Электронный каталог

32.81
А 13
Абдуланова, А. К.
    ПОИСК ЛОЖНОЙ ИНФОРМАЦИИ В СТАТЬЯХ С ПОМОЩЬЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА [Текст] / А. К. Абдуланова // НОВОСТИ НАУКИ КАЗАХСТАНА НАУЧНО–ТЕХНИЧЕСКИЙ ЖУРНАЛ. - 2018. - №4. - С. 23-30.
ББК 32.81

Рубрики: Кибернетика

Кл.слова (ненормированные):
машинное обучение -- natural language processing -- искусственный интеллект -- классификация текста -- поиск ложной информации
Аннотация: Проблема «поддельных новостей» возникла в последнее время как потенциальная угроза качественной журналистике, и имеет повод к общественной дискуссии в хорошо информированном обществе. Обработка естественного языка является одной из важнейших технологий информационной эпохи. Понимание сложных языковых высказываний также является важной частью искусственного интеллекта. Приложения NLP (Natural Language Processing - обработка естественного языка) повсюду: веб-поиск, реклама, электронные письма, обслуживание клиентов, перевод на язык, радиологические отчеты и т. д. Существует большое количество базовых задач и моделей машинного обучения для приложений NLP. В последнее время глубокие подходы к обучению получили очень высокую производительность во многих различных задачах обработки естественного языка. Они могут решать задачи с помощью отдельных сквозных моделей и не требуют традиционной, специализированной функции.
Держатели документа:
ЗКГУ

32.97
Т 48
Ткач, Т. В.
    Машинное обучение и обработка больших данных в условиях современной школы. [Текст] / Т. В. Ткач // Информатика в школе. - 2020. - №7. - С. 25-29
ББК 32.97

Рубрики: вычислительная техника

Кл.слова (ненормированные):
машинное обучение -- большие данные -- реляционная структура данных -- визуализация табличных данных -- математические модели обработки данных
Аннотация: В статье рассказывается про машинное обучение на уроках информатики.
Держатели документа:
ЗКУ

32.973
S53
Shalakhmetov, A.
    Optical character recognition with neural networks [Текст] / A. Shalakhmetov, S. Aubakirov // Вестник Казахского национального университета имени Аль-Фараби. - Almaty, 2018. - №4. - Р. 28-41. - (Серия математика, механика, информатика=Series mathematics, mechanics, computer science)
ББК 32.973

Рубрики: Компьютеры (электронно-вычислительные машины)

Кл.слова (ненормированные):
OCR -- нейронные сети -- сверточные нейронные сети -- автоматизация -- оптическое распознавание -- алгоритм -- машинное обучение -- оптическое распознавание -- многослойный перцептрон -- утилиты -- программное обеспечение -- оцифровка данных
Аннотация: XXI век – это век глобальной автоматизации и оцифровки данных. В наше время имеется огромный спрос на системы оптического распознавания, включая системы распознавания символов. В сфере оптического распознавания используются различные подходы в решении поставленных задач. Некоторые из них основываются на классических методах выделения характерных признаков. Некоторые базируются на алгоритмах машинного обучения. В данной работе рассматриваются исследования в сфере машинного обучения и предложения для последующих исследований. Данная статья основывается на двух публикациях, которые описывают основы машинного обучения. Мы поставили несколько аналогичных экспериментов для ознакомления с методами и техниками данного подхода, а также для определения основных принципов, которые влияют на процесс оптического распознавания. Мы проанализировали две основные архитектуры: многослойный перцептрон и сверточные нейронные сети. В заключении, мы ознакомились с основами алгоритмов машинного обучения и составили стратегию для дальнейших исследований. Полученный результат отражает разницу в производительности между разными моделями сверточных нейронных сетей при одинаковых условиях. Последующие работы будут содержать исследования и эксперименты различных архитектур. В дополнении, мы рассмотрели различные утилиты, программное обеспечение и среды для создания оптимального процесса реализации системы
Держатели документа:
ЗКГУ
Доп.точки доступа:
Aubakirov, S.

32.813
Т 82
Туленбаев, К. М.
    Нейросетевое моделирование выборного процесса [Текст] / К. М. Туленбаев, Б. Н. Жумабай // Высшая школа Казахстана. - 2019. - №3. - С. 244-246
ББК 32.813

Рубрики: Искусственный интеллект

Кл.слова (ненормированные):
нейросетевое моделирование -- выборный процесс -- депутаты -- маслихат -- математическая модель -- нейронные сети -- распознавание образов -- искусственные нейроны -- машинное обучение -- дискриминантный анализ -- метод кластеризации -- нелинейная оптимизация -- алгоритм -- итеративный градиентный алгоритм -- сетевое тестировние
Аннотация: В данной статье мы хотим понять, как люди собираются сделать свой выбор на различных урвнях выборов депутатов маслихатов.
Держатели документа:
ЗКГУ
Доп.точки доступа:
Жумабай , Б.Н.

