База данных: Статьи ППС
Страница 6, Результатов: 60
Отмеченные записи: 0
51.
Подробнее
26.3
E20
Ecologically oriented mineral exploration: the synergy of remote sensing and machine learning [Текст] / E. О. Orynbassarova, М. А. Аlpysbay, А. Ilyasova [и др.] // Bulletin WKU. - 2025. - №2. - Р. 291-305.
ББК 26.3
Рубрики: Геологические науки
Кл.слова (ненормированные):
Дистанционное зондирование -- геологическое картографирование -- спутниковые снимки -- разведка полезных ископаемых -- оптические снимки -- гиперспектральные снимки
Аннотация: В статье рассматриваются перспективы применения синергии дистанционного зондирования (ДЗ) и машинного обучения (МО) в разведке полезных ископаемых. Сочетание этих двух передовых технологий открывает новые горизонты для геологических исследований, позволяя более эффективно и точно выявлять минерализацию, картировать литологические единицы, а также анализировать структурные особенности и зоны изменений. В работе проводится анализ текущих методов обработки данных дистанционного зондирования с использованием различных алгоритмов машинного обучения, включая глубокие нейронные сети и методы кластеризации. Особое внимание уделено практическим примерам, иллюстрирующим успехи применения синергии ДЗ и МО в геологоразведке. Обсуждаются основные вызовы и перспективы дальнейших исследований в данной области, что позволит в будущем значительно повысить эффективность и устойчивость процессов разведки полезных ископаемых
Держатели документа:
ЗКУ
Доп.точки доступа:
Orynbassarova, E.О.
Аlpysbay, М.А.
Ilyasova, А.
Sydyk, N.
Yerzhankyzy, А.
E20
Ecologically oriented mineral exploration: the synergy of remote sensing and machine learning [Текст] / E. О. Orynbassarova, М. А. Аlpysbay, А. Ilyasova [и др.] // Bulletin WKU. - 2025. - №2. - Р. 291-305.
Рубрики: Геологические науки
Кл.слова (ненормированные):
Дистанционное зондирование -- геологическое картографирование -- спутниковые снимки -- разведка полезных ископаемых -- оптические снимки -- гиперспектральные снимки
Аннотация: В статье рассматриваются перспективы применения синергии дистанционного зондирования (ДЗ) и машинного обучения (МО) в разведке полезных ископаемых. Сочетание этих двух передовых технологий открывает новые горизонты для геологических исследований, позволяя более эффективно и точно выявлять минерализацию, картировать литологические единицы, а также анализировать структурные особенности и зоны изменений. В работе проводится анализ текущих методов обработки данных дистанционного зондирования с использованием различных алгоритмов машинного обучения, включая глубокие нейронные сети и методы кластеризации. Особое внимание уделено практическим примерам, иллюстрирующим успехи применения синергии ДЗ и МО в геологоразведке. Обсуждаются основные вызовы и перспективы дальнейших исследований в данной области, что позволит в будущем значительно повысить эффективность и устойчивость процессов разведки полезных ископаемых
Держатели документа:
ЗКУ
Доп.точки доступа:
Orynbassarova, E.О.
Аlpysbay, М.А.
Ilyasova, А.
Sydyk, N.
Yerzhankyzy, А.
52.
Подробнее
26.82
К 27
Картирование растительности Восточно-Казахстанской области с помощью машинного обучения на основе спутниковых снимков Landsat [Текст] / Н. Ф. Денисова, Г. К. Жусупова, О. А. Петрова [и др.] // Вестник ЗКУ. - 2025. - №2. - С. 418-431.
