6B06151 Искусственный интеллект в Кызылординский открытый университет

Дисциплины

• Физика

  Цель дисциплины формирование у студентов умений и навыков использования фундаментальных физических законов и теорий, а также методов физического исследования для решения профессиональных задач. Краткое содержание дисциплины: механика, молекулярная физика и термодинамика, электродинамика.

  Год обучения - 1
  Семестр - 1
  Кредитов - 3
  

• Математика

  Знания в области базовых разделов высшей математики и применять их в профессиональной деятельности. Практические навыки инженерно-технических задач практического и теоретического содержания математическими методами. Методы и аппараты математического расчета по специальности.

  Год обучения - 1
  Семестр - 1
  Кредитов - 5
  

• Финансовая грамотность

  Финансовая грамотность — дисциплина, обучающая основам управления личными финансами, включая бюджетирование, инвестиции, кредиты и сбережения, что помогает принимать обоснованные финансовые решения.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Экология и безопасность жизнедеятельности

  Обучает основам безопасности жизнедеятельности, теории и практике, необходимой для безопасных и безвредных условий жизнедеятельности. Учит, применяет знания и понимание в области экологии на профессиональном уровне. Формирует возможности, принимает грамотные решения и делает прогнозы по защите населения и производственного персонала, объектов хозяйствования от последствий аварий, стихийных бедствий при чрезвычайных ситуациях.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Методы научных исследований

  У будущих специалистов развиваются навыки выбора научной темы исследования, а также отбора необходимых библиографических публикаций и информационных материалов по выбранной теме, формулирования научных проблем информационных процессов.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Предпринимательство

  Целью дисциплины является привитие практических навыков осуществления предпринимательской деятельности на основе изучения теории и практики предпринимательства как системы экономических, организационных и правовых отношений предпринимательских структур, показать роль и место малых предприятий в современных условиях функционирования экономики, изложить основные принципы и раскрыть содержание бизнес-плана субъектов предпринимательской деятельности

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Экономика и право

  В дисциплине рассматриваются законы экономического развития, современные методы экономического анализа, основные правовые категории, место и роль права в системе социальных норм и политической системе общества. Прививаются навыки применения усвоенных экономических и правовых знаний в системе социальной коммуникации, способности формирования адекватного правового сознания и ответственной гражданской позиции.

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Основы антикоррупционной культуры

  В дисциплине раскрываются основные определения коррупции, международное и национальное законодательство, регулирующее противодействие коррупции, основные подходы к формулированию стратегии противодействия коррупции и базовые элементы такой стратегии. Овладеваются навыки применения полученных знаний в политическом анализе, в деятельности органов государственной власти, политических и общественных организаций, анализировать проблемы, связанные с коррупцией и противодействием ей

  Год обучения - 1
  Семестр - 2
  Кредитов - 5
  

• Электроника и схемы

  Предмет охватывает основы электроники и принципы работы электрических схем. Развивает способности к проектированию и анализу аналоговых и цифровых устройств. Демонстрирует применение микроконтроллеров и датчиков в системах ИИ. Формирует навыки работы с базовыми инструментами схемотехники, такими как мультиметры и осциллографы. Включает лабораторные работы для создания простых электронных устройств. Подготавливает студентов к взаимодействию с аппаратными компонентами интеллектуальных систем.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Программирование 1

  Курс развивает базовые навыки программирования, необходимые для решения задач в области искусственного интеллекта. Студент осваивает основы синтаксиса и семантики языка программирования, такие как переменные, циклы, условия и функции. Демонстрирует умение разрабатывать, тестировать и отлаживать простые программы. Формирует понимание принципов структурного программирования и работы с базовыми структурами данных. Развивает способности к анализу задач и написанию эффективного кода. Подготавливает к дальнейшему изучению продвинутых языков и технологий, применяемых в ИИ.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Программа SQL

  Цель дисциплины: получение студентами знаний об этапах разработки БД, о перспективных направлениях развития СУБД. Способствует приобретению студентами умений и навыков в области проектирования, разработки и администрирования БД; формированию у студентов концептуальных представлений об основных принципах построения БД, систем управления базами данных, математических моделях, описывающих БД, а также об основных технологиях реализации БД

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Объектно-ориентированное программирование

  Студенты изучают основы ООП, применяя принципы инкапсуляции, наследования и полиморфизма для разработки программ. Они разрабатывают и оптимизируют алгоритмы, обеспечивая их эффективность и масштабируемость в рамках ИИ-систем.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Дискретные структуры

