6B06101 · ГРУППА B057 · БАКАЛАВРИАТ
AI and Machine Learning
Базовая инженерная профессия эпохи искусственного интеллекта: разработка, обучение и внедрение интеллектуальных систем, работающих на данных.
3 года
СРОК ОБУЧЕНИЯСРОК
240 кредитов
ОБЪЁМ ПРОГРАММЫОБЪЁМ
Английский, казахский
ЯЗЫК ОБУЧЕНИЯЯЗЫК
Очная, триместры
ФОРМА ОБУЧЕНИЯФОРМА
Бакалавр в области ИКТ
СТЕПЕНЬ
2 500 000 ₸ в год
СТОИМОСТЬ
ЕНТ 70 — платно, 90 — грантЕНТ 70 / 90
ПРОХОДНОЙ БАЛЛ
20 июня — 25 августа
ПРИЁМ 2026–2027
О ПРОГРАММЕ
Если Physical AI — это интеллект, который двигается в физическом мире, то AI and Machine Learning — это ядро всей современной AI-индустрии: разработка, обучение и внедрение интеллектуальных алгоритмов и систем, работающих на основе данных.
Программа готовит бакалавров, способных разрабатывать, обучать, оценивать, внедрять и сопровождать интеллектуальные системы для решения прикладных и исследовательских задач в самых разных отраслях экономики: финансовых технологиях, здравоохранении, промышленности, государственном управлении, образовании, телекоммуникациях, интеллектуальных городских системах, робототехнике, анализе данных и цифровых платформах.
Программа охватывает ключевые направления современного искусственного интеллекта — машинное обучение, глубокие нейронные сети, компьютерное зрение, обработку естественного языка, генеративные модели — и одновременно уделяет особое внимание инженерным и промышленным аспектам создания AI-решений: процессам MLOps, построению масштабируемых AI-сервисов, работе с распределёнными данными, а также интерпретируемости, надёжности и этической корректности интеллектуальных систем.
КАРЬЕРА
Кем работают выпускники
- AI Engineer
- Machine Learning Engineer
- Data Scientist
- AI Researcher
Выпускники разрабатывают AI-продукты, создают интеллектуальные сервисы, обучают модели искусственного интеллекта и внедряют AI в бизнес, промышленность и государственный сектор.
ОТРАСЛИ
ОСОБЕННОСТИ
Особенности программы
Полный спектр современного ИИ — от классического ML до генеративных моделей
Машинное обучение, глубокие нейронные сети, компьютерное зрение, обработка естественного языка и генеративный искусственный интеллект — программа охватывает весь актуальный технологический ландшафт отрасли.
Промышленный, а не только исследовательский фокус
Особое внимание уделяется MLOps, построению масштабируемых AI-сервисов и работе с распределёнными данными — тому, как довести модель до реального промышленного применения.
Ответственный ИИ как инженерный стандарт
Интерпретируемость, надёжность и этическая корректность интеллектуальных систем — не отдельная тема, а часть инженерной культуры программы.
Гибкая специализация внутри программы
Пять индивидуальных образовательных траекторий позволяют углублённо развиваться именно в том направлении ИИ, которое интересно студенту, сопровождаясь вариативными дисциплинами и проектной деятельностью.
Широкий спектр отраслей применения
Программа готовит специалистов сразу для нескольких секторов экономики — финтеха, здравоохранения, промышленности, госуправления, телекоммуникаций и интеллектуальных городских систем.
Признание на уровне национальных профстандартов
Программа соответствует официальным профессиональным стандартам НПП «Атамекен» в области разработки AI-приложений и систем обработки больших данных.
Путь к науке и магистратуре
Программа готовит не только к индустриальной карьере, но и к продолжению обучения на уровне магистратуры, к участию в научно-исследовательской и технологической экосистеме ИИ.
СПЕЦИАЛИЗАЦИИ
Образовательные траектории
Программа предусматривает реализацию индивидуальных образовательных траекторий, позволяющих обучающимся углублённо развиваться в выбранных направлениях. Выбор траектории осуществляется с учётом профессиональных интересов студента и сопровождается вариативной частью дисциплин и проектной деятельностью.
Разработка и внедрение систем машинного и глубокого обучения
Для тех, кто хочет строить и обучать модели ML/DL — от базовых алгоритмов классификации и регрессии до продвинутых нейросетевых архитектур.
Анализ данных и Data Science
Для тех, кому интересен полный цикл работы с данными: сбор, очистка, преобразование, анализ и визуализация с использованием современных инструментов Data Science.
Компьютерное зрение и обработка мультимедийных данных
Для тех, кто хочет создавать системы, распознающие и интерпретирующие изображения, видео и другой визуальный контент.
