Семантичний аналіз даних
Спеціальність: Комп'ютерні науки (освітньо-наукова програма)
Код дисципліни: 7.122.00.M.020
Кількість кредитів: 5.00
Кафедра: Системи штучного інтелекту
Лектор: Бойко Наталія Іванівна
Семестр: 2 семестр
Форма навчання: денна
Завдання: Внаслідок вивчення навчальної дисципліни здобувач освіти повинен продемонструвати такі результати навчання:
1. Застосовувати схему (фреймворк) візуалізації даних.
2. Враховувати особливості людського сприйняття інформації при візуалізації у семантичних мережах.
3. Аналізувати дані.
4. Ставити у відповідність абстрактним даним візуальні атрибути семантичні мережі.
5. Обирати методи візуалізації даних.
6. Враховувати принципи інформаційного дизайну при візуалізації даних у семантичних мережах.
7. Візуалізувати дані за допомогою спеціалізованих інструментів.
загальних:
1. Уміння спілкуватися другою мовою.
2. Здатність навчатися.
3. Уміння спілкуватися усно та в письмовій формі українською мовою.
4. Уміння ідентифікувати, формулювати та розв’язувати задачі.
5. Уміння проводити дослідження на відповідному рівні.
6. Уміння працювати в команді.
7. Знання та розуміння предметної області та розуміння фаху.
8. Уміння спілкуватися з нефахівцями однієї галузі.
9. Уміння розробляти та керувати проектами.
10. Уміння працювати самостійно.
фахових:
1. Уміння обирати режим візуалізації даних у семантичних мережах.
2. Здатність використовувати схему семантичної мережі (фреймворк) для візуалізації даних.
3. Уміння враховувати особливості людського сприйняття інформації при візуалізації.
4. Уміння аналізувати дані.
5. Здатність обирати семантичні моделі.
6. Уміння враховувати принципи інформаційного дизайну при візуалізації даних у семантичних мережах.
7. Здатність підвищувати ефективність комунікацій з клієнтами та колегами шляхом розповсюдження та використання знань щодо людського сприйняття інформації.
8. Здатність враховувати в процесі візуалізації особливості людського сприйняття інформації.
9. Здатність самостійно аналізувати дані та ставити їм у відповідальність візуальні атрибути.
Результати навчання: Результати навчання
Знання (ЗН):
1. Уміння обирати режим візуалізації даних у семантичних мережах.
2. Здатність використовувати схему семантичної мережі (фреймворк) для візуалізації даних.
3. Уміння враховувати особливості людського сприйняття інформації при візуалізації.
4. Уміння аналізувати дані.
5. Здатність обирати семантичні моделі.
6. Уміння враховувати принципи інформаційного дизайну при візуалізації даних у семантичних мережах.
7. Здатність підвищувати ефективність комунікацій з клієнтами та колегами шляхом розповсюдження та використання знань щодо людського сприйняття інформації.
8. Здатність враховувати в процесі візуалізації особливості людського сприйняття інформації.
9. Здатність самостійно аналізувати дані та ставити їм у відповідальність візуальні атрибути.
Методи навчання і викладання:
• Виконання лабораторних робіт та їх захист.
• Написання контрольних робіт.
• Написання розрахунково-графічної роботи
Методи оцінювання рівня досягнення результатів навчання:
• Оцінювання лабораторних робіт.
• Оцінювання розрахунково-графічних робіт.
• Тестування.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни:
Інтелектуальний аналіз даних
Машинне навчання
Супутні і наступні навчальні дисципліни:
Видобування великих даних
Короткий зміст навчальної програми: Навчальна дисципліна Семантичний аналіз даних є складовою циклу професійної підготовки фахівців другого освітньо-кваліфікаційного рівня “магістр”. Пропонований навчальний курс забезпечить студентам здобуття поглиблених теоретичних та практичних знань, умінь та розуміння, що відносяться до областей систем штучного інтелекту, що дасть їм можливість ефективно виконувати завдання інноваційного характеру відповідного рівня професійної діяльності, яка орієнтована на дослідження й розв’язання складних задач проектування та розроблення інформаційних систем для задоволення потреб науки, бізнесу та підприємств у різних галузях.
Опис: ЛЕКЦІЯ 1. ПОНЯТТЯ СЕМАНТИКИ. СТРУКТУРА ЛЕКСИЧНОГО ЗНАЧЕННЯ СЛОВА
Поняття семантики. Структура лексичного значення слова. Системна організація лексики. Поняття семантичного поля та лексико-семантичної групи. Слово в мові та мовленні. Шляхи збагачення лексики. Граматична будова мови, морфологія, синтаксис.
