<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF xmlns="http://purl.org/rss/1.0/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/">
<channel rdf:about="http://repository.enu.kz/handle/enu/24016">
<title>3 СЕКЦИЯ. АҚПАРАТТЫҚ ТЕХНОЛОГИЯЛАР ЖӘНЕ ЕСЕПТЕУ ИНТЕЛЛЕКТІСІ</title>
<link>http://repository.enu.kz/handle/enu/24016</link>
<description/>
<items>
<rdf:Seq>
<rdf:li rdf:resource="http://repository.enu.kz/handle/enu/24064"/>
<rdf:li rdf:resource="http://repository.enu.kz/handle/enu/24063"/>
<rdf:li rdf:resource="http://repository.enu.kz/handle/enu/24062"/>
<rdf:li rdf:resource="http://repository.enu.kz/handle/enu/24061"/>
</rdf:Seq>
</items>
<dc:date>2026-04-04T06:10:36Z</dc:date>
</channel>
<item rdf:about="http://repository.enu.kz/handle/enu/24064">
<title>АВТОМАТИЗИРОВАННОЕ РАСПОЗНАВАНИЕ НОМЕРОВ  ЖЕЛЕЗНОДОРОЖНЫХ ВАГОНОВ: СОВРЕМЕННЫЕ МЕТОДЫ И ПЕРСПЕКТИВЫ</title>
<link>http://repository.enu.kz/handle/enu/24064</link>
<description>АВТОМАТИЗИРОВАННОЕ РАСПОЗНАВАНИЕ НОМЕРОВ  ЖЕЛЕЗНОДОРОЖНЫХ ВАГОНОВ: СОВРЕМЕННЫЕ МЕТОДЫ И ПЕРСПЕКТИВЫ
Шаймуратов, А.Ж.
Современные системы учета железнодорожного подвижного состава оптимизируют &#13;
логистику и повышают безопасность перевозок. Традиционные методы с ручным вводом &#13;
данных уступают автоматизированным решениям по точности и скорости, что ведет к&#13;
ошибкам и потерям. В статье рассматриваются технологии распознавания номеров вагонов, &#13;
включая компьютерное зрение, глубокое обучение, гибридные методы и интеграцию с IoT. Приведен сравнительный анализ их эффективности, с акцентом на нейросетевые модели, &#13;
такие как YOLO и Efficient Net, которые показывают высокую точность в реальных условиях.
</description>
<dc:date>2025-04-16T00:00:00Z</dc:date>
</item>
<item rdf:about="http://repository.enu.kz/handle/enu/24063">
<title>СТЕРЕОМЕТРИЯ ТАҚЫРЫПТАРЫН GEOGEBRA БАҒДАРЛАМАСЫ АРҚЫЛЫ  ОҚЫТУДЫҢ ӘДІСТЕМЕЛІК НЕГІЗДЕРІ</title>
<link>http://repository.enu.kz/handle/enu/24063</link>
<description>СТЕРЕОМЕТРИЯ ТАҚЫРЫПТАРЫН GEOGEBRA БАҒДАРЛАМАСЫ АРҚЫЛЫ  ОҚЫТУДЫҢ ӘДІСТЕМЕЛІК НЕГІЗДЕРІ
Хусенбай, Алина
Мақалада стереометрия пәнін оқытуда GeoGebra бағдарламасын қолданудың &#13;
әдістемелік негіздері қарастырылады. Цифрлық технологияларды кеңістіктік геометриямен &#13;
ықпалдастыра отырып, оқушылардың кеңістіктік ойлау, визуализация және логикалық &#13;
пайымдау дағдыларын дамыту жолдары ұсынылады. Мақалада сабақ құрылымдары, &#13;
практикалық тапсырмалар үлгілері мен оқыту тиімділігіне қатысты тәжірибелік деректер &#13;
берілген.
</description>
<dc:date>2025-04-16T00:00:00Z</dc:date>
</item>
<item rdf:about="http://repository.enu.kz/handle/enu/24062">
<title>LABEL STUDIO-НЫ ПАЙДАЛАНА ОТЫРЫП, СЕБЕП-САЛДАРЛЫҚ  ҚҰРЫЛЫМДАРДЫ ҚАЗАҚ ТІЛІНДЕ АННОТАЦИЯЛАУДЫ АВТОМАТТАНДЫРУ</title>
<link>http://repository.enu.kz/handle/enu/24062</link>
<description>LABEL STUDIO-НЫ ПАЙДАЛАНА ОТЫРЫП, СЕБЕП-САЛДАРЛЫҚ  ҚҰРЫЛЫМДАРДЫ ҚАЗАҚ ТІЛІНДЕ АННОТАЦИЯЛАУДЫ АВТОМАТТАНДЫРУ
Таберхан, Р.; Самбетбаева, М.А.
Бұл мақалада қазақ тіліндегі мәтіндердегі себеп-салдарлық құрылымдарды (ССҚ) &#13;
аннотациялауды автоматтандыру процесі қаралады. Label Studio сияқты цифрлық &#13;
платформаларды пайдалану мәтіндерді белгілеу процесін едәуір жеделдетуге және &#13;
жеңілдетуге мүмкіндік береді. Бұл қазақ тіліндегі NLP-жүйелер мен лингвистикалық &#13;
ресурстарды дамыту үшін маңызды болып табылады. Мақалада белгілеу әдістері, ССҚ &#13;
типологиясы, сондай-ақ шаблондық және машиналық үлгілерді пайдалана отырып, алдын &#13;
ала автоматтандыру нәтижелері ұсынылған.
</description>
<dc:date>2025-04-16T00:00:00Z</dc:date>
</item>
<item rdf:about="http://repository.enu.kz/handle/enu/24061">
<title>РАЗРАБОТКА ПРОГРАММНО-АППАРАТНОГО КОМПЛЕКСА ДЛЯ ИЗМЕРЕНИЯ  ТОКА В ОДНОФАЗНОЙ СЕТИ С ПРИМЕНЕНИЕМ МЕТОДОВ  ИСКУССТВЕННОГО ИНТЕЛЛЕКТА</title>
<link>http://repository.enu.kz/handle/enu/24061</link>
<description>РАЗРАБОТКА ПРОГРАММНО-АППАРАТНОГО КОМПЛЕКСА ДЛЯ ИЗМЕРЕНИЯ  ТОКА В ОДНОФАЗНОЙ СЕТИ С ПРИМЕНЕНИЕМ МЕТОДОВ  ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Сулеймен, Б.К.; Искаков, К.Т.; Нартова, Д.С.
Представлена разработка программно-аппаратного комплекса для мониторинга &#13;
потребления тока в однофазной сети с использованием датчика Холла и аналого-цифрового &#13;
преобразователя (АЦП). Ключевая особенность решения — регистрация пусковых токов &#13;
подключаемых электроприборов, что позволяет формировать цифровую сигнатуру каждого &#13;
устройства. На основе собранных данных применяются методы машинного обучения для &#13;
решения задач: детектирования подключения, идентификации устройства, оценки &#13;
потребления энергии, кластеризации и категоризации по уровню энергоэффективности. &#13;
Разработка ориентирована на применение в системах «умного дома», энергоаудита и &#13;
интеллектуального управления нагрузкой.
</description>
<dc:date>2025-04-16T00:00:00Z</dc:date>
</item>
</rdf:RDF>