Обработка естественного языка и генеративный искусственный интеллект
Для тех, кто интересуется языковыми моделями, генеративными системами и технологиями, стоящими за современными AI-продуктами уровня ChatGPT.
Инженерия AI-систем и MLOps
Для тех, кто хочет не просто обучать модели, а разворачивать, мониторить и сопровождать их в промышленной эксплуатации — строить инфраструктуру вокруг искусственного интеллекта.
РЕЗУЛЬТАТЫ ОБУЧЕНИЯ
Чему научитесь
По итогам освоения программы выпускник способен:
- Обладать навыками критического мышления, анализа и интерпретации информации, формулировать задачи и представлять результаты профессиональной деятельности устно и письменно, эффективно взаимодействовать в индивидуальной и командной работе.
- Применять фундаментальные знания в области математики, статистики и теории вероятностей для анализа данных, построения моделей и решения задач искусственного интеллекта.
- Разрабатывать и обучать базовые и продвинутые модели машинного обучения для решения задач классификации, регрессии, кластеризации и прогнозирования на основе подготовленных наборов данных.
- Применять методы глубокого обучения, включая нейронные сети, для обработки сложных типов данных — изображений, текста, аудио и временных рядов.
- Осуществлять полный цикл работы с данными: сбор, очистку, преобразование, анализ и визуализацию с использованием современных инструментов и технологий Data Science.
- Проектировать архитектуру интеллектуальных систем и выбирать методы интеграции моделей искусственного интеллекта в прикладные программные решения и цифровые сервисы.
- Оценивать качество, устойчивость и производительность моделей искусственного интеллекта, выполнять их настройку, валидацию и адаптацию к практическим условиям применения.
- Использовать современные инструменты и платформы разработки, включая библиотеки машинного обучения и технологии MLOps, для развёртывания и сопровождения AI-решений.
- Оценивать риски, ограничения, безопасность и интерпретируемость моделей искусственного интеллекта, а также учитывать этические, правовые и социальные аспекты их разработки и применения.
- Применять междисциплинарные знания в области программирования, экономики, предпринимательства и академической коммуникации при разработке, анализе и внедрении цифровых и интеллектуальных решений.
ПРАКТИКА И ИНСТРУМЕНТЫ
Практика и инструменты
В процессе обучения студенты получают практический опыт полного цикла разработки AI/ML-решений — от постановки задачи до промышленного внедрения.
- Python, современные языки программирования и инструменты разработки
- Для реализации AI/ML-решений
- TensorFlow, PyTorch, Keras
- Библиотеки и фреймворки машинного и глубокого обучения
- Инструменты работы с данными
- Сбор, очистка, обработка, хранение и визуализация данных, включая работу с базами данных (в том числе MongoDB) и построение data pipelines
- MLOps-инструменты
- Для развёртывания, мониторинга и сопровождения моделей в промышленной эксплуатации
- Методы обработки изображений, текста и других типов данных
- Компьютерное зрение и обработка естественного языка в интеллектуальных системах
- Облачные и высокопроизводительные вычисления для AI
- Построение масштабируемых AI-сервисов и работа с распределёнными данными
ТРИ ЭТАПА ПРАКТИКИ
Учебная практика
Знакомство с инструментами отрасли
Профессиональная практика
Работа над реальными задачами
Преддипломная практика
Самостоятельная реализация завершённого AI-проекта
Практика проходит в три этапа, что позволяет студенту последовательно перейти от знакомства с инструментами отрасли к самостоятельной реализации завершённого AI-проекта.
УЧЕБНЫЙ ПЛАН
Что изучают
Дисциплины с пометкой «Электив» — на выбор.
