6B06101 · B057 ТОБЫ · БАКАЛАВРИАТ
AI and Machine Learning
Жасанды интеллект дәуірінің негізгі инженерлік мамандығы: деректермен жұмыс істейтін интеллектуалды жүйелерді әзірлеу, оқыту және енгізу.
3 жыл
ОҚУ МЕРЗІМІМЕРЗІМІ
240 кредит
БАҒДАРЛАМА КӨЛЕМІКӨЛЕМІ
Ағылшын, қазақ
ОҚЫТУ ТІЛІТІЛІ
Күндізгі, триместр
ОҚУ НЫСАНЫНЫСАНЫ
АКТ саласындағы бакалавр
ДӘРЕЖЕ
Жылына 2 500 000 ₸
ОҚУ ҚҰНЫ
ҰБТ 70 — ақылы, 90 — грантҰБТ 70 / 90
ӨТУ БАЛЫ
20 маусым — 25 тамыз
ҚАБЫЛДАУ 2026–2027
БАҒДАРЛАМА ТУРАЛЫ
Physical AI — физикалық әлемде қозғалатын интеллект болса, AI and Machine Learning — бүкіл қазіргі AI-индустрияның өзегі: деректер негізінде жұмыс істейтін интеллектуалды алгоритмдер мен жүйелерді әзірлеу, оқыту және енгізу.
Бағдарлама экономиканың әртүрлі салаларында — қаржы технологияларында, денсаулық сақтауда, өнеркәсіпте, мемлекеттік басқаруда, білім беруде, телекоммуникацияда, интеллектуалды қалалық жүйелерде, робототехникада, деректерді талдауда және цифрлық платформаларда — қолданбалы және зерттеу міндеттерін шешу үшін интеллектуалды жүйелерді әзірлей, оқыта, бағалай, енгізе және сүйемелдей алатын бакалаврларды даярлайды.
Бағдарлама қазіргі жасанды интеллекттің негізгі бағыттарын — машиналық оқытуды, терең нейрондық желілерді, компьютерлік көруді, табиғи тілді өңдеуді, генеративті модельдерді — қамтиды және сонымен бірге AI-шешімдерін жасаудың инженерлік әрі өнеркәсіптік жағына ерекше көңіл бөледі: MLOps процестеріне, масштабталатын AI-сервистерін құруға, таратылған деректермен жұмысқа, сондай-ақ интеллектуалды жүйелердің түсіндірілуіне, сенімділігіне және этикалық дұрыстығына.
МАНСАП
Түлектер кім болып жұмыс істейді
- AI Engineer
- Machine Learning Engineer
- Data Scientist
- AI Researcher
Түлектер AI-өнімдерін әзірлейді, интеллектуалды сервистер жасайды, жасанды интеллект модельдерін оқытады және AI-ды бизнеске, өнеркәсіпке және мемлекеттік секторға енгізеді.
САЛАЛАР
ЕРЕКШЕЛІКТЕР
Бағдарламаның ерекшеліктері
Қазіргі ЖИ-дің толық спектрі — классикалық ML-ден генеративті модельдерге дейін
Машиналық оқыту, терең нейрондық желілер, компьютерлік көру, табиғи тілді өңдеу және генеративті жасанды интеллект — бағдарлама саланың бүкіл өзекті технологиялық ландшафтын қамтиды.
Тек зерттеу емес, өнеркәсіптік фокус
MLOps-қа, масштабталатын AI-сервистерін құруға және таратылған деректермен жұмысқа ерекше көңіл бөлінеді — модельді нақты өнеркәсіптік қолданысқа жеткізу жолына.
Жауапты ЖИ — инженерлік стандарт
Интеллектуалды жүйелердің түсіндірілуі, сенімділігі және этикалық дұрыстығы — бөлек тақырып емес, бағдарламаның инженерлік мәдениетінің бөлігі.
Бағдарлама ішіндегі икемді мамандану
Бес жеке білім беру траекториясы студентке қызық ЖИ бағытында тереңдей дамуға мүмкіндік береді және вариативті пәндермен әрі жобалық жұмыспен сүйемелденеді.
Қолдану салаларының кең ауқымы
Бағдарлама экономиканың бірнеше секторына бірден маман даярлайды — финтехке, денсаулық сақтауға, өнеркәсіпке, мемлекеттік басқаруға, телекоммуникацияға және интеллектуалды қалалық жүйелерге.