  Курс "Дискретные структуры" формирует у студентов математическую базу, необходимую для решения задач в области искусственного интеллекта. Студент осваивает основы теории множеств, комбинаторики, теории графов и логики. Развивает способность применять дискретные структуры для моделирования и анализа данных. Демонстрирует умение решать задачи, связанные с поиском путей, оптимизацией и алгоритмизацией. Формирует навыки работы с логическими выражениями и алгоритмами, используемыми в ИИ. Подготавливает к изучению более сложных математических концепций, применяемых в машинном обучении и анализе данных.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Компьютерные сети

  Формирует у студентов базовые и углубленные знания в области сетевых технологий, необходимых для работы в сфере искусственного интеллекта. Студент осваивает принципы организации сетей, включая модели OSI и TCP/IP, а также протоколы передачи данных. Развивает навыки настройки и администрирования сетевого оборудования, а также анализа сетевого трафика. Демонстрирует умение проектировать и оптимизировать сети для задач, связанных с обработкой больших данных и распределенными вычислениями. Формирует понимание основ кибербезопасности и защиты данных в сетях. Подготавливает к работе с сетевыми технологиями, используемыми в системах ИИ, такими как облачные вычисления и IoT.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• База данных

  Предмет формирует навыки работы с базами данных и их архитектурой. Развивает способности к проектированию и оптимизации реляционных и нереляционных баз данных. Демонстрирует применение SQL для выполнения запросов и анализа данных. Включает практические задания по интеграции баз данных в ИИ-системы. Формирует понимание принципов хранения больших объемов данных. Подготавливает студентов к эффективной работе с данными в задачах машинного обучения и анализа.

  Год обучения - 2
  Семестр - 1
  Кредитов - 4
  

• Smart технологии

  Цель дисциплины: дать основные понятия о смарт-технологий, как о способе проведения рабочего проектирования. Прививаются навыки применения смарт-технологий для реализации систем малой автоматизации из различных областей, использования смарт-технологий для разработки объектов профессиональной деятельности в различных областях, владения техникой адаптации смарт-технологий к изменяющимся условиям функционирования

  Год обучения - 2
  Семестр - 2
  Кредитов - 6
  

• Программирование 2

  Углубляет знания и навыки, полученные на начальном этапе, с акцентом на применение в области искусственного интеллекта. Студент осваивает продвинутые концепции программирования, включая объектно-ориентированное программирование, работу с библиотеками и фреймворками. Развивает умение проектировать и реализовывать сложные алгоритмы, включая алгоритмы машинного обучения и обработки данных. Демонстрирует навыки работы с большими объемами данных, их обработки и визуализации. Формирует понимание принципов оптимизации кода и его интеграции с системами ИИ. Подготавливает к самостоятельной разработке программных решений для задач искусственного интеллекта.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Основы искусственного интеллекта

  Предмет формирует базовое понимание принципов искусственного интеллекта. Развивает способности к анализу методов машинного обучения, нейронных сетей и обработки данных. Демонстрирует применение ИИ в решении задач классификации, прогнозирования и автоматизации. Включает практические задания по работе с библиотеками Python, такими как TensorFlow и Scikit-learn. Способствует освоению основных подходов к созданию интеллектуальных систем. Подготавливает студентов к углубленному изучению современных технологий ИИ.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Основы кибербезопасности

  Дисциплина, изучающая методы защиты информационных систем, данных и сетей от кибератак. Студенты узнают о типах угроз, уязвимостях и способах их устранения, а также осваивают принципы криптографии, аутентификации и управления доступом. Особое внимание уделяется защите данных в системах искусственного интеллекта, включая безопасность алгоритмов машинного обучения и нейронных сетей. Курс развивает навыки анализа рисков и создания защищенных решений для AI-приложений.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Java программирование

  Целью изучения дисциплины является усвоение и закрепление основных приемов, методов и принципов работы при создании кроссплатформенных программ, усвоение навыков использования языка Java, подготовка к профессиональной сертификации

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Вероятность и статистика

  "Вероятность и статистика" — это дисциплина, изучающая основы теории вероятностей и статистических методов для анализа данных. Студенты осваивают понятия случайных величин, распределений, математического ожидания и дисперсии, а также учатся применять статистические методы для обработки и интерпретации данных. Курс включает изучение вероятностных моделей, тестирование гипотез и регрессионный анализ, что особенно важно для работы с алгоритмами машинного обучения и искусственного интеллекта.