| Наименование дисциплины | Кредиты |
|---|---|
| 1 КУРС | |
| 1 триместр | |
| Физическая культура | 2 |
| Культурология | 2 |
| Информационно-коммуникационные технологии | 5 |
| Иностранный язык 1 | 5 |
| История Казахстана (Государственный экзамен) | 5 |
| Основы математического анализа | 5 |
| Введение в программирование | 5 |
| 2 триместр | |
| Физическая культура | 2 |
| Социология | 2 |
| Иностранный язык 2 | 5 |
| Дискретная математика для вычислительных систем | 5 |
| Основы искусственного интеллекта | 4 |
| Объектно-ориентированное программирование | 5 |
| Линейная алгебра для анализа данных | 5 |
| 3 триместр | |
| Физическая культура | 2 |
| Политология | 2 |
| Психология | 2 |
| Прикладной математический анализ | 5 |
| Учебная практика | 2 |
| Инженерия данных | 5 |
| Алгоритмы и структуры данных для анализа данных | 5 |
| 2 КУРС | |
| 4 триместр | |
| Философия | 5 |
| Физическая культура | 2 |
| Казахский (русский) язык 1 | 5 |
| Теория вероятностей и анализ данных | 5 |
| Математический анализ функций нескольких переменных | 5 |
| Электив: Архитектура и проектирование AI-систем / Облачные вычисления для AI | 5 |
| 5 триместр | |
| Казахский (русский) язык 2 | 5 |
| Оптимизация для машинного обучения | 5 |
| Интеграция и внедрение AI-систем | 5 |
| Электив: Мониторинг и надежность AI-систем / Методы параллельной обработки данных | 5 |
| Системы машинного обучения | 5 |
| Компьютерное зрение | 5 |
| 6 триместр | |
| Академическое письмо | 5 |
| Инженерия признаков | 5 |
| Основы MLOps / Развертывание моделей | 4 |
| Производственная практика | 4 |
| Продвинутая оптимизация в глубоком обучении | 5 |
| Вероятностное машинное обучение | 5 |
| 3 КУРС | |
| 7 триместр | |
| Электив: Финансовая грамотность / Цифровое предпринимательство и стартап-экосистемы / Технологическое предпринимательство | 5 |
| Продвинутая обработка естественного языка | 5 |
| Электив: Генеративный ИИ / Квантовое машинное обучение | 5 |
| Методы и инструменты исследования | 5 |
| Высокопроизводительные вычисления для ИИ | 5 |
| Системы глубокого обучения | 5 |
| 8 триместр | |
| Анализ временных рядов и прогнозирование | 5 |
| Методы моделирования в ИИ | 5 |
| Электив: Управление AI-продуктами / Визуализация данных | 5 |
| Электив: Облачные вычисления для ИИ / Инженерия данных и пайплайны | 5 |
| Электив: Глубокое обучение / Обучение с подкреплением | 5 |
| 9 триместр | |
| Производственная практика | 8 |
| Преддипломная практика | 4 |
| Написание и защита дипломной работы (проекта) / сдача комплексного экзамена | 8 |
СТОИМОСТЬ И ФИНАНСИРОВАНИЕ
Стоимость и гранты
ГОСУДАРСТВЕННЫЙ ГРАНТ
Полностью покрывает стоимость обучения
Общий конкурс грантов Республики Казахстан: проходной балл ЕНТ, группа B057 «Информационные технологии», QPT и подтверждённый английский.
УЧРЕДИТЕЛЬСКИЙ ГРАНТ QAIRU
100% оплата обучения по конкурсу
Три этапа отбора: онлайн-заявка, онлайн-отбор и финал в QAIRU. Для финалистов университет оплачивает проживание, питание и дорогу.
ПОСТУПЛЕНИЕ
Как поступить
Сдайте ЕНТ
70 баллов — платная основа, 90 — конкурс государственных грантов. Группа программ B057 «Информационные технологии».
Подайте документы
Регистрация на admission.qairu.kz занимает несколько минут.
Подтвердите язык
Английский: IELTS от 5.0, TOEFL iBT от 65 или ITP от 460. Казахский: KAZTEST уровня B1.
Пройдите QAIRU Potential Test
Онлайн, 35 минут, 30 вопросов. Проходной балл — 23 из 30.
| ТРЕБОВАНИЕ | ЗНАЧЕНИЕ |
|---|---|
| Группа образовательных программ | B057 «Информационные технологии» |
| Общий балл ЕНТ | 70 |
| Балл ЕНТ для конкурса государственных грантов | 90 |
| Профильные предметы ЕНТ | Математика — 5, Информатика — 5 |
| Английский: IELTS Academic | от 5.0 |
| Английский: TOEFL iBT | от 65 |
| Английский: TOEFL ITP | от 460 |
| Казахский: KAZTEST / Qazaq Resmi Test | уровень B1 |
| Внутреннее тестирование | QAIRU Potential Test: 35 минут, 30 вопросов, проходной балл 23 |
Получить консультацию
Расскажем про программу, вступительные испытания и оплату — по телефону или почте.
- 8 (700) 300 33 17
- info@nairu.edu.kz
Астана, пр. Мангилик Ел 55/1, бизнес-центр EXPO, блок В 2.2
Пн–Пт, 09:00–18:00
ВОПРОСЫ И ОТВЕТЫ
Вопросы и ответы
Нет. Программа начинается с фундамента — математики, статистики и программирования, — и доводит до продвинутых нейросетевых архитектур.
6B06101 · БАКАЛАВРИАТ
Готовы подать документы?
Регистрация на admission.qairu.kz занимает несколько минут
РЯДОМ ПО НАПРАВЛЕНИЮ
Похожие программы
- СЛЕДУЮЩИЙ УРОВЕНЬ · МАГИСТРАТУРА7M06102
AI+X, профильная магистратура
1 год · для выпускников IT-направлений
ОТКРЫТЬ ПРОГРАММУ →