Системи із самоорганізацією та самонавчанням
Спеціальність: Комп'ютерні науки (Проектування і програмування інтелектуальних систем та пристроїв)
Код дисципліни: 6.122.12.E.072
Кількість кредитів: 5.00
Кафедра: Системи автоматизованого проектування
Лектор: к.т.н., доцент Юрчак Ірина Юріївна
Семестр: 5 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
Загальні компетентності:
• Здатність до абстрактного мислення, аналізу та синтезу.
• Здатність застосовувати знання у практичних ситуаціях.
• Знання та розуміння предметної області та розуміння професійної діяльності.
• Здатність до пошуку, оброблення та аналізу інформації з різних джерел.
• Здатність генерувати нові ідеї (креативність).
• Здатність оцінювати та забезпечувати якість виконуваних робіт.
Фахові компетентності:
• Здатність до виявлення статистичних закономірностей недетермінованих явищ, застосування методів обчислювального інтелекту, зокрема статистичної, нейромережевої та нечіткої обробки даних, методів машинного навчання та генетичного програмування тощо.
• Здатність до логічного мислення, побудови логічних висновків, використання формальних мов і моделей алгоритмічних обчислень, проектування, розроблення й аналізу алгоритмів, оцінювання їх ефективності та складності, розв’язності та нерозв’язності алгоритмічних проблем для адекватного моделювання предметних областей і створення програмних та інформаційних систем.
• Здатність використовувати сучасні методи математичного моделювання об’єктів, процесів і явищ, розробляти моделі й алгоритми чисельного розв’язування задач математичного моделювання, враховувати похибки наближеного чисельного розв’язування професійних задач.
• Здатність застосовувати теоретичні та практичні основи методології та технології моделювання для дослідження характеристик і поведінки складних об'єктів і систем, проводити обчислювальні експерименти з обробкою й аналізом результатів.
• Здатність проектувати та розробляти програмне забезпечення із застосуванням різних парадигм програмування: узагальненого, об’єктно-орієнтованого, функціонального, логічного, з відповідними моделями, методами й алгоритмами обчислень, структурами даних і механізмами управління.
• Здатність до інтелектуального аналізу даних на основі методів обчислювального інтелекту включно з великими та погано структурованими даними, їхньої оперативної обробки та візуалізації результатів аналізу в процесі розв’язування прикладних задач.
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі результати навчання:
1. знати загальні принципи функціонування систем з самоорганізацією та самонавчанням;
2. знати основні алгоритми для машинного та глибокого навчання;
3. знати способи реалізації інтелектуальних систем різного рівня складності та призначення;
4. вміти визначати основні параметри, що впливає на якість функціонування адаптивних систем, здійснювати моніторинг проміжних результатів, знаходити та виправляти помилки в роботі;
5. знати способи управління параметрами адаптивних систем з самоорганізацією та самонавчанням;
6. мати практичні навички роботи з інтелектуальними системами та сервісами.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Прикладне програмування
Об’єктно-орієнтоване програмування
Алгоритмізація та програмування
Інтелектуальний аналіз даних
Методи та системи штучного інтелекту
Управління ІТ-проектами
Короткий зміст навчальної програми: Дисципліна “Системи з самоорганізацією та самонавчанням” надає обсяг знань щодо теоретичних основ адаптивних систем, що спроможні до самоорганізації та самонавчання. Розглядаються особливості машинного і глибокого навчання. Оглядаються основні категорії алгоритмів для машинного навчання – класичні та природні алгоритми, ройовий та колективний інтелект, нейронні мережі. Надано інформацію щодо популярних інтелектуальних систем та сервісів, що демонструють інтелектуальні здібності: пошукові системи, комп’ютерний та машинний зір, діалогові системи та чат-боти, системи машинного перекладу. Проаналізовано можливості самоорганізації блокчейн технологій для вирішення низки проблем: електронна валюта, розумні контракти, керування цифровими ідентифікаційними даними, гарантійні документи, логістика.
Опис: Сучасний стан систем з самоорганізацією та самонавчанням.
Машинне навчання.
Класичні алгоритми для навчання з вчителем.
Класичні алгоритми для навчання без вчителя. Навчання з підкріпленням.
Природні алгоритми.
Ройовий інтелект.
Колективний інтелект..
Сучасні архітектури нейронних мереж.
Пошукові системи.