  Год обучения - 2
  Семестр - 2
  Кредитов - 4
  

• Основы информационной безопасности

  Цель дисциплины: дать целостное представление о современных методах обеспечения информационной безопасности на базе терминологического фундамента, грамотного проведения анализа угроз информационной безопасности, знакомство с методами нарушения доступности, конфиденциальности и целостности информации, общеметодологических принципов теории информационной безопасности. Приобретаются навыки выполнения оперативного управления деятельностью организации по комплексному обеспечению информационной безопасности конкретных автоматизированных систем на основе разработанных программ и методик

  Год обучения - 3
  Семестр - 1
  Кредитов - 4
  

• Обработка сигнала 1

  "Обработка сигналов 1" — это дисциплина, изучающая основы анализа и обработки аналоговых и цифровых сигналов. Студенты осваивают методы фильтрации, спектрального анализа, дискретизации и квантования сигналов, а также знакомятся с преобразованием Фурье и Z-преобразованием. Курс закладывает фундамент для понимания работы систем обработки звука, изображений и данных, что важно для дальнейшего изучения "Обработки сигналов 2" и применения в задачах искусственного интеллекта.

  Год обучения - 3
  Семестр - 1
  Кредитов - 4
  

• Компьютерное зрение

  "Компьютерное зрение" — это дисциплина, изучающая методы анализа и обработки изображений и видео с использованием алгоритмов искусственного интеллекта. Студенты осваивают техники распознавания объектов, сегментации изображений, детектирования лиц и жестов, а также работу с нейронными сетями для задач компьютерного зрения. Курс включает практическое применение библиотек, таких как OpenCV и TensorFlow, для создания интеллектуальных систем, способных интерпретировать визуальную информацию.

  Год обучения - 3
  Семестр - 1
  Кредитов - 4
  

• Введение в машинное обучение 1

  Предмет охватывает основы механики, электроники и программирования роботов. Способствует развитию навыков проектирования автономных систем. Формирует понимание алгоритмов управления и машинного обучения в роботах. Демонстрирует применение ИИ для решения задач навигации, манипуляции и взаимодействия с окружающей средой. Включает лабораторные работы по созданию прототипов.

  Год обучения - 3
  Семестр - 1
  Кредитов - 6
  

• Архитектура и организация компьютерных сетей

  В дисциплине изучаются логические основы, элементы и узлы ЭВМ, основы построения ЭВМ; внутренняя организация процессора, организация работы памяти компьютера, интерфейсы, режимы работы процессора, организация и принципы работы основных логических блоков компьютерных систем, основы архитектуры персональных компьютеров. Прививаются навыки суперскалярного и неупорядоченного выполнения команд ввода-вывода, использования многопоточности и введения в мультипроцессоры с общей памятью

  Год обучения - 3
  Семестр - 1
  Кредитов - 6
  

• Робототехника

  Предмет охватывает основы механики, электроники и программирования роботов. Способствует развитию навыков проектирования автономных систем. Формирует понимание алгоритмов управления и машинного обучения в роботах. Демонстрирует применение ИИ для решения задач навигации, манипуляции и взаимодействия с окружающей средой. Включает лабораторные работы по созданию прототипов.

  Год обучения - 3
  Семестр - 1
  Кредитов - 6
  

• Современные криптографические системы

  Дисциплина знакомит студентов с организационными, техническими, алгоритмическими и другими методами и средствами защиты компьютерной информации, с современными криптосистемами, дает навыки написания программ с использованием криптографических методов

  Год обучения - 3
  Семестр - 2
  Кредитов - 4
  

• Введение в машинное обучение 2

  "Введение в машинное обучение 2" — это углубленный курс, продолжающий изучение методов и алгоритмов машинного обучения. Студенты осваивают продвинутые техники, такие как ансамбли моделей (Random Forest, Gradient Boosting), методы оптимизации, обработка текстовых данных (NLP) и работа с временными рядами. Курс также включает изучение глубокого обучения (Deep Learning) и применение нейронных сетей для решения сложных задач. Практические задания направлены на реализацию моделей и их оптимизацию для реальных данных.

  Год обучения - 3
  Семестр - 2
  Кредитов - 4
  

• Создание и разработка мобильных приложений

  Цель дисциплины: закрепление навыков проектирования приложений и разработки пользовательского интерфейса в контексте разработки мобильных приложений, получения теоретической и практической подготовки студентов в области разработки на динамично развивающихся и изменяющихся платформах

  Год обучения - 3
  Семестр - 2
  Кредитов - 4
  

• Нейронные сети и глубокое обучение

  Предмет изучает архитектуру и принципы работы нейронных сетей. Развивает способности к созданию моделей глубокого обучения для задач классификации, регрессии и генерации данных. Демонстрирует применение фреймворков, таких как TensorFlow и PyTorch. Включает практические задания по обучению сетей на больших наборах данных. Формирует навыки оптимизации моделей и анализа их производительности. Подготавливает студентов к решению сложных задач в области компьютерного зрения, обработки естественного языка и других направлений ИИ.