ББК 26.82
Рубрики: Физическая география
Кл.слова (ненормированные):
Восточно-Казахстанская область -- Landsat -- Машинное обучение -- Классификация растительности -- Google Earth Engine -- Random Forest
Аннотация: Целью данного исследования является разработка подхода к картографированию растительности Восточно-Казахстанского региона с использованием методов машинного обучения на основе спутниковых снимков Landsat 8. В статье рассматриваются этапы предобработки данных, выбор оптимальных алгоритмов классификации и оценка их эффективности для различных типов растительности. Процесс предварительной обработки и классификации данных выполнялись на облачной платформе Google Earth Engine. Помимо 17 вспомогательных слоев, содержащих информацию о рельефе местности, в процессе сбора данных были сформированы обучающие выборки, распределенные по 10 классам: широколиственные деревья, хвойные деревья, травянистая растительность, кустарники, открытые земли, сельскохозяйственные угодья, водно-болотные территории, застроенные земли, снег и лед, водные объекты. В рамках исследования были применены и сравнены различные алгоритмы машинного обучения, такие как метод опорных векторов (SVM), деревья решений (CART), градиентный бустинг деревьев (GTB) и случайный лес (RF). Алгоритмы GTB и RF показали наилучшие результаты с Общей точностью 92% и коэффициентом Каппа 91%, что свидетельствует о высоком качестве интеграции данных дистанционного зондирования с методами машинного обучения. Полученные результаты исследования подчеркивают потенциал методов машинного обучения для мониторинга состояния экосистем, планирования природоохранных мероприятий, управления природными ресурсами и чрезвычайными ситуациями в регионе
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Жусупова, Г.К.
Петрова, О.А.
Чепашев, Д.В.
Даумова, Г.К.
Темирбаева, К.А.
К 27
Картирование растительности Восточно-Казахстанской области с помощью машинного обучения на основе спутниковых снимков Landsat [Текст] / Н. Ф. Денисова, Г. К. Жусупова, О. А. Петрова [и др.] // Вестник ЗКУ. - 2025. - №2. - С. 418-431.
Рубрики: Физическая география
Кл.слова (ненормированные):
Восточно-Казахстанская область -- Landsat -- Машинное обучение -- Классификация растительности -- Google Earth Engine -- Random Forest
Аннотация: Целью данного исследования является разработка подхода к картографированию растительности Восточно-Казахстанского региона с использованием методов машинного обучения на основе спутниковых снимков Landsat 8. В статье рассматриваются этапы предобработки данных, выбор оптимальных алгоритмов классификации и оценка их эффективности для различных типов растительности. Процесс предварительной обработки и классификации данных выполнялись на облачной платформе Google Earth Engine. Помимо 17 вспомогательных слоев, содержащих информацию о рельефе местности, в процессе сбора данных были сформированы обучающие выборки, распределенные по 10 классам: широколиственные деревья, хвойные деревья, травянистая растительность, кустарники, открытые земли, сельскохозяйственные угодья, водно-болотные территории, застроенные земли, снег и лед, водные объекты. В рамках исследования были применены и сравнены различные алгоритмы машинного обучения, такие как метод опорных векторов (SVM), деревья решений (CART), градиентный бустинг деревьев (GTB) и случайный лес (RF). Алгоритмы GTB и RF показали наилучшие результаты с Общей точностью 92% и коэффициентом Каппа 91%, что свидетельствует о высоком качестве интеграции данных дистанционного зондирования с методами машинного обучения. Полученные результаты исследования подчеркивают потенциал методов машинного обучения для мониторинга состояния экосистем, планирования природоохранных мероприятий, управления природными ресурсами и чрезвычайными ситуациями в регионе
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Жусупова, Г.К.
Петрова, О.А.
Чепашев, Д.В.
Даумова, Г.К.
Темирбаева, К.А.
53.
Подробнее
81.2
Ж 27
Жангалиева, Н. У.
Ағылшын тілінен цифрлық педагогиканың заманауи трендтері [Текст] / Н. У. Жангалиева // Профессор Отарәлі Бүркіттің лингвистикалық мұрасы, қазіргі қазақ филологиясының парадигмалары: Қазақстан Республикасы білім беру ісінің Құрметті қызметкері, филология ғылымдарының докторы, профессор Бүркітов Отарәлі Бүркітұлының туғанына 70 жыл толуына арналған халықаралық ғылыми-тәжірибелік конференция материалдары. - Орал, 2024. - 13 желтоқсан. - Б. 201-203.