Машинний та комп'ютерний зір.
Обробка природної мови.
Діалогові системи та чат-боти.
Машинний переклад.
Технологія блокчейн.
Методи та критерії оцінювання: Поточний контроль (45%): Результати захисту лабораторних робіт, виконання комплексної роботи, усне опитування
Підсумковий контроль (55%, екзамен): тестування, усне опитування.
Критерії оцінювання результатів навчання: 1. Розподіл балів при умові виконання навчального плану, виконання усіх контрольних робіт і календарного плану виконання лабораторних робіт, інакше за результатами проведення семестрового контролю студент вважається не атестованим.
2. Максимальна кількість балів для оцінки поточного контролю (ПК) знань за семестр – 45 балів.
3. Екзаменаційний контроль проводиться в письмово-усній формі.
4. Максимальна кількість балів для оцінки екзаменаційного контролю – 55 балів.
5. Екзамен перед комісією студент складає також в письмово-усній формі з фіксацією запитань та оцінок відповідей на екзаменаційному листі.
6. До екзамену студенти допускаються за умови виконання навчального плану (в тому числі усіх лабораторних робіт та розрахункової роботи).
Порядок та критерії виставляння балів та оцінок: 1. Розподіл балів при умові виконання навчального плану, виконання усіх контрольних робіт і календарного плану виконання лабораторних робіт, інакше за результатами проведення семестрового контролю студент вважається не атестованим.
2. Максимальна кількість балів для оцінки поточного контролю (ПК) знань за семестр – 45 балів.
3. Екзаменаційний контроль проводиться в письмово-усній формі.
4. Максимальна кількість балів для оцінки екзаменаційного контролю – 55 балів.
5. Екзамен перед комісією студент складає також в письмово-усній формі з фіксацією запитань та оцінок відповідей на екзаменаційному листі.
6. До екзамену студенти допускаються за умови виконання навчального плану (в тому числі усіх лабораторних робіт та розрахункової роботи).
Рекомендована література: 7. Рекомендована література
1. Макс Теґмарк . Життя 3.0. Доба штучного інтелекту – Наш формат, 2019, 344с..
2. Тарік Рашид. Створюємо нейронну мережу. - Діалектика-Вільямс, 2020, 272с.
3. Метт Харрісон. Машинне навчання: кишеньковий довідник. - Діалектика-Вільямс, 2020, 320с.
4. Джордж Ґілдер. Життя після Google. Занепад великих даних і становлення блокчейн-економіки. – BookChef, 2021, 320с.
5. Малкольм Фрэнк, Пол Рериг, Бен Принг. Що робити, коли машини почнуть робити все. – Форм, 2019, 320с.
6. Дон Тапскотт, Алекс Тапскотт. Блокчейн-революція.- Літопис, 2019, 492с.
7. Шон Кеннел, Бенджі Тревіс. Секрети YouTube. – BookChef, 2020, 204с..
8. Марк Рандольф. NETFLIX. Ця ідея ніколи не спрацює. – BookChef, 2019, 196с.
9. Дрозд Валентина. Цифрова валюта у світі та в Україні. - Центр навчальної літератури (ЦНЛ), 2022, 298с.
10. Марманіс Х., Бабенко Д.. Алгоритми інтелектуального інтернету. Символ, 2018, - 480 с.
8. Навчально-методичне забезпечення
• Онлайн збірка методичних вказівок для дисципліни (Лекції, методичні вказівки до виконання лабораторних та самостійної робіт) (https://www.victoria.lviv.ua/library/students/sss/)
• Матеріали дисципліни у ВНС Національного університету «Львівська політехніка» (https://vns.lpnu.ua/course/view.php?id=6437)
9. Інформаційні ресурси
1. Гібридна інтелектуальна система [Електронний ресурс] // Вікіпедія http://ru.wikipedia.org/wiki/Гибридная_интеллектуальная_система.
2. Hybrid Intellegent System [Електронний ресурс]. –http://www.slideshare.net/ikensolutions/ hybrid-intelligent-systems-presentation
3. Платформа Google AI. – https://experiments.withgoogle.com/
4. Nvidia AI Playground - https://www.nvidia.com/en-us/research/ai-playground/
5. Сатоши Накамото «Bitcoin: A Peer-to-Peer Electronic Cash System» - https://bitcoin.org/bitcoin.pdf
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).