Деректерді талдау
КОД – ________
КРЕДИТ – 3 (2/0/1)
ПРЕРЕКВИЗИТ – Алгоритмдеу және бағдарламалау негіздері, Ықтималдықтар теориясы
және математикалық статистика
КУРСТЫҢ МАҚСАТЫ МЕН МІНДЕТІ
Курстың мақсаты келесідей:
-
студенттерді автоматтандыру теориясын қоса есептеулердің математикалық
негіздерімен таныстыру;
-
ресми тілдер мен грамматиканың теориясы; алгоритм түсінігі, шешілімділігі,
күрделілігі және есептелуі.
Студенттердің есептеулер мен алгоритмдер үшін математикалық дәлелдерді түсінуге және
орындауға қабілеттілігін жақсарту / дамыту.
КУРСТЫҢ ҚЫСҚАША СИПАТТАМАСЫ
Негізгі статистикалық әдістер мен инженерлік есептерге, үлгілерге және популяцияларға
қолдану, жиілік бөлу, ықтималдықтар теориясы, негізгі бөлу, кездейсоқ іріктеу, нүктелік
және аралық мәндерді бағалау, гипотезаны тексеру және сызықтық регрессия және
корреляция.
КУРСТЫ АЯҚТАҒАННАН КЕЙІНГІ БІЛІМІ, БІЛІКТІЛІГІ, ДАҒДЫЛАРЫ
Студент ықтималдықтың негізгі ережелерін, соның ішінде қосындылық пен көбейту
заңдарын, тәуелсіз және бір-біріне тән оқиғаларды білуге тиіс; кездейсоқ айнымалы және
ықтималдылық, оның ішінде дискретті және үздіксіз кездейсоқ шамалардың, математикалық
күтулер мен коэффициенттер, поисондарды бөлу.
Сызықтық регрессиялық және корреляция қағидаттарын, оның ішінде x мәнінің нақты мәнін
және корреляция коэффициентінің мәнін болжайтын ең кіші квадраттар әдісін пайдалану
керек;
статистикалық деректерді графикалық түрде жиіліктерді бөлу және жиілік жиілігін бөлу
арқылы талдауды білуі керек;
Өндірістік ақпараттық жүйелер
КОД – ________
КРЕДИТ – 3 (2/0/1)
ПРЕРЕКВИЗИТ –
Желілік бағдарламалау технологиялары
КУРСТЫҢ МАҚСАТЫ МЕН МІНДЕТІ
Пән желілік қосымшаларды құру дағдыларын дамыту курсының жалғасы болып табылады.
Бұл курсты оқыту мақсаты келесілерден тұрады: кәсіпорындарда қолданылатын веб
қосымшалардың қолдаулы және кеңейтілетін жобаларын құру мәселелері мен әдіснамасын
қарастыру.
КУРСТЫҢ ҚЫСҚАША СИПАТТАМАСЫ
Жоғары деңгейлі тілдер негізінде MVC модельдері оқытылады. Клиенттердің қосылыстары
туралы жай-күйін сақтаумен және жай-күйін сақтаусыз қосымшалардың технологиялары
оқытылады. Код көлемін қысқартудың және қайта пайдаланудың түрлі тетіктері
қарастырылады. Аутентификация және авторизациялау, деректерге қол жеткізу және
олармен операциялар мәселелері қарастырылады.
КУРСТЫ АЯҚТАҒАННАН КЕЙІНГІ БІЛІМІ, БІЛІКТІЛІГІ, ДАҒДЫЛАРЫ
Студент MVC үлгісін пайдалана отырып, қосымшаларды жасау моделін білетін болады.
Тәуелділіктерді енгізу, логирлеу, деректерге қол жеткізу тетіктерін білетін болады.
Толық функционалды аутентификация және авторизациялау механизмі бар масштабталатын
веб-қосымшаларды жасай алатын болады.
Статистикалық талдау есептеріндегі R тілі
КОД – ________
КРЕДИТ – 3 (2/0/1)
ПРЕРЕКВИЗИТ – Ықтималдықтар теориясы және математикалық статистика
КУРСТЫҢ МАҚСАТЫ МЕН МІНДЕТІ
Курстың негізгі мақсаты-студенттерді статистикалық талдау жүргізу мақсатында деректерді
өңдеудің қуатты құралдарының бірі ретінде R тілімен таныстыру.
