Системи та технології штучного інтелекту 1

ID: 6654
Навчальна дисципліна професійної підготовки
Год внедрения: 
2017.
Количество кредитов ЭКТС: 
4.00.
Форма контроля: 
Зачет.
Количество аудиторных занятий: 
14 годин лекційних занять, 44 години лабораторних занять.

Анотація навчальної дисципліни

Мета дисципліни:

формування знань та навичок моделювання і проектування структур даних і знань, прикладних та інформаційних процесів та розвиток вмінь застосовування методів аналізу прикладної області на концептуальному, логічному, математичному і алгоритмічному рівнях згідно технологіям штучного інтелекту.

Завдання дисципліни:
  • вивчити головні принципи та ідеї, що лежать в основі штучного інтелекту;
  • сформувати навички практичного застосування систем та технологій штучного інтелекту;
  • надати теоретичні знання та практичні навички побудови моделей подання знань, використання методів обробки знань, пошуку рішень, принципів і технологій здобуття знань в експертних системах;
  • розвинути рівень володіння здобувачами вищої освіти програмними продуктами та засобами розробки систем штучного інтелекту.

 

Програмні компетентності

  • Здатність до абстрактного мислення, аналізу та синтезу.
  • Здатність застосовувати знання у практичних ситуаціях. 
  • Здатність до пошуку, оброблення та узагальнення інформації з різних джерел.
  • Здатність оцінювати та забезпечувати якість виконуваних робіт.
  • Здатність аналізувати об’єкт проектування або функціонування та його предметну область.
  • Здатність використовувати сучасні ІСТ (виробничі, підтримки прийняття рішень, інтелектуального аналізу даних та інші), методики й   техніки  кібербезпеки           під час виконання функціональних завдань та обов’язків.
  • Здатність проводити обчислювальні експерименти, порівнювати результати експериментальних даних і отриманих рішень.
  • Здатність використовувати сучасні технології проектування в розробці алгоритмічного та програмного забезпечення ІСТ.
  • Здатність оволодіти сучасними технологіями програмування та тестування програмного забезпечення.
  • Здатність використовувати знання у системах штучного інтелекту (СШІ), принципи побудови СШІ, зокрема, експертних систем, технологій побудови інтелектуальних систем, представлення їх в загальній структурі ІТ. 
  • Здатність до аналізу, синтезу і оптимізації інформаційних систем та технологій з використанням математичних моделей і методів.

 

Програмні результати навчання

Застосовувати знання фундаментальних і природничих наук, системного аналізу та технологій моделювання, стандартних алгоритмів та дискретного аналізу при розв’язанні задач проектування і використання ІСТ.

Демонструвати знання сучасного рівня технологій інформаційних систем, практичні навички програмування та використання прикладних і спеціалізованих комп’ютерних систем та середовищ з метою їх запровадження у професійній діяльності.

Використовувати знання з  у системах штучного інтелекту (СШІ); принципів побудови СШІ, зокрема, експертних систем; технологій побудови інтелектуальних систем, представлення їх в загальній структурі ІТ.

 

Кількість аудиторних занять

14 годин лекційних занять, 44 години лабораторних занять.

 

Форми організації освітнього процесу та види навчальних занять

  • Л – лекційні заняття;
  • ЛЗ – лабораторні заняття;
  • СРС – самостійна робота здобувача вищої освіти;
  • ПКО – поточні контрольні опитування;
  • МКР – модульна контрольна робота;
  • К – консультації.

 