ББК 81.2
Рубрики: Языкознание
Кл.слова (ненормированные):
цифрлық педагогика -- қазіргі трендтер -- аралас оқыту -- ойындандыру -- бейімделетін оқыту -- жасанды интеллект -- машиналық оқыту -- виртуалды шындық -- толықтырылған шындық -- аударылған сынып -- деректерге негізделген оқыту -- цифрлық технологиялар -- инновациялық оқыту әдістері -- білім беру жүйесі -- Ағылшын тілі
Аннотация: Бұл мақалада цифрлық педагогикадағы қазіргі трендтерге шолу жасалады. Ағылшын тіліндегі мақалада жаңа технологиялардың оқу процесіне әсері талданады. Негізгі бағыттар ретінде аралас оқыту (blended learning), ойындандыру (gamification), бейімделетін оқыту технологиялары (adaptive learning), жасанды интеллект және машиналық оқыту, сондай-ақ виртуалды және толықтырылған шындық (VR/AR) қарастырылады. Сонымен қатар, деректерге негізделген оқыту (data-driven education) және аударылған сынып моделі (flipped classroom) сияқты инновациялық әдістердің маңызы ерекше аталып өтіледі. Мақала цифрлық педагогиканың болашағына әсер ететін негізгі бағыттарды түсінуге көмектеседі және заманауи технологияларды пайдалана отырып білім беру жүйесін жаңғыртуға арналған шешімдер ұсынады
Держатели документа:
ЗКУ
Ж 27
Жангалиева, Н. У.
Ағылшын тілінен цифрлық педагогиканың заманауи трендтері [Текст] / Н. У. Жангалиева // Профессор Отарәлі Бүркіттің лингвистикалық мұрасы, қазіргі қазақ филологиясының парадигмалары: Қазақстан Республикасы білім беру ісінің Құрметті қызметкері, филология ғылымдарының докторы, профессор Бүркітов Отарәлі Бүркітұлының туғанына 70 жыл толуына арналған халықаралық ғылыми-тәжірибелік конференция материалдары. - Орал, 2024. - 13 желтоқсан. - Б. 201-203.
Рубрики: Языкознание
Кл.слова (ненормированные):
цифрлық педагогика -- қазіргі трендтер -- аралас оқыту -- ойындандыру -- бейімделетін оқыту -- жасанды интеллект -- машиналық оқыту -- виртуалды шындық -- толықтырылған шындық -- аударылған сынып -- деректерге негізделген оқыту -- цифрлық технологиялар -- инновациялық оқыту әдістері -- білім беру жүйесі -- Ағылшын тілі
Аннотация: Бұл мақалада цифрлық педагогикадағы қазіргі трендтерге шолу жасалады. Ағылшын тіліндегі мақалада жаңа технологиялардың оқу процесіне әсері талданады. Негізгі бағыттар ретінде аралас оқыту (blended learning), ойындандыру (gamification), бейімделетін оқыту технологиялары (adaptive learning), жасанды интеллект және машиналық оқыту, сондай-ақ виртуалды және толықтырылған шындық (VR/AR) қарастырылады. Сонымен қатар, деректерге негізделген оқыту (data-driven education) және аударылған сынып моделі (flipped classroom) сияқты инновациялық әдістердің маңызы ерекше аталып өтіледі. Мақала цифрлық педагогиканың болашағына әсер ететін негізгі бағыттарды түсінуге көмектеседі және заманауи технологияларды пайдалана отырып білім беру жүйесін жаңғыртуға арналған шешімдер ұсынады
Держатели документа:
ЗКУ
54.
Подробнее
81.2
Т 86
Туралиева, Д. Ф.
Тіл сабақтарында айтылым дағдысын дамытуда жасанды интеллектіні қолдану [Текст] / Д. Ф. Туралиева // Профессор Отарәлі Бүркіттің лингвистикалық мұрасы, қазіргі қазақ филологиясының парадигмалары: Қазақстан Республикасы білім беру ісінің Құрметті қызметкері, филология ғылымдарының докторы, профессор Бүркітов Отарәлі Бүркітұлының туғанына 70 жыл толуына арналған халықаралық ғылыми-тәжірибелік конференция материалдары. - Орал, 2024. - 13 желтоқсан. - Б. 267-269.