  Год обучения - 3
  Семестр - 2
  Кредитов - 6
  

• Обработка естественного языка

  "Обработка естественного языка"— это дисциплина, изучающая методы анализа, понимания и генерации человеческого языка с использованием алгоритмов искусственного интеллекта. Студенты осваивают техники токенизации, лемматизации, анализа тональности, машинного перевода и создания языковых моделей (например, GPT, BERT). Курс включает работу с текстовыми данными, построение чат-ботов и систем вопросно-ответного взаимодействия. Практические задания направлены на применение NLP для решения реальных задач, таких как классификация текстов, извлечение информации и генерация текста.

  Год обучения - 3
  Семестр - 2
  Кредитов - 4
  

• Обработка сигнала 2

  "Обработка сигналов 2" — это углубленный курс, продолжающий изучение методов анализа и обработки сигналов. Студенты осваивают продвинутые техники, такие как вейвлет-преобразования, адаптивная фильтрация, обработка многомерных сигналов и методы сжатия данных. Курс также включает изучение алгоритмов для обработки аудио, видео и биомедицинских сигналов, что особенно важно для разработки интеллектуальных систем в области искусственного интеллекта и машинного обучения.

  Год обучения - 3
  Семестр - 2
  Кредитов - 4
  

• Управление исследованиями и разработками (R&D) и инновациями

  "Управление исследованиями и разработками (R&D) и инновациями" — это дисциплина, изучающая методы организации и управления научными исследованиями, разработками и внедрением инноваций. Студенты осваивают стратегическое планирование R&D-проектов, управление интеллектуальной собственностью, оценку рисков и финансирование инноваций. Курс включает изучение процессов коммерциализации технологий, создания инновационных продуктов и управления инновационными командами. Практические задания направлены на разработку и реализацию инновационных стратегий для различных отраслей.

  Год обучения - 4
  Семестр - 1
  Кредитов - 4
  

• Технология искусственного интеллекта (AI)

  "Технология искусственного интеллекта (AI)" — это дисциплина, изучающая современные методы и инструменты разработки интеллектуальных систем. Студенты осваивают основы машинного обучения, нейронных сетей, обработки естественного языка и компьютерного зрения. Курс включает изучение алгоритмов, фреймворков (TensorFlow, PyTorch) и их применение для решения реальных задач, таких как распознавание образов, прогнозирование и автоматизация процессов. Практические задания направлены на создание и оптимизацию AI-моделей для различных отраслей.

  Год обучения - 4
  Семестр - 1
  Кредитов - 4
  

• Управление и защита баз данных

  "Управление и защита баз данных" — это дисциплина, изучающая методы организации, управления и обеспечения безопасности баз данных. Студенты осваивают проектирование баз данных, язык SQL, управление транзакциями и резервное копирование. Курс включает изучение методов защиты данных, таких как шифрование, аутентификация и управление доступом, а также предотвращение атак и утечек информации. Практические задания направлены на создание, оптимизацию и защиту баз данных в реальных условиях.

  Год обучения - 4
  Семестр - 1
  Кредитов - 4
  

• Искусственный интеллект и бизнес-аналитика для стартапов

  "Искусственный интеллект и бизнес-аналитика для стартапов" — это дисциплина, направленная на применение технологий искусственного интеллекта (ИИ) и аналитики данных для решения бизнес-задач стартапов. Студенты изучают методы анализа данных, прогнозирования, оптимизации бизнес-процессов и принятия решений на основе данных. Курс включает работу с инструментами бизнес-аналитики (BI), машинным обучением и визуализацией данных. Практические задания направлены на создание ИИ-решений для повышения эффективности стартапов, включая анализ рынка, управление ресурсами и прогнозирование спроса.

  Год обучения - 4
  Семестр - 1
  Кредитов - 6
  

• Python для науки о данных и искусственного интеллекта

  "Python для науки о данных и искусственного интеллекта" — это дисциплина, посвященная использованию языка программирования Python для анализа данных, машинного обучения и разработки AI-решений. Студенты изучают библиотеки, такие как NumPy, Pandas, Matplotlib, Scikit-learn и TensorFlow, для обработки данных, визуализации и построения моделей. Курс включает работу с большими данными, создание нейронных сетей и применение алгоритмов машинного обучения. Практические задания направлены на решение реальных задач в области науки о данных и искусственного интеллекта.