34.4
К 12
Качиев, А. Р.
    Погружение в машинное обучение [Текст] / А. Р. Качиев // Қазақстан жоғары мектебі. Информатика. Электроника. Автоматизация. Телекоммуникация. - 2020. - №3. - С. 299-303
ББК 34.4

Рубрики: Машиноведение

Кл.слова (ненормированные):
программирование -- машинное обучение -- алгоритм -- статистика -- разработка
Аннотация: Машинное обучение с каждым годом набирает популярность во всех сферах жизнедеятельности. Специалисты по машинному обучению и Data Sciеnce являются востребованными по всему миру.
Держатели документа:
ЗКУ

3
М 92
Муханбет, А. А.
    Реализация алгоритма распознавания чисел, построенного с помощью нейронной сети, на панели BASYS3 FPGA [Текст] / А. А. Муханбет, Е. С. Нурахов, Б. С. Дарибаев // Вестник национальной инженерной академии Республики Казахстан. - 2021. - №4. - с. 86-96
ББК 3

Рубрики: Техника. Технические науки

Кл.слова (ненормированные):
FPGA -- нейронная сеть -- машинное обучение -- архитектура -- память
Аннотация: В последние годы были представлены некоторые полевые программируемые клапанные матрицы на основе ускорителей фазы выпуска CNN. FPGA широко используются в портативных устройствах. Они могут быть запрограммированы для достижения более высокого параллелизма и обеспечения лучшей производительности.
Держатели документа:
ЗКУ им М. Утемисова
Доп.точки доступа:
Нурахов, Е. С.
Дарибаев, Б. С.

72
Ж 26
Жамалов, К.
    Мир технологий: об искусственном интеллекте [Текст] / К. Жамалов // Мысль. - 2021. - №10. - с. 19-26
ББК 72

Рубрики: Наука. Науковедение

Кл.слова (ненормированные):
искусственный интеллект -- компьютерные науки -- работа с естественными языками -- машинное обучение -- биологическое моделирование искусственного интеллекта -- робототехника -- научные исследования в области ИИ
Аннотация: В статье рассказывается о мире технологий: искусственный интеллект.
Держатели документа:
ЗКУ им М. Утемисова

32.813
I-56

    Implementation of artificial intelligence in “ToqyzQumalaq” mobile logic game [Текст] / Zh. Nurbekova, G. Aimicheva, T. Tolganbaiuly, M. M. Galy // Білім. - 2023. - №4. - Р. 37-47.
ББК 32.813

Рубрики: Искусственный интеллект

Кл.слова (ненормированные):
разработка мобильных игр -- машинное обучение -- Minimax -- Alpha-Beta Pruning -- Greedy -- PSO
Аннотация: В данной исследовательской работе рассматривается реализация искусственного интеллекта (ИИ) в мобильной логической игре «ToqyzQumalaq» с акцентом на включение передовых алгоритмических стратегий для улучше- ния игрового процесса. Сложность и стратегическая глубина игры представля- ют собой уникальные проблемы для разработки ИИ, которые решаются путем интеграции таких алгоритмов, как Minimax, Alpha-Beta Pruning, Greedy и Particle Swarm Optimization (PSO). В исследовании особое внимание уделяется созданию оценочных функций для этих алгоритмов, обеспечивающих эффективность ИИ и принятие решений, подобных человеческим. Этот аспект жизненно важен для со- хранения стратегической непредсказуемости, необходимой для «ToqyzQumalaq». Обширное экспериментальное тестирование против человеческих игроков раз- ного уровня мастерства демонстрирует эффективность алгоритмов. Эти тесты вы- являют сильные стороны и ограничения каждого алгоритма, давая представле- ние об их применении в игре. Данная статья вносит вклад в развитие ИИ в играх, подчеркивая проблемы и возможности разработки ИИ для сложных игр. Ее ре- зультаты актуальны не только для разработчиков игр, но и служат образователь- ным инструментом, демонстрируя практическое применение ИИ и алгоритмиче- ских стратегий.
Держатели документа:
ЗКУ
Доп.точки доступа:
Nurbekova, Zh.
Aimicheva, G.
Tolganbaiuly, T.
Galy, M. M.

74
Г 37
Геращенко, И. Г.
    Искусственный интеллект в образовании как педагогическая инновация [Текст] / И. Г. Геращенко, Н. В. Геращенко // Инновации в образовании. - 2024. - №3. - С. 65-71.
ББК 74

Рубрики: Образование

Кл.слова (ненормированные):
образование -- педагогическая инновация -- искусственный интеллект -- облачные вычисления -- большие данные -- машинное обучение
Аннотация: В статье рассмотрен инновационный характер использования искусственного интеллекта в современном образовании. Показаны проблемы и противоречия такого использования. Проанализированы следующие вопросы: облачные вычисления, большие данные, машинное обучение, интернет вещей в образовании, концепция «умных кампусов», инфляция и фрагментизация информации и некоторые другие.
Держатели документа:
ЗКУ
Доп.точки доступа:
Геращенко, Н.В.