Ұлттық кәсіби стандарттар деңгейіндегі мойындау
Бағдарлама AI-қосымшаларын және үлкен деректерді өңдеу жүйелерін әзірлеу саласындағы «Атамекен» ҰКП-ның ресми кәсіби стандарттарына сәйкес келеді.
Ғылымға және магистратураға жол
Бағдарлама тек индустриялық мансапқа ғана емес, магистратура деңгейінде оқуды жалғастыруға және ЖИ-дің ғылыми-зерттеу әрі технологиялық экожүйесіне қатысуға да дайындайды.
МАМАНДАНУЛАР
Білім беру траекториялары
Бағдарламада білім алушыларға таңдаған бағыттарында тереңдей дамуға мүмкіндік беретін жеке білім беру траекториялары қарастырылған. Траектория студенттің кәсіби қызығушылығына қарай таңдалады және пәндердің вариативті бөлігімен әрі жобалық жұмыспен сүйемелденеді.
Машиналық және терең оқыту жүйелерін әзірлеу және енгізу
ML/DL модельдерін құрып, оқытқысы келетіндерге — классификация мен регрессияның базалық алгоритмдерінен бастап озық нейрожелілік архитектураларға дейін.
Деректерді талдау және Data Science
Деректермен жұмыстың толық циклі қызық болатындарға: заманауи Data Science құралдарымен жинау, тазалау, түрлендіру, талдау және визуализациялау.
Компьютерлік көру және мультимедиялық деректерді өңдеу
Кескіндерді, бейнелерді және басқа визуалды мазмұнды танитын әрі түсіндіретін жүйелер жасағысы келетіндерге.
Табиғи тілді өңдеу және генеративті жасанды интеллект
Тілдік модельдерге, генеративті жүйелерге және ChatGPT деңгейіндегі қазіргі AI-өнімдерінің артындағы технологияларға қызығатындарға.
AI-жүйелер инженериясы және MLOps
Модельдерді жай оқытып қана қоймай, оларды өнеркәсіптік пайдалануда орналастырып, бақылап, сүйемелдегісі келетіндерге — жасанды интеллект айналасында инфрақұрылым құруға.
ОҚУ НӘТИЖЕЛЕРІ
Нені үйренесіз
Бағдарламаны меңгеру қорытындысы бойынша түлек мыналарға қабілетті:
- Сын тұрғысынан ойлау, ақпаратты талдау және түсіндіру дағдыларын меңгеру, міндеттерді тұжырымдау және кәсіби қызмет нәтижелерін ауызша әрі жазбаша ұсыну, жеке және командалық жұмыста тиімді әрекеттесу.
- Деректерді талдау, модельдер құру және жасанды интеллект міндеттерін шешу үшін математика, статистика және ықтималдықтар теориясы саласындағы іргелі білімді қолдану.
- Дайындалған деректер жиынтықтары негізінде классификация, регрессия, кластерлеу және болжау міндеттерін шешу үшін машиналық оқытудың базалық және озық модельдерін әзірлеу мен оқыту.
- Күрделі деректер түрлерін — кескіндерді, мәтінді, аудионы және уақыттық қатарларды — өңдеу үшін терең оқыту әдістерін, оның ішінде нейрондық желілерді қолдану.
- Деректермен жұмыстың толық циклін жүзеге асыру: заманауи Data Science құралдары мен технологияларын пайдалана отырып жинау, тазалау, түрлендіру, талдау және визуализациялау.
- Интеллектуалды жүйелердің архитектурасын жобалау және жасанды интеллект модельдерін қолданбалы бағдарламалық шешімдер мен цифрлық сервистерге кіріктіру әдістерін таңдау.
- Жасанды интеллект модельдерінің сапасын, тұрақтылығын және өнімділігін бағалау, оларды баптау, валидациялау және практикалық қолдану жағдайларына бейімдеу.
- AI-шешімдерін орналастыру және сүйемелдеу үшін заманауи әзірлеу құралдары мен платформаларын, оның ішінде машиналық оқыту кітапханалары мен MLOps технологияларын пайдалану.
- Жасанды интеллект модельдерінің тәуекелдерін, шектеулерін, қауіпсіздігін және түсіндірілуін бағалау, сондай-ақ оларды әзірлеу мен қолданудың этикалық, құқықтық және әлеуметтік аспектілерін ескеру.
- Цифрлық және интеллектуалды шешімдерді әзірлеу, талдау және енгізу кезінде бағдарламалау, экономика, кәсіпкерлік және академиялық коммуникация саласындағы пәнаралық білімді қолдану.