Тематика та види навчальних занять

  • 1 тиждень
    • ЛЗ1. Особливості моделей подання знань. Частина 1
    • СРС. К.
  • 2 тиждень
    • Л1. Історія виникнення штучного інтелекту. Основні поняття і визначення [1, c.4-11].
    • ЛЗ2. Особливості моделей подання знань. Частина 2
    • ЛЗ3. Проектування і дослідження елементарного персептрона розенблатта. Частина 1
    • СРС. К.
  • 3 тиждень
    • ЛЗ4. Проектування і дослідження елементарного персептрона розенблатта. Частина 2
    • СРС. К.
  • 4 тиждень
    • Л2. Поняття і структура інтелектуальної системи. Класифікація задач розв'язуваних ІІС та їх застосування [1, c.4-11].
    • ЛЗ5. Дослідження принципів побудови нейронної мережі хебба. Частина 1
    • ЛЗ6. Дослідження принципів побудови нейронної мережі хебба. Частина 2
    • ПКО1
    • СРС. К.
  • 5 тиждень
    • ЛЗ7. Апроксимація функцій за допомогою нейронних мереж. Частина 1
    • СРС. К.
  • 6 тиждень
    • Л3. Області застосування ІІС. Способи представлення інтелектуальної завдання [1, c.18-21].
    • ЛЗ8. Апроксимація функцій за допомогою нейронних мереж. Частина 2
    • ЛЗ9. Розробка продукційно-фреймових експертних систем з можливістю використання лінгвістичних змінних. Частина 1.
    • СРС. К.
  • 7 тиждень
    • ЛЗ10. Розробка продукційно-фреймових експертних систем з можливістю використання лінгвістичних змінних. Частина 2.
    • ПКО2.
    • СРС. К.
  • 8 тиждень
    • Л4. Пошук рішень інтелектуальної завдання в просторі станів. Методи евристичного пошуку [1, c.22-29].
    • ЛЗ11. Дослідження алгоритму зворотного поширення помилки. Частина 1
    • ЛЗ12. Дослідження алгоритму зворотного поширення помилки. Частина 2
    • МКР1. СРС. К.
  • 9 тиждень
    • ЛЗ13. Дослідження особливостей та призначення мереж кохонена. Частина 1
    • СРС. К.
  • 10 тиждень
    • Л5. Методи пошуку рішень інтелектуального завдання в разі зведення завдань до сукупності підзадач. Знання та моделі представлення знань в системах штучного інтелекту [1, c.30-37].
    • ЛЗ14. Дослідження особливостей та призначення мереж кохонена. Частина 2
    • ЛЗ15. Особливості використання генетичних алгоритмів у штучному інтелекті
    • СРС. К.
  • 11 тиждень
    • ЛЗ16. Основи програмування на мові lisp. Частина 1
    • ПКО3.
    • СРС. К.
  • 12 тиждень
    • Л6. Продукційна модель. Управління пошуком рішень в виробничої системи [1, c.38-45].
    • ЛЗ17. Основи програмування на мові lisp. Частина 2
    • ЛЗ18. Вирішення задачі кредитного скорингу за алгоритмом id3. Частина 1
    • СРС. К.
  • 13 тиждень
    • ЛЗ19. Вирішення задачі кредитного скорингу за алгоритмом id3. Частина 2
    • СРС. К.
  • 14 тиждень
    • Л7. Основні поняття семантичніх мереж як моделей подання знань. Способи запису логічного висновку на семантичної мережі [1, c.46-51].
    • ЛЗ20. Дослідження алгоритму a priori  для знаходження асоціативних правил. Частина 1
    • ЛЗ21. Дослідження алгоритму a priori  для знаходження асоціативних правил. Частина 2
    • ПКО4.
    • СРС. К.
  • 15 тиждень
    • ЛЗ22. Специфіка вирішення завдань кластеризації даних. Частина 1
    • МКР2. СРС. К.

 

Індивідуальна робота

Не передбачена. 

 

Самостійна робота

Самостійна робота складає 62 години. Розподіл самостійної роботи за видами навчальних робіт:

  • підготовка до лекційних занять – 17 годин;
  • підготовка до лабораторних занять – 45 годин.

 

Процедура оцінювання

Система оцінювання рівня навчальних досягнень ґрунтується на принципах ЄКТС та є накопичувальною. Дисципліна поділяється на 2 семестри та по два семестрові модулі в кожному. Здобувачі протягом 6 семестру готуються до лекційних та лабораторних занять, загалом виконують 2 модульні контрольні роботи.

Модульні контрольні роботи № 1, № 2 виконуються у письмовій формі. Модульна робота складається з теоретичної частини (2 запитання) та практичної частини (1 задача). Відповідь на кожне теоретичне питання оцінюється максимум 10 балами. Правильне розв’язання задачі оцінюється в 10 балів.

Підсумковим контролем з дисципліни є залік Кожний модуль оцінюється у максимально можливі 50 балів.