ББК 81.2
Рубрики: Языкознание
Кл.слова (ненормированные):
жасанды интеллект -- айтылым -- тіл үйрену -- сөйлеу дағдылары -- білім беру технологиялары -- автоматты бағалау -- кері байланыс
Аннотация: Бұл мақалада жасанды интеллектінің (ЖИ) тіл сабақтарында айтылым дағдыларын дамытуда қолданылуы туралы кеңінен қарастырылады. Айтылым дағдысы тіл үйренушілердің тілін қолданудағы маңызды аспект болып табылады, ол коммуникацияның негізін қалайды. Жасанды интеллект пен машиналық оқыту технологияларының білім беру саласында қолданылуы қазіргі таңда ерекше танымалдылыққа ие болды, өйткені олар оқыту үрдісін тиімді және интерактивті етеді. Мақалада ЖИ-нің айтылым дағдыларын дамытуға арналған қолданбалы мүмкіндіктері, оның білім беру процесіндегі рөлі мен тиімділігі қарастырылып, ЖИ жүйелерінің тілді үйретудегі маңыздылығы мен болашағы туралы пікірлер айтылған. Сонымен қатар, ЖИ негізінде жұмыс істейтін құралдар мен әдістердің білім беру процесіне енгізілуі айқын көрсетілген
Держатели документа:
ЗКУ
Т 86
Туралиева, Д. Ф.
Тіл сабақтарында айтылым дағдысын дамытуда жасанды интеллектіні қолдану [Текст] / Д. Ф. Туралиева // Профессор Отарәлі Бүркіттің лингвистикалық мұрасы, қазіргі қазақ филологиясының парадигмалары: Қазақстан Республикасы білім беру ісінің Құрметті қызметкері, филология ғылымдарының докторы, профессор Бүркітов Отарәлі Бүркітұлының туғанына 70 жыл толуына арналған халықаралық ғылыми-тәжірибелік конференция материалдары. - Орал, 2024. - 13 желтоқсан. - Б. 267-269.
Рубрики: Языкознание
Кл.слова (ненормированные):
жасанды интеллект -- айтылым -- тіл үйрену -- сөйлеу дағдылары -- білім беру технологиялары -- автоматты бағалау -- кері байланыс
Аннотация: Бұл мақалада жасанды интеллектінің (ЖИ) тіл сабақтарында айтылым дағдыларын дамытуда қолданылуы туралы кеңінен қарастырылады. Айтылым дағдысы тіл үйренушілердің тілін қолданудағы маңызды аспект болып табылады, ол коммуникацияның негізін қалайды. Жасанды интеллект пен машиналық оқыту технологияларының білім беру саласында қолданылуы қазіргі таңда ерекше танымалдылыққа ие болды, өйткені олар оқыту үрдісін тиімді және интерактивті етеді. Мақалада ЖИ-нің айтылым дағдыларын дамытуға арналған қолданбалы мүмкіндіктері, оның білім беру процесіндегі рөлі мен тиімділігі қарастырылып, ЖИ жүйелерінің тілді үйретудегі маңыздылығы мен болашағы туралы пікірлер айтылған. Сонымен қатар, ЖИ негізінде жұмыс істейтін құралдар мен әдістердің білім беру процесіне енгізілуі айқын көрсетілген
Держатели документа:
ЗКУ
55.
Подробнее
28.5
М 22
Мамышева, М. В.
Применение методов искусственного интеллекта в инвентаризации флористического разнообразия [Текст] / М. В. Мамышева, В. В. Карташева // Сборник материалов международной научно-практической конференции «Ивановские чтения – 2025», посвященной 120-летию со дня рождения профессора В.В.Иванова. - Уральск, 2025. - 25-26 сентября. - С. 161-162.
ББК 28.5
Рубрики: Ботаника
Кл.слова (ненормированные):
инвентаризация флоры -- искусственный интеллект -- ИИ в ботанике -- цифровизация гербариев -- биологическое разнообразие -- методы полевых исследований -- базы данных -- машинное обучение -- экологический мониторинг -- цифровая ботаника
Аннотация: В статье рассматривается эволюция методов инвентаризации растительного разнообразия: от традиционных полевых наблюдений и ручного сбора данных до внедрения технологий искусственного интеллекта (ИИ). Автор анализирует ограничения классических методик, связанные с человеческим фактором и труднодоступностью территорий, и противопоставляет им возможности машинного обучения в анализе больших данных. Особое внимание уделяется процессу цифровизации биологических коллекций, который позволяет использовать вычислительные мощности для быстрой и точной идентификации флоры, открывая новые горизонты для ботанического образования и экологического мониторинга.
