ai 2

Front

9.⁠ ⁠Data Science негіздері мен оның білім беру саласындағы маңыздылығы

Back

Data Science – үлкен көлемдегі деректерді жинау, өңдеу, талдау және олардан пайдалы ақпарат алу ғылымы. Негізгі элементтері: деректерді өңдеу, статистика, машиналық оқыту, визуализация.

Білім беру саласында Data Science оқу процесін жақсартуға көмектеседі: оқушылардың үлгерімін болжау, жеке оқу траекториясын құру, студенттердің белсенділігін талдау, білім сапасын бақылау. Бұл тәсілдер оқу тиімділігін арттырады.

Front

10.⁠ ⁠Data Science-та машиналық оқытудың түрлері мен алгоритмдерді қолдануы

Back

Машиналық оқыту үш түрге бөлінеді:

1. Қадағаланатын оқыту (Supervised learning) – дайын жауаптары бар деректермен үйрену. Алгоритмдер: сызықтық регрессия, логистикалық регрессия, SVM, Random Forest.

2. Қадағалаусыз оқыту (Unsupervised learning) – белгісіз топтарды табу. Алгоритмдер: K-means, иерархиялық кластерлеу.

3. Күшейтілген оқыту (Reinforcement learning) – агенттің сынақ арқылы үйренуі.

Front

11.⁠ ⁠Сараптамалық жүйелер. Білім базасы, шығару механизмі, интерфейс. Білімді ұсыну әдістері

Back

Сараптамалық жүйелер – белгілі бір саладағы маманның ойлау қабілетін модельдейтін интеллектуалды бағдарламалар.

Олардың негізгі бөліктері:

• Білім базасы – сарапшыдан алынған ережелер, фактілер, тәжірибе.

• Шығару механизмі – білім базасындағы ақпаратты пайдаланып қорытынды жасайтын блок.

• Интерфейс – пайдаланушы жүйемен жұмыс істейтін бөлік.

Білімді ұсыну әдістері: ережелер жүйесі (IF–THEN), семантикалық желілер, фреймдер, логикалық формулалар.

Front

12.⁠ ⁠Деректер туралы ғылым. Data Science-тың негізгі мәні

Back

Data Science – әртүрлі деректерден мәнді ақпарат алу, оны талдау және практикалық шешімдерге қолдану ғылымы.

Негізгі мәні:

• деректерді түсіну

• заңдылықтарды анықтау

• болжау жасау

• шешім қабылдауды жақсарту

Бұл ғылым статистика, программалау, машиналық оқыту және бизнес-аналитиканы біріктіреді.

Front

13.⁠ ⁠Data Science-тың ғылымда қолданылатын құралдары. Data Science-тың тиімділігі

Back

Қолданылатын құралдары:

• Python (Pandas, NumPy, Scikit-learn)

• R тілі

• Power BI, Tableau

• SQL

• TensorFlow, PyTorch (нейрондық желілер үшін)

Тиімділігі:

• деректерден нақты шешім жасауға мүмкіндік береді;

• процестерді автоматтандырады;

• трендтер мен үлгілерді табады;

• болжау арқылы тәуекелді азайтады.

Front

14.⁠ ⁠Сипаттамалық статистиканың негізгі көрсеткіштерін атаңыз

Back

Сипаттамалық статистика деректердің жалпы қасиеттерін сипаттайды.

Негізгі көрсеткіштері:

• Орташа мән (mean)

• Медиана (median)

• Мода (mode)

• Дисперсия

• Стандартты ауытқу

• Минимум–максимум

• Квартильдер

Front

15.⁠ ⁠Орташа мен медиананың айырмашылығы неде?

Back

Орташа мән – барлық сандардың қосындысын олардың санына бөлу. Ол шеткі үлкен немесе өте кіші мәндерге қатты тәуелді.

• Медиана – қатарға реттелген мәндердің ортасындағы сан. Шеткі мәндер медианаға әсер етпейді.

Қысқаша: орташа — барлық мәндерге тәуелді; медиана — орталық мән, аутлайерлерден қорғалған.

Front

16.⁠ ⁠Білім беруде Data Science қандай мәселелерді шешеді?

Back

Data Science білім саласында бірнеше маңызды міндеттерді шешеді:

• студенттердің үлгерімін болжау;

• жеке білім беру траекториясын құру;

• пәндер бойынша әлсіз жақтарды анықтау;

• оқу материалдарының тиімділігін талдау;

• мұғалім жүктемесін оңтайландыру;

• студенттердің қатысу белсенділігін бақылау;

• емтихан нәтижелерін автоматты талдау.

Нәтижесінде оқу сапасы артады, білім процесі тиімді және жеке тұлғаға бағытталған болады.