Технології машинного навчання в кіберфізичних системах

Спеціальність: Кіберфізичні системи
Код дисципліни: 7.123.04.O.10
Кількість кредитів: 4.00
Кафедра: Електронні обчислювальні машини
Лектор: к.т.н., доц. каф. ЕОМ Бочкарьов Олексій Юрійович
Семестр: 2 семестр
Форма навчання: денна
Результати навчання: знати принципи машинного навчання, зокрема принципи та методи навчання з підкріпленням; принципи побудови, архітектуру та призначення автономних інтелектуальних кіберфізичних систем; концептуальні основи функціонування базових вузлів та блоків кіберфізичних систем, що реалізують технології машинного навчання; принципи організації роботи інтелектуальних кіберфізичних систем; принципи адаптивного управління та самоорганізації, зокрема способи оцінки процесу самоорганізації та способи реалізації принципів самоорганізації у роботі автономних інтелектуальних кіберфізичних систем; вміти створювати, конфігурувати та налагоджувати роботу автономних інтелектуальних кіберфізичних систем.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: пререквізити: Комп'ютерна логіка Комп'ютерні системи
Короткий зміст навчальної програми: Основні ідеї та визначення теорії машинного навчання. Принципи побудови автономних інтелектуальних кіберфізичних систем. Навчання з підкріпленням. Навчання в автономних багатоагентних кіберфізичних системах. Архітектура автономного вузла інтелектуальної кіберфізичної системи. Використання принципів самоорганізації при побудові кіберфізичних систем. Застосування принципів адаптивного управління в автономних розподілених кіберфізичних системах. Інформаційна взаємодія автономних вузлів інтелектуальних кіберфізичних систем. Методика застосування технологій машинного навчання в кіберфізичних системах.
Методи та критерії оцінювання: Поточний контроль (40%): виконання лабораторних робіт, контрольні роботи. Підсумковий контроль (60%, іспит).
Рекомендована література: 1. Stuart Russell, Peter Norvig, Artificial Intelligence: A Modern Approach, 3rd edition, Pearson, 2009. - 1152 p. 2. Richard S. Sutton, Andrew G. Barto, Reinforcement Learning: An Introduction, A Bradford Book, 2 ed., MIT Press, Cambridge, MA, 2018. - 322 p. 3. David L. Poole, Alan K. Mackworth, Artificial Intelligence: Foundations of Computational Agents, Cambridge University Press, 2010. - 682 p.