Спецкурси з наукових досліджень спеціалізації

Спеціальність: Комп'ютерні науки (освітньо-наукова програма)
Код дисципліни: 7.122.00.O.26
Кількість кредитів: 9.00
Кафедра: Автоматизовані системи управління
Семестр: 3 семестр
Форма навчання: денна

Спецкурси з наукових досліджень спеціалізації

Спеціальність: Комп'ютерні науки (освітньо-наукова програма)
Код дисципліни: 7.122.00.O.27
Кількість кредитів: 9.00
Кафедра: Системи автоматизованого проектування
Лектор: Тимощук П. В.
Семестр: 3 семестр
Форма навчання: денна
Результати навчання: 1) Здатність вивчення теоретичних основ науково-дослідної роботи. 2) Здатність знання існуючих методів інформаційного пошуку. 3) Здатність знання принципів побудови експертних систем. 4) Здатність знання основ метрології, планування експерименту та оцінки ефективності наукових результатів. 5) Здатність знання принципів підготовки, оформлення та захисту наукових робіт. 6) Здатність формулювати та вдосконалювати важливу дослідницьку задачу, для її вирішення збирати необхідну інформацію та формулювати висновки, які можна захищати в науковому контексті. 7) Здатність працювати з експертними джерелами інформації для інтеграції даних і знань в області діяльності організації за допомогою методів набуття знань, подання знань, класифікації і компіляції знань. 8) Здатність володіти достатніми науковими навичками, щоб успішно проводити наукові дослідження під наглядом наставника.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Диференційні рівняння, теорія систем, обробка сигналів, теорія електронних схем, мови програмування, чисельні методи, моделювання систем, штучні нейронні мережі, комп’ютерні мережі, розподілені комп’ютерні системи.
Короткий зміст навчальної програми: Вивчаються методи та засоби наукових досліджень і технічної творчості, основні відомості про організацію науково-дослідної роботи, її етапи, методологію наукових досліджень у технічних галузях, а також рекомендації по підготовці і написанню наукових доповідей, курсових і дипломних робіт. Розглядається суть тренування навичок самостійних наукових досліджень, розширення наукового світогляду і розвитку творчого мислення. Вивчаються основи теорії планування експерименту та аналізу його результатів. Розглядається методологія експериментальних досліджень. Вивчаються абсолютні та відносні величини і графічний спосіб зображення даних. Розглядаються види та особливості викладу результатів наукових досліджень. Вивчаються побудова та властивості УДК.
Методи та критерії оцінювання: • поточний контроль (50%): поточні звіти з лабораторних робіт, усне опитування; • підсумковий контроль (50%, залік): виконання тестових завдань.
Рекомендована література: 1. Анісімов А.В., Глибовець М.М., Кравченко І.В., Олецький О.В., Терещенко В.М., Кулябко П.П. Системи штучного інтелекту. - К .:ВЦ "Київський Університет" , 2000 . - 100 c. 2. Глибовець М.М., Олецький О.В. Штучний інтелект. - К .:Видавничий дім "КМ Академія" , 2002 . - 366 c. 3. Журахівський А. В., Варецький Ю. О., Бахор З. М. Основи наукових досліджень та технічної творчості: навч. посіб. для студ. електроенерг. спец.-Л.:Вид-во Приаз. держ. техн. ун-ту,2000 .-138 с. 4. Спірін О.М. Початки штучного інтелекту. Навч. посібник для студентів фіз.-мат. спеціальностей. вищих педагогічних навчальних закладів. – Житомир: Вид-во ЖДУ, 2004.- 172с. 5. Тимощук П. В. Штучні нейронні мережі: навч. Посібник. – Львів: Видавництво Львівської політехніки, 2011. – 444 с. 6. P. Tymoshchuk and M. Lobur, Principles of Artificial Neural Networks and Their Applications: Tutorial. L’viv, Ukraine: L’viv Polytechnic Publishing House, 2020.

Спецкурси з наукових досліджень спеціалізації

Спеціальність: Комп'ютерні науки (освітньо-наукова програма)
Код дисципліни: 7.122.00.O.28
Кількість кредитів: 9.00
Кафедра: Системи штучного інтелекту
Лектор: Р.Я.Косаревич
Семестр: 3 семестр
Форма навчання: денна
Результати навчання: У результаті вивчення навчальної дисципліни студент повинен бути здатним продемонструвати такі результати навчання: знати: області застосування і основні прикладні аспекти машинного навчання; основні поняття та принципи роботи штучних нейронних мереж; постановку задачі та основні методи обробки природної мови; вміти: грамотно формулювати постановку задач, що виникають у практичній діяльності, для їх розв’язання за допомогою методів машинного навчання; проводити аналіз конкретної задачі для вибору найкращого методу машинного навчання для її розв'язку; проводити аналіз та синтез інформативних ознак; проводити аналіз роботи методів машинного навчання з виявленням їх сильних і слабких сторін
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Дискретна математика Математичний аналіз Лінійна алгебра Теорія ймовірності Математична статистика
Короткий зміст навчальної програми: Мета вивчення дисципліни полягає у отриманні необхідних знань і набутті практичних умінь і навичок застосування широкого кола методів та алгоритмів аналізу інформації у контексті машинного сприйняття та навчання для розуміння питань побудови, функціювання та експлуатації комп’ютерних систем та мереж, а також різних систем обробки інформації та керування на їх основі.
Методи та критерії оцінювання: Поточний контроль (ПК) Лабораторні роботи 40 балів Екзаменаційний контроль Письмова компонента 60 балів Усна компонента Разом 100 балів
Рекомендована література: Stephen Marsland. Machine Learning). Лінійна: An Alg). Лінійнаorithmic Perspective, 452 р., 2015. Ethem Alpaydin. Introduction To Machine Learning). Лінійна, 584 p., 2009. Tom M. Mitchell. Machine Learning). Лінійна [http://www.cs.cmu.edu/~tom/mlbook.html]