой, лежащей в основе исследовательского процесса, а также с рядом методов исследования, обычно используемых в технических науках. Внимание будет уделено дизайну исследования, сбору данных, элементарному анализу данных и написанию отчетов. Курс включает обсуждение конкретных методических подходов.

Курс включает в себя интенсивную программу изучения английского языка, ориентированную на грамматику и навыки разговорной речи. В курсе включены темы, отражающие последние достижения в области информационных технологий, а терминологический словарь делает их непосредственно соответствующими потребностям магистрантов.

Данный курс знакомит магистрантов с историей развития зарубежной и отечественной науки управления, её местом в системе психологического знания. Курс позволяет сформировать представление о современных тенденциях научного управления - новой научной управленческой парадигме, а также научит ориентироваться в основных разделах данной дисциплины: психологическом содержании управленческой деятельности, индивидуальной управленческой концепции руководителя, теоретических основах управленческого взаимодействия, психологических особенностях реализации основных управленческих функций, психологии субъекта управленческой деятельности. Дисциплина будет способствовать приобретению навыков психологического анализа взаимосвязи организационных проблем и качества реализации руководителем своих управленческих функций.

Курс преподается на промежуточном статистическом уровне. Основное внимание уделяется как теории многомерной статистики, так и ее применениям в многомерном анализе. Курс предполагает знакомство с основными понятиями в теории вероятностей и логических выводов. Компьютерная грамотность имеет важное значение, так как мы широко используем компьютер с использованием статистического программного обеспечения SAS.

Анализ данных и машинное обучение существенно опираются на результаты из математического анализа, линейной алгебры, методов оптимизации, теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понимать, как устроены методы анализа данных. Задача этого курса — сформировать такой фундамент. Мы обойдёмся без сложных формул и доказательств и сделаем упор на интерпретации и понимании смысла математических понятий и объектов. Для успешного применения методов анализа данных нужно уметь программировать. Фактическим стандартом для этого в наши дни является язык Python. В данном курсе мы предлагаем познакомиться с его синтаксисом, а также научиться работать с его основными библиотеками, полезными для анализа данных, например, NumPy, SciPy, Matplotlib и Pandas.

Этот курс знакомит с основными алгоритмами линейной, сетевой, дискретной, нелинейной, динамической оптимизации и оптимального управления. Акцент делается на методологии и основных математических структурах. Темы включают в себя симплекс-метод, методы сетевого потока, методы ветвления и границы и плоскости разреза для дискретной оптимизации, условия оптимальности для нелинейной оптимизации, методы внутренней точки для выпуклой оптимизации, метод Ньютона, эвристические методы, а также динамическое программирование и методы оптимального управления.

Этот курс предназначен для всестороннего изучения инфраструктуры больших данных с использованием Hadoop, HBase, Hive, Sqoop и PIG, а также для изучения сбора и анализа данных основываясь на классификации, кластеризации, анализа текста, анализа временных рядов и анализа графов. По завершению данного курса магистранты смогут планировать методы оценки, строить архитектуру управления и проводить аналитику больших данных.

Этот курс научит магистрантов лучше понимать визуализацию с помощью пакета SAS/PYTHON/R. Также понимать концепцию и техники визуализации.

Курс направлен на овладение основами обработки естественного языка (NLP). Курс охватывает методы и подходы, используемые во многих реальных приложениях NLP, таких как языковое моделирование, классификация текста, анализ тональности, реферирование и машинный перевод. Магистранты, проходящие курс, будут не только использовать некоторые из существующих библиотек и пакетов программного обеспечения NLP, но также узнают о принципах, лежащих в основе их разработки, и о математических моделях, лежащих в основе современной компьютерной лингвистики. Курс также включает выполнение практических заданий по программированию на Python и проведение экспериментов с текстами, написанными на английском, русском и казахском языках.

Курс предоставит магистрантам знания о теоретических основах педагогической теории и педагогического мастерства, управлении учебно-воспитательным процессом для преподавания в высшей школе, даст представление об основных категориях педагогики, о месте, роли и значении педагогики высшей школы в системе наук о человеке и в практической деятельности педагога, а также сформирует понимание о базовых принципах современной педагогики и методических подходах к решению педагогических задач высшей школы.