ПРАКТИКА ЖӘНЕ ҚҰРАЛДАР
Практика және құралдар
Оқу барысында студенттер AI/ML-шешімдерін әзірлеудің толық циклі бойынша практикалық тәжірибе алады — міндетті қоюдан бастап өнеркәсіптік енгізуге дейін.
- Python, заманауи бағдарламалау тілдері және әзірлеу құралдары
- AI/ML-шешімдерін жүзеге асыру үшін
- TensorFlow, PyTorch, Keras
- Машиналық және терең оқыту кітапханалары мен фреймворктері
- Деректермен жұмыс құралдары
- Деректерді жинау, тазалау, өңдеу, сақтау және визуализациялау, оның ішінде дерекқорлармен жұмыс (MongoDB қоса) және data pipelines құру
- MLOps-құралдары
- Модельдерді өнеркәсіптік пайдалануда орналастыру, бақылау және сүйемелдеу үшін
- Кескіндерді, мәтінді және басқа деректер түрлерін өңдеу әдістері
- Интеллектуалды жүйелердегі компьютерлік көру және табиғи тілді өңдеу
- AI үшін бұлттық және жоғары өнімді есептеулер
- Масштабталатын AI-сервистерін құру және таратылған деректермен жұмыс
ПРАКТИКАНЫҢ ҮШ КЕЗЕҢІ
Оқу практикасы
Сала құралдарымен танысу
Кәсіптік практика
Нақты міндеттермен жұмыс
Диплом алдындағы практика
Аяқталған AI-жобаны өз бетінше жүзеге асыру
Практика үш кезеңмен өтеді: студент сала құралдарымен танысудан аяқталған AI-жобаны өз бетінше жүзеге асыруға дейін бірізді жүреді.
ОҚУ ЖОСПАРЫ
Не оқытылады
«Электив» деп белгіленген пәндер — таңдау бойынша.
| Пән атауы | Кредиттер |
|---|---|
| 1 КУРС | |
| 1 триместр | |
| Дене шынықтыру | 2 |
| Мәдениеттану | 2 |
| Ақпараттық-коммуникациялық технологиялар | 5 |
| Шет тілі 1 | 5 |
| Қазақстан тарихы (Мемлекеттік емтихан) | 5 |
| Математикалық талдаудың негіздері | 5 |
| Бағдарламалауға кіріспе | 5 |
| 2 триместр | |
| Дене шынықтыру | 2 |
| Әлеуметтану | 2 |
| Шет тілі 2 | 5 |
| Есептеу жүйелеріне арналған дискретті математика | 5 |
| Жасанды интеллект негіздері | 4 |
| Объектілі программалау | 5 |
| Деректер ғылымына арналған сызықтық алгебра | 5 |
| 3 триместр | |
| Дене шынықтыру | 2 |
| Саясаттану | 2 |
| Психология | 2 |
| Қолданбалы математикалық талдау | 5 |
| Оқу практикасы | 2 |
| Деректер инженериясы | 5 |
| Деректер ғылымына арналған алгоритмдер және деректер құрылымдары | 5 |
| 2 КУРС | |
| 4 триместр | |
| Философия | 5 |
| Дене шынықтыру | 2 |
| Қазақ (орыс) тілі 1 | 5 |
| Ықтималдық теориясы және деректерді талдау | 5 |
| Көп айнымалылы функциялар талдауы | 5 |
| Электив: AI жүйелерінің архитектурасы және жобалау / AI үшін бұлттық есептеулер | 5 |
| 5 триместр | |
| Қазақ (орыс) тілі 2 | 5 |
| Машиналық оқыту үшін оңтайландыру | 5 |
| AI жүйелерін интеграциялау және енгізу | 5 |
| Электив: AI жүйелерінің мониторингі және сенімділігі / Деректерді параллель өңдеу әдістері | 5 |
| Машиналық оқыту жүйелері | 5 |
| Компьютерлік көру | 5 |
| 6 триместр | |
| Академиялық жазу | 5 |
| Белгілер инженериясы | 5 |
| MLOps негіздері / Модельдерді енгізу | 4 |
| Өндірістік практика | 4 |
| Терең оқытудағы кеңейтілген оңтайландыру | 5 |
| Ықтималдық машиналық оқыту | 5 |
