Creating artificial intelligence applications
Description: The discipline describes the intramental tools for developing artificial intelligence applications. The issues of software implementation of neural network elements and the construction of multilayer neural networks are considered. Students will gain practical skills in the use of specialized libraries for the formation of neural networks and their training, image processing for object recognition.
Amount of credits: 8
Course Workload:
| Types of classes | hours |
|---|---|
| Lectures | 30 |
| Practical works | |
| Laboratory works | 45 |
| SAWTG (Student Autonomous Work under Teacher Guidance) | 45 |
| SAW (Student autonomous work) | 120 |
| Form of final control | Exam |
| Final assessment method |
Component: University component
Cycle: Profiling disciplines
Goal
- создание и изучение функционирование приложений искусственного интеллекта
Objective
- изучить основные методы интеллектуального анализа данных и машинного обучения, основные принципы поиска, сбора, очистки, хранения, обработки, анализа и визуализации данных;
- научиться применять технологии обработки больших данных для решения прикладных задач.
Learning outcome: knowledge and understanding
- знание основных понятий ИИ, истории, моделей представления знаний
- понимание основных концепций, овладение методами ИИ на уровне ИТ специалистов
Learning outcome: applying knowledge and understanding
- способность использовать представленные теории, методы и принципы ИИ для создания интеллектуальных программных систем
Learning outcome: formation of judgments
- обсуждать, анализировать и реализовывать технологий ИИ
Learning outcome: communicative abilities
- развить коммуникационные способности, необходимые для работы в команде.
Learning outcome: learning skills or learning abilities
- осуществлять сбор необходимой информации, систематизировать и обобщать ее, использовать полученные знания на практике.
Teaching methods
интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа; демонстрация слайдов или учебных фильмов; мозговой штурм; мотивационная речь);
информационно-коммуникационная (например, занятия в компьютерном классе с использованием различных операционных систем и профессиональных пакетов прикладных программ);
поисково-исследовательская (самостоятельная исследовательская деятельность студентов в процессе обучения).
Assessment of the student's knowledge
Teacher oversees various tasks related to ongoing assessment and determines students' current performance twice during each academic period. Ratings 1 and 2 are formulated based on the outcomes of this ongoing assessment. The student's learning achievements are assessed using a 100-point scale, and the final grades P1 and P2 are calculated as the average of their ongoing performance evaluations. The teacher evaluates the student's work throughout the academic period in alignment with the assignment submission schedule for the discipline. The assessment system may incorporate a mix of written and oral, group and individual formats.
| Period | Type of task | Total |
|---|---|---|
| 1 rating | Лабораторная работа 1 | 0-100 |
| Лабораторная работа 2 | ||
| Лабораторная работа 3 | ||
| Рубежное тестирование 1 | ||
| 2 rating | Лабораторная работа 4 | 0-100 |
| Лабораторная работа 5 | ||
| Лабораторная работа 6 | ||
| Рубежное тестирование 2 | ||
| Total control | Exam | 0-100 |
The evaluating policy of learning outcomes by work type
| Type of task | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Excellent | Good | Satisfactory | Unsatisfactory | |
| Ответы на контрольные вопросы | демонстрирует системные теоретические знания, владеет терминологией, делает аргументированные выводы и обобщения, приводит примеры, показывает свободное владение материалом и способность быстро реагировать на уточняющие вопросы | демонстрирует прочные теоретические знания, владеет терминологией, делает аргументированные выводы и обобщения, приводит примеры, оказывает свободное владение материалом, но при этом делает несущественные ошибки, которые исправляет самостоятельно или при незначительной коррекции преподавателем | демонстрирует неглубокие теоретические знания, недостаточное умение делать аргументированные выводы и приводить примеры, показывает недостаточно свободное владение материалом, логичностью и последовательностью изложения, делает ошибки которые может исправить только при коррекции преподавателем. | демонстрирует незнание теоретических основ предмета, не умеет делать аргументированные выводы и приводить примеры, показывает слабое владение материалом, не владеет терминологией, проявляет отсутствие логичности и последовательности изложения, делает ошибки, которые не может исправить даже при коррекции преподавателем, отказывается отвечать на занятии |
| Работа на лабораторных занятиях | выполнил лабораторную работу в полном объеме с соблюдением необходимой последовательности действий; в отчете правильно и аккуратно выполняет все записи, таблицы, рисунки, чертежи, графики, вычисления; правильно выполняет анализ ошибок. При ответе на вопросы правильно понимает сущность вопроса, дает точное определение и истолкование основных понятий; сопровождает ответ новыми примерами, умеет применить знания в новой ситуации; может установить связь между изучаемым и ранее изученным материалом, а также с материалом, усвоенным при изучении других дисциплин. | выполнил требования к оценке «отлично», но допущены 2-3 недочета. Ответ обучающегося на вопросы удовлетворяет основным требованиям к ответу на «отлично», но дан без применения знаний в новой ситуации, без использования связей с ранее изученным материалом и материалом, усвоенным при изучении других дисциплин; допущены одна не критичная ошибка или не более двух недочетов, при этом обучающийся может их исправить самостоятельно без помощи преподавателя. | выполнил работу не полностью, но не менее 50% объема практической работы, что позволяет получить правильные результаты и выводы; в ходе проведения работы были допущены ошибки. При ответе на вопросы обучающийся правильно понимает сущность вопроса, но в ответе имеются отдельные проблемы в усвоении вопросов курса, не препятствующие дальнейшему усвоению программного материала; допущена одна грубая ошибка и не более двух-трех недочетов, при этом обучающийся может их исправить с небольшой помощью преподавателя. | выполнил работу не более 50% от объема, что не позволяет сделать правильных выводов. При ответе на вопросы демонстрирует отсутствие владения основными знаниями и умениями в соответствии с требованиями программы; допущены больше ошибок и недочетов, чем необходимо для оценки «удовлетворительно», не может ответить на большую часть из поставленных вопросов. |
Evaluation form
The student's final grade in the course is calculated on a 100 point grading scale, it includes:
- 40% of the examination result;
- 60% of current control result.