Держатели документа:
ЗКУ
Доп.точки доступа:
Карташева, В.В.
М 22
Мамышева, М. В.
Применение методов искусственного интеллекта в инвентаризации флористического разнообразия [Текст] / М. В. Мамышева, В. В. Карташева // Сборник материалов международной научно-практической конференции «Ивановские чтения – 2025», посвященной 120-летию со дня рождения профессора В.В.Иванова. - Уральск, 2025. - 25-26 сентября. - С. 161-162.
Рубрики: Ботаника
Кл.слова (ненормированные):
инвентаризация флоры -- искусственный интеллект -- ИИ в ботанике -- цифровизация гербариев -- биологическое разнообразие -- методы полевых исследований -- базы данных -- машинное обучение -- экологический мониторинг -- цифровая ботаника
Аннотация: В статье рассматривается эволюция методов инвентаризации растительного разнообразия: от традиционных полевых наблюдений и ручного сбора данных до внедрения технологий искусственного интеллекта (ИИ). Автор анализирует ограничения классических методик, связанные с человеческим фактором и труднодоступностью территорий, и противопоставляет им возможности машинного обучения в анализе больших данных. Особое внимание уделяется процессу цифровизации биологических коллекций, который позволяет использовать вычислительные мощности для быстрой и точной идентификации флоры, открывая новые горизонты для ботанического образования и экологического мониторинга.
Держатели документа:
ЗКУ
Доп.точки доступа:
Карташева, В.В.
56.
Подробнее
32.97
А 35
Азизов, Э. А.
Цифрлық технологиялар негізінде ауылшаруашылығы карталарын жасау технологиясын жетілдіру [Текст] / Э. А. Азизов, Д. С. Тұрсынғазы // БҚУ хабаршысы. - 2025. - №4. - Б. 358-368.
ББК 32.97
Рубрики: Вычислительная техника
Кл.слова (ненормированные):
ауылшаруашылық карталары -- цифрлық технологиялар -- деректерді өңдеу -- өндіріс тиімділігі -- агробизнес -- заманауи əдістер
Аннотация: Бұл мақалада цифрлық құралдар мен геоақпараттық жүйелерді (ГАЖ) пайдалана отырып ауыл шаруашылығы карталарын жасауға арналған заманауи əдістер мен технологиялардың жан-жақты шолуы ұсынылған. Ғаламдық цифрландыру жағдайында ауыл шаруашылығы алқаптарын мониторингтеу, есепке алу жəне басқару үдерістерінде инновациялық тəсілдерді қолданудың маңызы арта түсуде. Зерттеуде геоақпараттық жүйелердің (ГАЖ), Жерді қашықтан зондтау технологияларының, машиналық оқыту мен жасанды интеллекттің кеңістіктік деректерді талдау жəне ауыл шаруашылығы аумақтарын визуализациялау саласындағы теориялық жəне тəжірибелік аспектілері қарастырылған. Мақалада ауыл шаруашылығы мақсатындағы жерлерді цифрлық картографиялау процесінде цифрлық технологияларды енгізудің отандық жəне шетелдік тəжірибелері талданып, олардың негізгі артықшылықтары мен шектеулері айқындалған. Сондай-ақ спутниктік жəне климаттық деректерді біріктірудің маңыздылығы атап өтіледі, бұл өз кезегінде егіс жағдайын дəлірек бағалауға, өнімділікті болжауға жəне табиғи əрі антропогендік өзгерістерге дер кезінде əрекет етуге мүмкіндік береді. Сонымен қатар дəлме-дəл егіншілік пен агроландшафтарды кеңістіктік талдау үшін ұшқышсыз ұшу аппараттарын (дрондарды) қолданудың табысты мысалдары келтірілген. Зерттеу нəтижелері ауыл шаруашылығы өндірісінің тұрақты дамуын қамтамасыз етуде цифрлық картографияның маңызды рөл атқаратынын көрсетеді. Бұл жер ресурстарын тиімді басқаруға жəне өндірістік үдерістерді оңтайландыруға жағдай жасайды. Ғылыми дереккөздер мен практикалық мысалдарды талдау негізінде ауыл шаруашылығы карталарын жасау əдістемесін жетілдіру, жерді пайдалану жүйесіне инновациялық технологияларды енгізу жəне ауыл шаруашылығында интеллектуалды шешім қабылдау жүйелерін дамыту бойынша нақты ұсынымдар берілген.
