Перейти к содержимому
QAIRUПреподавателиУскенбаева Гульжан Амангазыевна
Ускенбаева Гульжан Амангазыевна
  • Бакалавриат
  • Магистратура
  • MBA/EMBA

Ускенбаева Гульжан Амангазыевна

Ассоциированный профессор

PhD (автоматизация и управление), ассоциированный профессор (электротехника, электроника и информационные технологии)

Биография

Ассоциированный профессор QAIRU, PhD (L.N. Gumilyov Eurasian National University), выпускница программы «Болашак». Эксперт по промышленному Интернету вещей, интеллектуальным системам управления и цифровым двойникам. Научный руководитель гранта МНВО РК по цифровым двойникам нефтеперерабатывающих установок. Эксперт центра Болонского процесса МНВО РК. Научные стажировки — Rochester Institute of Technology и University of Illinois Urbana-Champaign.

Научные интересы

Промышленный Интернет вещейИнтеллектуальные системы управленияЦифровые двойникиEdge AIНейронные сетиОптимальные и адаптивные системы управления

Преподаваемые дисциплины

  • AI Fundamentals
  • Algorithms and Data Structures for Data Analysis
  • Machine Learning and Python
  • Machine Learning and AI
  • Industrial AI and Predictive Diagnosis
  • IoT and Edge in Industry

Образование

  1. PhDАвтоматизация и управление (8D070200) · L.N. Gumilyov Eurasian National University, Казахстан
  2. МагистрИнформационные системы · Al-Farabi Kazakh National University, Казахстан

Опыт работы

  1. 2026–н. в.Ассоциированный профессорQAIRU
  2. 2012–2026Старший преподаватель, заведующая кафедрой, ассоциированный профессор кафедры системного анализа и управленияL.N. Gumilyov Eurasian National University
  3. 2015–2016Ведущий экспертРНПЦ «Учебник»
  4. 2005–2012Старший преподаватель кафедры информационных системShakarim University

Награды

  1. Грамота «Құрмет»L.N. Gumilyov Eurasian National University
  2. 2025Программа «Болашақ», ТОП-500 учёных

Публикации5

  1. Uskenbayeva, G. A., et al. (2026). Methods for developing models and decision making in a fuzzy environment for effective control of the coking process. Cogent Engineering, 13(1).

    doi.org/10.1080/23311916.2026.2653326 (откроется в новой вкладке)
  2. Uskenbayeva, G. A., et al. (2026). A hybrid ARX and deep sequence learning architecture for multivariate industrial time-series forecasting: An application in fluid catalytic cracking. Algorithms, 19, 727.

    doi.org/10.3390/a19090727 (откроется в новой вкладке)
  3. Uskenbayeva, G. A., et al. (2025). A comprehensive approach to identifying the parameters of a counterflow heat exchanger model based on sensitivity analysis and regularization methods. Processes, 13, 3289.

    doi.org/10.3390/pr13103289 (откроется в новой вкладке)
  4. Uskenbayeva, G. A., et al. (2025). Hybrid models of atmospheric block columns of primary oil refining unit under conditions of initial information deficiency. Energies, 18, 271.

    doi.org/10.3390/en18020271 (откроется в новой вкладке)
  5. Uskenbayeva, G. A., et al. (2024). Modeling and optimization of oil production processes for regulation of oil well fund. News of the National Academy of Sciences of the Republic of Kazakhstan, Series of Geology and Technical Sciences, 3(465), 205–218.

    doi.org/10.32014/2024.2518-170X.420 (откроется в новой вкладке)

Готовы начать карьеру в области ИИ?

Оставьте заявку — приёмная комиссия поможет выбрать программу и поток.