Максимальна оцінка, яку може отримати здобувач за всі виконані види робіт – 100 балів. 
Залік оцінюється за системою: «зараховано», «не зараховано». Оцінка «зараховано» виставляється за умови отримання не менш, ніж 60 балів за всі види робіт. Складання/перескладання заліку відбувається за встановленим деканатом розкладом.

Семестровий модуль № 1

  • ПКО1 та ПКО2 – на базі отриманих результатів по відповідних лабораторних роботах, оцінка за кожне 10 балів. Термін проведення 3 та 7 тижні.
  • МК1. Модульна контрольна робота – 30 балів (8 тиждень). Перескладання можливе протягом 9–11 тижнів за розкладом консультацій.

Семестровий модуль № 2

  • ПКО3 та ПКО4 – на базі отриманих результатів по відповідних лабораторних роботах, оцінка за кожне 10 балів. Термін проведення 11 та 14 тижні.
  • МК2. Модульна контрольна робота – 30 балів (15 тиждень).

Максимальна оцінка за повний обсяг виконаних навчальних елементів дисципліни за кожний семестр – 100 балів.

 

Умови допуску до підсумкового контролю

Підсумковим контролем з дисципліни є залік, засвоєння навчального матеріалу з дисципліни оцінюється на підставі результатів поточного та рубіжного модульного контролю. Залік отримують здобувачі вищої освіти, які виконали всі види навчальних елементів навчальної дисципліни не менш, ніж на 60 %.

 

Політика освітнього процесу

Здобувач зобов’язаний своєчасно та якісно виконувати всі отримані завдання; за необхідністю з метою з’ясування всіх не зрозумілих під час самостійної та індивідуальної роботи питань, відвідувати консультації викладача. Дотримуватись принципів академічної доброчесності. 

Виконаний не свій варіант завдання здобувачем не оцінюється.

Робота, яка виконана після встановлених викладачем термінів, не приймається.

Відсутність здобувача на екзамені або на контрольній роботі відповідає оцінці «0».

Складання/перескладання екзаменів – за встановленим деканатом розкладом.

Під час лекції здійснювати телефонні дзвінки забороняється.

 

Літературні джерела:

  1. Рудніченко М.Д. Навчальний посібник з дисципліни "Системи та технології штучного інтелекту" для здобувач вищої освітиів спеціальності - 126 Інформаційні системи і технології / Упоряд.: М.Д. Рудніченко, Н.О. Шибаєва. - Одеса: ОНПУ, 2020. - 126 с (Електронна версія), Реєстраційний номер №7556-РС-2020 (НП11526)
  2. Рудніченко М.Д. Методичні вказівки до лабораторних робіт з дисципліни "Системи та технології штучного інтелекту" для здобувач вищої освітиів спеціальності - 126 Інформаційні системи та технології / Укл .: М.Д. Рудніченко, Н.В. Бут. - Одеса: ОНПУ, 2020. - 154 с (Електронна версія), Реєстраційний номер №7546-РС-2020 (МВ11511)
  3. Рудніченко М.Д. Методичні вказівки до розрахунково-графічної роботи з дисципліни "Системи та технології штучного інтелекту” для здобувач вищої освітиів  спеціальності - 126 Інформаційні системи та технології / Укл.: М.Д. Рудніченко, О.Д. Косенко. – Одеса: ОНПУ, 2020. – 10 с. (Електронна версія), Реєстраційний номер №7533-РС-2020 (МВ11501)
  4. Болотова Л.С. Системи штучного інтелекту: моделі та технології, засновані на знаннях. - М .: Фінанси і статистика, 2012. - 664 с.
  5. Боровська Є.В., Давидова Н.А. Основи штучного інтелекту. - М.: Лабораторія знань, 2016. - 130 с.
  6. Голєнков В.В. і ін. Логічні основи інтелектуальних систем. - Мінськ: БДУІР, 2015. - 63 с.
  7. Головчінер М.Н. Інтелектуальні інформаційні системи. - Томськ: ТГУ, 2015. - 97 с.
  8. Гусарова Н.Ф. Введення в теорію штучного інтелекту. - СПб .: Університет ИТМО, 2018. - 62 с.