Держатели документа:
ЗКУ
Доп.точки доступа:
Тұрсынғазы, Д.С.
А 35
Азизов, Э. А.
Цифрлық технологиялар негізінде ауылшаруашылығы карталарын жасау технологиясын жетілдіру [Текст] / Э. А. Азизов, Д. С. Тұрсынғазы // БҚУ хабаршысы. - 2025. - №4. - Б. 358-368.
Рубрики: Вычислительная техника
Кл.слова (ненормированные):
ауылшаруашылық карталары -- цифрлық технологиялар -- деректерді өңдеу -- өндіріс тиімділігі -- агробизнес -- заманауи əдістер
Аннотация: Бұл мақалада цифрлық құралдар мен геоақпараттық жүйелерді (ГАЖ) пайдалана отырып ауыл шаруашылығы карталарын жасауға арналған заманауи əдістер мен технологиялардың жан-жақты шолуы ұсынылған. Ғаламдық цифрландыру жағдайында ауыл шаруашылығы алқаптарын мониторингтеу, есепке алу жəне басқару үдерістерінде инновациялық тəсілдерді қолданудың маңызы арта түсуде. Зерттеуде геоақпараттық жүйелердің (ГАЖ), Жерді қашықтан зондтау технологияларының, машиналық оқыту мен жасанды интеллекттің кеңістіктік деректерді талдау жəне ауыл шаруашылығы аумақтарын визуализациялау саласындағы теориялық жəне тəжірибелік аспектілері қарастырылған. Мақалада ауыл шаруашылығы мақсатындағы жерлерді цифрлық картографиялау процесінде цифрлық технологияларды енгізудің отандық жəне шетелдік тəжірибелері талданып, олардың негізгі артықшылықтары мен шектеулері айқындалған. Сондай-ақ спутниктік жəне климаттық деректерді біріктірудің маңыздылығы атап өтіледі, бұл өз кезегінде егіс жағдайын дəлірек бағалауға, өнімділікті болжауға жəне табиғи əрі антропогендік өзгерістерге дер кезінде əрекет етуге мүмкіндік береді. Сонымен қатар дəлме-дəл егіншілік пен агроландшафтарды кеңістіктік талдау үшін ұшқышсыз ұшу аппараттарын (дрондарды) қолданудың табысты мысалдары келтірілген. Зерттеу нəтижелері ауыл шаруашылығы өндірісінің тұрақты дамуын қамтамасыз етуде цифрлық картографияның маңызды рөл атқаратынын көрсетеді. Бұл жер ресурстарын тиімді басқаруға жəне өндірістік үдерістерді оңтайландыруға жағдай жасайды. Ғылыми дереккөздер мен практикалық мысалдарды талдау негізінде ауыл шаруашылығы карталарын жасау əдістемесін жетілдіру, жерді пайдалану жүйесіне инновациялық технологияларды енгізу жəне ауыл шаруашылығында интеллектуалды шешім қабылдау жүйелерін дамыту бойынша нақты ұсынымдар берілген.
Держатели документа:
ЗКУ
Доп.точки доступа:
Тұрсынғазы, Д.С.
57.
Подробнее
32.81
А 13
Абаева, Б. Ж.
Проблемные аспекты информатики в цифровом обществе [Текст] / Б. Ж. Абаева // Материалы международной научно-практической конференции «Цифровая наука и искусственный интеллект» «Таймановские чтения-2026» посвящённой научно-педагогической деятельности доктора физико-математических наук, академика А.Д. Тайманова. - Уральск, 2026. - 27 февраля. - С. 20-21.
ББК 32.81
Рубрики: Кибернетика
Кл.слова (ненормированные):
Информатика -- Цифровизация -- Большие данные -- Информационная безопасность -- Искусственный интеллект -- Машинное обучение -- Качество ПО -- Цифровое неравенство -- ИТ-образование
Аннотация: Статья посвящена комплексному анализу ключевых вызовов, стоящих перед современной информатикой в условиях глобальной цифровой трансформации.