The final grade is calculated by the formula:
| FG = 0,6 | MT1+MT2 | +0,4E |
| 2 |
Where Midterm 1, Midterm 2are digital equivalents of the grades of Midterm 1 and 2;
E is a digital equivalent of the exam grade.
Final alphabetical grade and its equivalent in points:
The letter grading system for students' academic achievements, corresponding to the numerical equivalent on a four-point scale:
| Alphabetical grade | Numerical value | Points (%) | Traditional grade |
|---|---|---|---|
| A | 4.0 | 95-100 | Excellent |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Good |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Satisfactory |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Unsatisfactory |
| F | 0 | 0-24 |
Topics of lectures
- Основы ИИ и машинного обучения
- Типы машинного обучения
- Подготовка данных
- Линейная и логистическая регрессия
- Деревья решений
- Основы искусственных нейронных сетей
- Свёрточные нейросети
- Рекуррентные нейросети
- Обзор инструментов
- Обучение моделей
- Развертывание моделей ИИ
- Компьютерное зрение
Key reading
- Фостер Дэвид. Генеративное глубокое обучение. Как не мы рисуем картины, пишем романы и музыку. 2-е международное изд. Санкт-Петербург: Издательский дом Питер, 2024.- 448 с. - ISBN 978-601-08-3729-4
- Харбанс Р.: Грокаем алгоритмы искусственного интеллекта. Санкт-Петербург: Питер- Трейд, 2022.- 368 с. – ISBN 978-5-4461-2924-9
- Баймұхамедов М.Ф., Баймұхамедова А.М., Боранбаев С.Н. «Жасанды интеллект: қазіргі заманғы теория және тәжірибе. Artificial Intelligence: Modern Theory and Practice» (в одной книге на казахском и английском языках) (реализация в двух томах). Алматы: Бастау, 2020 (ISBN 1т.- 978-601-7991-32-6) (ISBN 2т.- 978-601-7991-33-3);
- Яворский В.В. Интеллектуальные информационные технологии: учебник / В.В. Яворский. - Алматы : Эпиграф, 2019. - 342, [1] с. : ил., табл. - Библиогр.: с. 341-342. - ISBN 978-601-327-561-1.
- Разработка и анализ данных: учеб. пособие / Р. У. Тукеев; КазНУ им. аль-Фараби. - Алматы : Қазақ ун-ті, 2017. - 109 с. ISBN 978-601-04-2261-2
- Шевчук Е.В. Интеллектуальные информационные системы: учебно-методическое пособие / Е.В. Шевчук. - Алматы: CyberSmith, 2017. - 137 с. - ISBN 978-601-310-319-8.
- Искусственный интеллект.В 3-х книгах. - М. : Радио и связь. Кн.3 : Программные и аппаратные средства : справочное издание / Ред. Д.А. Поспелов. - М. : Радио и связь, 1990. - 363 с. : ил. - Библиогр.: с.329-361. - Б. ц.
- Искусственный интеллект. В 3-х книгах. - М. : Радио и связь. Кн.2 : Модели и методы : справочное издание / Ред. Д.А. Поспелов. - М. : Радио и связь, 1990. - 304 с. : ил. - Библиогр.: с.257-303. - Б. ц.
Further reading
- RYAN BENNETT. Artificial Intelligence and Generative AI Made EASY: A Beginner's Guide to Mastering ChatGPT, Google Bard, and Tomorrow's Tech Today. 2023;
- Data Science на службе бизнеса. Книга об интеллектуальном анализе данных / Д. М. Назаров, С.В.Бегичева, Д.Б. Ковтун, А.Д. Назаров. – Москва: Ай Пи Ар Медиа; Алматы: EDP Hub (Идипи Хаб), 2023. – 330 с.;
- Новиков, Ф. А. Символический искусственный интеллект: математические основы представления знаний: учебное пособие для вузов / Ф. А. Новиков. — Москва : Издательство Юрайт, 2024. — 278 с. — (Высшее образование). — ISBN 978-5-534-00734-3. — Текст : электронный // Образовательная платформа Юрайт;
- Агамалиев Р.: От "Энигмы" до ChatGPT. Эволюция искусственного интеллекта и российские бизнес-кейсы. – Москва: Миф, 2024. – 208 стр. - ISBN 978-5-00214-351-1
- Оразбаев Б.Б. Методы и системы искусственного интеллекта в экономике: учебное пособие для студентов и магистрантов специальностей "Информационные системы" и "Вычислительная техника и программное обеспечение" в экономических вузах / Б.Б. Оразбаев, Б.А. Серимбетов. - Алматы : Эпиграф, 2019. - 307, [1] с. : ил. - Библиогр.: с. 305-307. - ISBN 978-601-240-394-7.