В общей системе подготовки магистрантов курс История и философия науки занимает важное мировоззренческое, научно-методологическое место, основным ядром которого является история, философия и методология науки. История науки является необходимым компонентом содержания образования в подготовке магистрантов для дальнейшего повышения уровня научно-исследовательской работы. История науки и частных наук дает возможность осмысления динамики развития науки, ее воздействия на развитие общества. Исторические знания позволяют будущему специалисту составить целостный образ науки, осознанно подойти к различным аспектам и контекстам исследования самой науки.

Данныф курс знакомит магистрантов с основами глубоких нейронных сетей и их приложениями к различным задачам ИИ. Ожидается, что к концу курса магистранты будут хорошо знакомы с предметом и смогут применять глубокое обучение для решения различных задач. Они также будут в состоянии понять большую часть текущей литературы по этой теме и расширить свои знания путем дальнейшего изучения.

Этот курс представляет собой обзор основ бизнеса, предназначенный для инженеров и ученых, стремящихся к коммерциализации технологий. Темы будут включать разработку, тестирование и адаптацию бизнес-концепций; финансирование технологического предприятия; маркетинг и распространение; организационные вопросы; глобальный бизнес; и юридические соображения, влияющие на технологические предприятия. Магистранты разовьют предпринимательские навыки, для реализации своих идей, технологических разработок и бизнес планов.

Этот курс готовит магистрантов к сбору, описанию и анализу данных, а также использованию передовых статистических инструментов для принятия решений об операциях, управлении рисками, финансах, маркетинге и т. д. Анализ проводится с целью принятия экономических и финансовых решений в сложных системах, в которых участвует несколько партнеров. Темы включают вероятность, статистику, проверку гипотез, регрессию, кластеризацию, деревья решений и прогнозирование.

Цель этого курса - дать магистрантам знания и навыки, необходимые для проведения исследований в области компьютерного зрения и его областей применения, таких как робототехника, здравоохранение и графика. Магистранты должны понимать сильные и слабые стороны существующих подходов к исследованию проблем и определять интересные открытые вопросы и направления будущих исследований. Магистранты также улучшат свои навыки критического чтения и общения.

Данный курс даст базовое представление о методах искусственного интеллекта и научит применять некоторые из методов для решения задач ИИ. Обучающиеся получат вводные сведения о концепциях машинного обучения в рамках искусственного интеллекта и изучат терминологию, синтаксис и операции, необходимые для создания решения машинного обучения, используя на занятиях практические упражнения и инструменты.

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

Оформление и защита магистерской диссертации

Применять методические знания в проведении научных исследований, педагогической и воспитательной работы, знать психологические методы и средства для повышения эффективности и качества работы, а также уметь выстраивать коммуникации, и владеть в совершенстве иностранным языком.

Понимать теоретические основы машинного обучения на продвинутом уровне, чтобы проводить исследования в этой области, а также определять основные различия в анализах, которые могут быть вызваны проблемами регрессии, классификации, кластеризации и уменьшения размерности.

Разрабатывать информационные системы с использованием облачных технологии для работы с инфраструктурами данных, инструментами обработки больших датасетов, а также проводить оценку моделей, сгенерированных из данных, используя инфраструктуры больших данных и высокопроизводительных сетей.

Проводить анализ и оценку разведочных данных, случайных переменных, общих дискретных и непрерывных распределений, распределений выборки, с использованием теста гипотез и статистического моделирования.

Разрабатывать новые и применять существующие алгоритмы для решения практических проблем, оптимизации обучающих моделей, и предоставления информации об ожидаемой эффективности от применения этих моделей.

Интерпретировать результаты работ алгоритмов машинного обучения, измерять их надежность и производить обмен полученных данных с экспертами других сфер деятельности.

Оценивать результаты работ модели машинного обучения, разрабатывать и применять новые алгоритмы обучения.

Строить панели данных и аналитические отчеты, используя эффективные методы визуализации и интерпретации.

Быть компетентным в вопросах профессиональной деятельности, формулировать на языке статистики проблемы продвинутого уровня сложности, а также уметь выполнять математические расчеты на компьютере.

Анализировать актуальные источники данных и, на их основании делать выводы, а также аргументировать и принимать решения.