Держатели документа:
ЗКУ
А 13
Абаева, Б. Ж.
Проблемные аспекты информатики в цифровом обществе [Текст] / Б. Ж. Абаева // Материалы международной научно-практической конференции «Цифровая наука и искусственный интеллект» «Таймановские чтения-2026» посвящённой научно-педагогической деятельности доктора физико-математических наук, академика А.Д. Тайманова. - Уральск, 2026. - 27 февраля. - С. 20-21.
Рубрики: Кибернетика
Кл.слова (ненормированные):
Информатика -- Цифровизация -- Большие данные -- Информационная безопасность -- Искусственный интеллект -- Машинное обучение -- Качество ПО -- Цифровое неравенство -- ИТ-образование
Аннотация: Статья посвящена комплексному анализу ключевых вызовов, стоящих перед современной информатикой в условиях глобальной цифровой трансформации.
Держатели документа:
ЗКУ
58.
Подробнее
32.813
И 42
Иксебаева, Ж. С.
Использование методов машинного обучения и математического моделирования в экспертных системах [Текст] / Ж. С. Иксебаева // Материалы международной научно-практической конференции «Цифровая наука и искусственный интеллект» «Таймановские чтения-2026» посвящённой научно-педагогической деятельности доктора физико-математических наук, академика А.Д. Тайманова. - Уральск, 2026. - 27 февраля. - С. 46-47.
ББК 32.813
Рубрики: Искусственный интеллект
Кл.слова (ненормированные):
Экспертные системы -- Машинное обучение -- Математическое моделирование -- Грантовые конкурсы -- Автоматизация проверки -- Бинарная классификация -- Многоуровневая классификация -- Текстовая аналитика
Аннотация: Современные грантовые конкурсы характеризуются значительным ростом количества заявок и усложнением требований к их содержанию. Традиционная ручная проверка становится неэффективной, увеличивая риск субъективных ошибок и административных издержек. Автоматизация проверки на соответствие технической документации позволяет формализовать задачи в терминах классификации текстовых документов.
Держатели документа:
ЗКУ
И 42
Иксебаева, Ж. С.
Использование методов машинного обучения и математического моделирования в экспертных системах [Текст] / Ж. С. Иксебаева // Материалы международной научно-практической конференции «Цифровая наука и искусственный интеллект» «Таймановские чтения-2026» посвящённой научно-педагогической деятельности доктора физико-математических наук, академика А.Д. Тайманова. - Уральск, 2026. - 27 февраля. - С. 46-47.
Рубрики: Искусственный интеллект
Кл.слова (ненормированные):
Экспертные системы -- Машинное обучение -- Математическое моделирование -- Грантовые конкурсы -- Автоматизация проверки -- Бинарная классификация -- Многоуровневая классификация -- Текстовая аналитика
Аннотация: Современные грантовые конкурсы характеризуются значительным ростом количества заявок и усложнением требований к их содержанию. Традиционная ручная проверка становится неэффективной, увеличивая риск субъективных ошибок и административных издержек. Автоматизация проверки на соответствие технической документации позволяет формализовать задачи в терминах классификации текстовых документов.
Держатели документа:
ЗКУ
59.
Подробнее
32.973.202
М 38
Машакаев, Р. Д.
Білім беру ортасындағы цифрлық трансформация: студенттерге арналған бағыттаушы чат-ботты әзірлеу [Текст] / Р. Д. Машакаев, М. Ш. Шынболатов, Ж. С. Иксебаева // Физика-математика ғылымдарының докторы, академик А.Д.Таймановтың ғылыми-педагогикалық шығармашылығына арналған «Тайманов оқулары – 2026» «Цифрлық ғылым және жасанды интеллект» халықаралық ғылыми-тәжірибелік конференцияның материалдары. - Орал, 2026. - 27 ақпан. - Б. 53-57.