| 3 КУРС | |
| 7 триместр | |
| Электив: Қаржылық сауаттылық / Цифрлық кәсіпкерлік және стартап экожүйелері/ Технологиялық кәсіпкерлік | 5 |
| Кеңейтілген табиғи тілдерді өңдеу | 5 |
| Электив: Генеративті ЖИ / Кванттық машиналық оқыту | 5 |
| Зерттеу әдістері мен құралдары | 5 |
| AI үшін жоғары өнімді есептеу | 5 |
| Терең оқыту жүйелері | 5 |
| 8 триместр | |
| Уақыттық қатарларды талдау және болжау | 5 |
| ЖИ-дегі модельдеу әдістері | 5 |
| Электив: AI өнімдерін басқару / Деректер визуализациясы | 5 |
| Электив: AI үшін бұлттық есептеулер / Деректер инженериясы және деректер ағындары | 5 |
| Электив: Терең оқыту / Күшейтілген оқыту | 5 |
| 9 триместр | |
| Өндірістік практика | 8 |
| Диплом алдындағы практика | 4 |
| Дипломдық жұмысты (жобаны) жазу / қорғау және кешенді емтихан тапсыру | 8 |
ОҚУ ҚҰНЫ ЖӘНЕ ҚАРЖЫЛАНДЫРУ
Оқу құны және гранттар
МЕМЛЕКЕТТІК ГРАНТ
Оқу құнын толық жабады
Қазақстан Республикасының жалпы грант конкурсы: ҰБТ өту балы, B057 «Ақпараттық технологиялар» тобы, QPT және расталған ағылшын тілі.
QAIRU ҚҰРЫЛТАЙШЫ ГРАНТЫ
Конкурс бойынша оқудың 100% төлемі
Іріктеудің үш кезеңі: онлайн-өтінім, онлайн-іріктеу және QAIRU-дағы финал. Финалистердің тұруын, тамағын және жол ақысын университет төлейді.
ОҚУҒА ТҮСУ
Қалай түсуге болады
ҰБТ тапсырыңыз
70 балл — ақылы негіз, 90 — мемлекеттік грант конкурсы. B057 «Ақпараттық технологиялар» бағдарламалар тобы.
Құжаттарыңызды тапсырыңыз
admission.qairu.kz сайтында тіркелу бірнеше минут алады.
Тіліңізді растаңыз
Ағылшын тілі: IELTS 5.0-ден, TOEFL iBT 65-тен немесе ITP 460-тан бастап. Қазақ тілі: B1 деңгейіндегі KAZTEST.
QAIRU Potential Test тапсырыңыз
Онлайн, 35 минут, 30 сұрақ. Өту балы — 30-дың ішінен 23.
| ТАЛАП | МӘНІ |
|---|---|
| Білім беру бағдарламаларының тобы | B057 «Ақпараттық технологиялар» |
| ҰБТ жалпы балы | 70 |
| Мемлекеттік грант конкурсына арналған ҰБТ балы | 90 |
| ҰБТ бейіндік пәндері | Математика — 5, Информатика — 5 |
| Ағылшын тілі: IELTS Academic | 5.0-ден бастап |
| Ағылшын тілі: TOEFL iBT | 65-тен бастап |
| Ағылшын тілі: TOEFL ITP | 460-тан бастап |
| Қазақ тілі: KAZTEST / Qazaq Resmi Test | B1 деңгейі |
| Ішкі тестілеу | QAIRU Potential Test: 35 минут, 30 сұрақ, өту балы 23 |
Кеңес алу
Бағдарлама, кіру сынақтары және төлем туралы телефон немесе пошта арқылы айтып береміз.
- 8 (700) 300 33 17
- info@nairu.edu.kz
Астана, Мәңгілік Ел даңғылы 55/1, EXPO бизнес-орталығы, В 2.2 блогы
Дс–Жм, 09:00–18:00
СҰРАҚТАР МЕН ЖАУАПТАР
Сұрақтар мен жауаптар
Жоқ. Бағдарлама іргетастан — математика, статистика және бағдарламалаудан — басталып, озық нейрожелілік архитектураларға дейін жеткізеді.
6B06101 · БАКАЛАВРИАТ
Құжат тапсыруға дайынсыз ба?
admission.qairu.kz сайтында тіркелу бірнеше минут алады
БАҒЫТЫ БОЙЫНША ЖАҚЫН
Ұқсас бағдарламалар
- КЕЛЕСІ ДЕҢГЕЙ · МАГИСТРАТУРА7M06102
AI+X, бейіндік магистратура
1 жыл · IT бағыттарының түлектеріне
БАҒДАРЛАМАНЫ АШУ →