КУРСТЫҢ ҚЫСҚАША СИПАТТАМАСЫ
Студенттер R және Rstudio стандартты әдістерін, сондай-ақ арнайы пакеттер мен
кітапханаларды пайдалана отырып, деректерді манипуляциялауды үйренеді. Статистикалық
талдаудың негізгі әдістері ашылады: t-тест, корреляция, регрессия, дисперсиялық және
регрессиялық талдау және т.б. сонымен қатар біз R-де өз функцияларын жазуды үйренеміз.
КУРСТЫ АЯҚТАҒАННАН КЕЙІНГІ БІЛІМІ, БІЛІКТІЛІГІ, ДАҒДЫЛАРЫ
Студенттер Р бағдарламалау тілінде толық талдау жасауды үйренеді.
Деректерді жинау, жіктеу, оңтайлы шешім іздеу және олардың негізінде болжамдар мен
графиктер құру. Статистика және машиналық оқыту негіздерімен танысады-мәтінді бояу,
тауарға сұраныс, қандай да бір әрекет ықтималдығы және басқа да өмірлік міндеттер.
Студенттер үйренеді құралдарын пайдалануы визуализация деректер:
-
Гистограммалар және графика ,
-
Plotly, ggplot2, qplot, Power Bi
Деректерді өңдеу модельдерін пайдалана алады: брошь Погони тест,Шапиро тест, ANOVA,
MANOVA, Decision trees, Random Forest, Regression, Ensemble of Models, Xgboost, Catboost
Time Series, xgboost, mlbayesoptimisation, greed search, boruta, prophet, leaflet.
Нейрондық желілер теориясы
КОД ________
КРЕДИТ – 3 (2/1/0)
ПРЕРЕКВИЗИТ: Алгоритмдеу және бағдарламалау негіздері, математика, Ықтималдықтар
теориясы және математикалық статистика
КУРСТЫҢ МАҚСАТЫ МЕН МІНДЕТІ
Бұл пәнді оқу мақсаты жасанды нейрондық желілерді құрудың теориялық базисін меңгеру,
қателіктерді кері тарататын желілерді құрудың математикалық моделін оқып үйрену,
оқытуды оңтайландыру және жинақтылық әдістерін меңгеру болып табылады. Нейрондық
желілердің әртүрлі топологияларын зерттеу.
КУРСТЫҢ ҚЫСҚАША СИПАТТАМАСЫ
Қазіргі уақытта жасанды нейрондық желілер Машиналық оқыту міндеттерінде кеңінен
таралған. Бұл мамандандырылған процессорларды пайдалана отырып, секундта триллион
операцияларды орындауға мүмкіндік беретін технологиялық прогреспен оқытудың
инновациялық үлгілерімен байланысты. Жасанды нейрондық желілер биологиялық
прототиптерге ұқсас әрекетпен құрылады. Математикалық модель сызықтық алгебра
операцияларына негізделеді. Нейрондық желілердің сәулетшілері алдында тұрған мәселелер-
бұл пәндік саланың талаптарына және міндеттерді шешуге барынша жауап беретін модельді
таңдау. Жасанды нейрондық желілердің жаңа топологияларын модельдеу процесі көп
еңбекті қажет ететін міндет болып табылады, бірақ мұндай желілерді оқыту және
оңтайландыру, сондай-ақ жұмысқа қабілеттілікті тестілеу еңбек сыйымдылығы аз емес.
КУРСТЫ АЯҚТАҒАННАН КЕЙІНГІ БІЛІМІ, БІЛІКТІЛІГІ, ДАҒДЫЛАРЫ
Курсты өту нәтижесінде білім алушы жасанды нейрондық желілер туралы базалық білім
алады. Қарапайым персептронның, көп қабатты нейрондық желінің моделін жасауды үйрену.
Оқыту моделдерін және жинақтылық мәселелерін зерттеу. Белгілер кеңістігінің өлшемдік
мәселелерімен танысу. Бұл курс машиналық оқытуда практикалық дағдыларды қолдануды
жалғастыру үшін теориялық негіз болып табылады.
Достарыңызбен бөлісу: |