ББК 32.973.202
Рубрики: Компьютерные системы и сети
Кл.слова (ненормированные):
Чат-бот -- Telegram API -- Студенттердің бейімделуі -- Ақпараттық жүйе -- Цифрлық трансформация -- Виртуалды көмекші -- Верификацияланған деректер -- Сценарийлік модель
Аннотация: Мақалада жоғары оқу орнына жаңадан түскен бірінші курс студенттерінің университет ортасына бейімделуін жеңілдету мәселесі қарастырылған. Студенттердің оқу кестесі, әкімшілік байланыстар және университет ережелері туралы ақпаратты жедел алу қажеттілігі негізделген.
Держатели документа:
ЗКУ
Доп.точки доступа:
Шынболатов, М.Ш.
Иксебаева, Ж.С.
М 38
Машакаев, Р. Д.
Білім беру ортасындағы цифрлық трансформация: студенттерге арналған бағыттаушы чат-ботты әзірлеу [Текст] / Р. Д. Машакаев, М. Ш. Шынболатов, Ж. С. Иксебаева // Физика-математика ғылымдарының докторы, академик А.Д.Таймановтың ғылыми-педагогикалық шығармашылығына арналған «Тайманов оқулары – 2026» «Цифрлық ғылым және жасанды интеллект» халықаралық ғылыми-тәжірибелік конференцияның материалдары. - Орал, 2026. - 27 ақпан. - Б. 53-57.
Рубрики: Компьютерные системы и сети
Кл.слова (ненормированные):
Чат-бот -- Telegram API -- Студенттердің бейімделуі -- Ақпараттық жүйе -- Цифрлық трансформация -- Виртуалды көмекші -- Верификацияланған деректер -- Сценарийлік модель
Аннотация: Мақалада жоғары оқу орнына жаңадан түскен бірінші курс студенттерінің университет ортасына бейімделуін жеңілдету мәселесі қарастырылған. Студенттердің оқу кестесі, әкімшілік байланыстар және университет ережелері туралы ақпаратты жедел алу қажеттілігі негізделген.
Держатели документа:
ЗКУ
Доп.точки доступа:
Шынболатов, М.Ш.
Иксебаева, Ж.С.
60.
Подробнее
74.262.22
Х 44
Хикматулла, Ш.
Физиканы оқытуда 3D модельдеудің оқу үдерісіне әсері: электрофор машинасы мен микроскоп мысалында [Текст] / Ш. Хикматулла, Б. Курбанбеков, Ш. Раманкулов // Физика-математика ғылымдарының докторы, академик А.Д.Таймановтың ғылыми-педагогикалық шығармашылығына арналған «Тайманов оқулары – 2026» «Цифрлық ғылым және жасанды интеллект» халықаралық ғылыми-тәжірибелік конференцияның материалдары. - Орал, 2026. - 27 ақпан. - Б. 376-378
ББК 74.262.22
Рубрики: Методика преподавания физики
Кл.слова (ненормированные):
3D модельдеу -- Blender бағдарламасы -- Электрофор машинасы -- Оптикалық микроскоп -- STEM-білім беру -- Цифрлық визуализация -- Инженерлік ойлау -- Прототиптеу
Держатели документа:
ЗКУ
Доп.точки доступа:
Курбанбеков, Б.
Раманкулов, Ш.
Х 44
Хикматулла, Ш.
Физиканы оқытуда 3D модельдеудің оқу үдерісіне әсері: электрофор машинасы мен микроскоп мысалында [Текст] / Ш. Хикматулла, Б. Курбанбеков, Ш. Раманкулов // Физика-математика ғылымдарының докторы, академик А.Д.Таймановтың ғылыми-педагогикалық шығармашылығына арналған «Тайманов оқулары – 2026» «Цифрлық ғылым және жасанды интеллект» халықаралық ғылыми-тәжірибелік конференцияның материалдары. - Орал, 2026. - 27 ақпан. - Б. 376-378
Рубрики: Методика преподавания физики
Кл.слова (ненормированные):
3D модельдеу -- Blender бағдарламасы -- Электрофор машинасы -- Оптикалық микроскоп -- STEM-білім беру -- Цифрлық визуализация -- Инженерлік ойлау -- Прототиптеу
Держатели документа:
ЗКУ
Доп.точки доступа:
Курбанбеков, Б.
Раманкулов, Ш.
Страница 6, Результатов: 60