  Год обучения - 4
  Семестр - 1
  Кредитов - 4
  

• Блокчейн-технологии

  "Блокчейн-технологии" — это дисциплина, изучающая принципы работы распределенных реестров, криптографические основы и применение блокчейна в различных сферах. Студенты осваивают архитектуру блокчейн-сетей, смарт-контракты, консенсусные алгоритмы (Proof of Work, Proof of Stake) и разработку децентрализованных приложений (DApps). Курс также охватывает вопросы безопасности, масштабируемости и использования блокчейна в финансах, логистике и управлении данными. Практические задания включают создание и тестирование блокчейн-решений.

  Год обучения - 4
  Семестр - 1
  Кредитов - 4
  

• Основы коммутации, маршрутизации и беспроводных сетей

  "Основы коммутации, маршрутизации и беспроводных сетей" — это дисциплина, изучающая принципы построения и функционирования компьютерных сетей. Студенты осваивают основы коммутации и маршрутизации данных, протоколы передачи данных (TCP/IP, Ethernet), а также технологии беспроводных сетей (Wi-Fi, Bluetooth). Курс включает изучение сетевого оборудования, настройку маршрутизаторов и коммутаторов, а также проектирование и оптимизацию сетевой инфраструктуры. Практические задания направлены на создание и настройку сетей, включая беспроводные решения.

  Год обучения - 4
  Семестр - 1
  Кредитов - 4
  

• Коммерциализация ИИ-продуктов

  "Коммерциализация ИИ-продуктов" — это дисциплина, изучающая методы вывода на рынок продуктов, созданных на основе искусственного интеллекта. Студенты осваивают стратегии коммерциализации, анализ рынка, управление интеллектуальной собственностью и монетизацию AI-решений. Курс включает изучение бизнес-моделей, маркетинговых стратегий и взаимодействие с инвесторами. Практические задания направлены на разработку и реализацию планов коммерциализации для реальных ИИ-продуктов.

  Год обучения - 4
  Семестр - 2
  Кредитов - 5
  

• Интернет технологии

  "Интернет технологии" — это дисциплина, изучающая принципы работы и разработки современных веб-приложений и сетевых сервисов. Студенты осваивают основы протоколов передачи данных (HTTP, HTTPS, TCP/IP), языки веб-разработки (HTML, CSS, JavaScript) и frameworks (React, Angular). Курс включает изучение архитектуры клиент-серверных приложений, REST API, облачных технологий и безопасности веб-приложений. Практические задания направлены на создание и оптимизацию веб-приложений.

  Год обучения - 4
  Семестр - 2
  Кредитов - 5
  

• Управление IT-проектами

  "Управление IT-проектами" — это дисциплина, изучающая методы планирования, организации и контроля IT-проектов. Студенты осваивают методологии управления проектами (Agile, Scrum, Waterfall), управление ресурсами, рисками и сроками. Курс включает изучение инструментов проектного управления (Jira, Trello) и практику создания проектной документации. Практические задания направлены на разработку и реализацию IT-проектов с учетом бюджетных и временных ограничений.

  Год обучения - 4
  Семестр - 2
  Кредитов - 5
  

Профессии

Результаты обучения

• Понимает влияние социально-культурных факторов на ИТ и ИИ, учитывает культурные различия, инклюзию и устойчивое развитие при создании и применении интеллектуальных систем.
• Знает основные концепции ИИ, математики и физики, использует базовые принципы для решения технических задач и разработки ИИ-решений.
• Владеет основами программирования, использует ключевые языки и инструменты для разработки программного обеспечения и создания приложений.
• Владеет методами машинного обучения и обработки данных, применяет их для анализа и решения реальных задач.
• Знает принципы работы нейронных сетей и глубокого обучения, разрабатывает и обучает модели для сложных задач, таких как обработка изображений и текста.
• Проектирует интеллектуальные системы и приложения, учитывая потребности пользователей и требования к производительности и безопасности.
• Применяет методы организации, защиты и управления данными, разрабатывает и поддерживает информационные системы.
• Оценивает риски и угрозы ИИ-систем, учитывает этические и правовые аспекты их разработки и использования.
• Использует продвинутые методы и технологии ИИ для решения сложных задач в различных областях, таких как робототехника, кибербезопасность и блокчейн.

Похожие ОП