Целью образовательной программы «Машинное обучение и анализ данных» является обеспечение качественной подготовки специалистов для научной, образовательной и производственной сфер, связанных с внедрением программных решений для обработки и анализа больших данных на основе методов машинного обучения, способных осуществлять самостоятельные научные исследования на интеграционных платформах производственных систем с применением методов интеллектуального анализа данных.
ON 1 Использовать понятийный аппарат, методы, методики и технологии разработки программного обеспечения (ПО) для индуктивного обучения на основе анализа и синтеза информационных потоков данных, являющимися прецедентами решаемой задачи. Такие наборы задач характерных для банковской сферы, интернет торговли, IoT, социальных сетей, данных измерительных устройств сложных технических объектов(ТО), серверов ДЦ;
ON 2 Проводить сравнительно–регрессионный, сравнительно-вероятностный, системный и структурный анализ для моделирования и формализации больших информационных потоков данных интернет пространства. Использовать как альтернативу этим статистическим методам подходы data mining & information extraction;
ON 3 Решать сетевые технические, экономико-маркетинговые, банковские, информационные и задачи прогнозирования, основанные на Базах Знаний, накопленных экспертными системами в Data-центрах для структурирования этих сведений в единую, понятную и самообучающуюся формализованную математическую модель;
ON 4 Обрабатывать потоки данных серверов, ТО, интернет источников для построения множества ситуационных объектов и множества возможных откликов, реакций изучаемой в зависимости от причинно- временного развития системы. Уметь решать типовые задачи помощью гугловского имитатора DeepMind;
ON 5 Соотносить методологические основы аналитических подходов формальной математики с концепциями нечеткой логики и поиска неявных решений алгоритмами нейронных сетей, основанных на эмпирической формализации решений;
ON 6 Эффективно разработанные самообучающуюся системы для обобщения разнообразных потоков информации ДЦ, интернет -ресурсов, показаний многочисленных датчиков сложных ТО для выработки адекватного отклика на данные выпадающие за пределы обучающей выборки ситуаций;
ON 7 Создавать новые базы знаний и сегменты в ДЦ. Проектировать пилотную Machine Learning для ТО и бизнес процессов с формированием самообучающихся математических моделей по обработке больших потоков данных ДЦ КазНУ имени аль Фараби;
ON 8 Создавать проекты на базе искусственных нейронных сетей для глубокого обучения с учителем, применять методы коррекции ошибок, обратного распространения ошибок и опрных впекторов;
ON 9 Формировать пилотные курсы для обучения сотрудников бизнес компаний, проводить тренинги по большим данным, машинному обучению и разработке интерфейсов. Уметь прозрачно и наглядно презентовать понятийный аппарат ML / AI / Big Data и области их применения;
ON 10 Владеть навыками пользования прикладными программами пакета Machine Learning в аппроксимации функций, распознавании рукописного текста, технической диагностики;
ON 11 Применять методы Machine Learning для изучения временных рядов или сигналов, изображения или видеоряда;
ON 12 Использовать навыки работы с информацией из различных литературных источников, представлять ее в различных формах сообщений, презентаций и докладов с учетом специфики аудитории, обосновывая и грамотно излагая свою точку зрения на проблемные вопросы. Эффективно работать в команде при поиске и решении научно-исследовательских проблем ОП.