ЛЕКЦІЯ 2. СЕМАНТИКА МОВ ПРОГРАМУВАННЯ
Загальний сенс. HTML. Документ HTML. Розмітка. Валідація. Перегляд. Семантичний HTML. Проєкт специфікації HTML 5.
ЛЕКЦІЯ 3. ДЕНОТАЦІЙНА СЕМАНТИКА
Денотат. Референт. Створення сторінок значень.
ЛЕКЦІЯ 4. АКСІОМАТИЧНА СЕМАНТИКА
Аксіоматичний метод. Аксіоматична семантика.
ЛЕКЦІЯ 5. ОПЕРАЦІЙНА СЕМАНТИКА
Конотати?вна (операці?йна) сема?нтика. Визначення операційної семантики системи. Використання операційного методу для повного опису семантики мови програмування
ЛЕКЦІЯ 6. СЕМАНТИЧНА ПАВУТИНА
Мета семантичної павутини. Основна ідея. SPARQL. RDF. Rule Interchange Format
ЛЕКЦІЯ 7. СЕМАНТИЧНА МЕРЕЖА
Інформаційна модель семантичної мережі. Структура семантичної мережі. Графічне представлення. Математичний запис. Класифікація семантичних мереж. Семантичні відносини. Використання семантичних мереж. Семантична павутина. Майбутнє семантичних мереж. Задача штучного інтелекту для морфологічного аналізу текстів. Ідея створення семантичної павутини. WordNet. UWN project.
ЛЕКЦІЯ 8. СЕМАНТИЧНЕ МОДЕЛЮВАННЯ. ЗАГАЛЬНИЙ ПІДХІД
Поняття семантичне моделювання. Загальний підхід до проблеми семантичного моделювання.
Методи та критерії оцінювання: 1. Виконання лабораторних робіт та їх захист.
2. Написання контрольних робіт.
3. Написання розрахунково-графічної роботи
4. Заліковий контроль.
Критерії оцінювання результатів навчання: - поточний контроль (40%): письмові звіти з лабораторних робіт, виконання практичних завдань, усне опитування;
- підсумковий контроль (60%, екзамен): тестування (50%), усна компонента (10%).
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. Дарчук Н.П. Комп’ютерна лінгвістика (автоматичне опрацювання тексту): підручник / Н.П.Дарчук. - К.: ВПЦ “Київський університет”, 2008. - 351 с.
2. Перебийніс В.І. Математична лінгвістика. - К.: Вид. Центр КНЛУ, 2014. - 125 с.
3. Карпіловська Є.А. Вступ до прикладної лінгвістики: комп’ютерна лінгвістика: Підручник.— Донецьк: ТОВ «Юго-Восток, Лтд», 2006.— 188 с.
4. Berners-Lee T., Hendler J., Lassila O. The Semantic Web. Scientific American, May 2001.
5. Benjamins V. Fensel D, Decker S., Gemez-Perez A. (KA)2: Building Ontologies for the Internet // a Mid Term Report. - 1999.
6. Borgida A., Brachman R., McGuiness D., Resnick L. Classic: A structural data model for objects
// ACM SIGMOID Int. Conf. on Management of Data, Portland, Oregon, USA, - 1989.
7. Brachman R., Schmolze J. An Overview of the KL-ONE Knowledge Representation System // Cognitive Science, - Vol. 9, - No.2, - 1985.- P.171-216.
8. Bray T., Paoli J., Sperberg C. Extensible Markup Language (XML) 1.0. W3C Recommendation. - Feb 1998. - http://www.w3.org/TR/RECxml.
9. Manola F., Miller E. RDF Primer. Oct.2003. - http://www.w3.org/TR/rdf-primer/.
10. OKBC: A Programmatic Foundation for Knowledge Base Interoperability. V. Chaudhri, A. Farquhar, R. Fikes P. Karp J. Rice // Fifteenth National Conf. on Artificial Intelligence. AAAI98, AAAIPres/The MIT Press, Madison. - 1998- P.600-607.
11. Chalupsky H, OntoMorph: A translation system for symbolic knowledge // In: Cohn A. G., Giunchiglia F., Selman B. (Eds.), Principles of Knowledge Representation and Reasoning // Proc. of the Seventh Intern. Conf. (KR2000). Morgan Kaufmann Publishers, San Francisco, CA.
12. The Description Logic Handbook. Theory, Implementation and Applications. Edited by F. Baader,
D. Calvanese, D. McGuinness, D. Nardi, Peter Patel-Schneider, Cambridge - 2003 - 574 pages.
13. Doan A., Madhavan J., Domingos P., Halevy A. Learning to map between ontologies on the Semantic Web // In: The Eleventh Intern. WWW Conference. Hawaii, US. - 2002. - doan02learning.pdf
14. Dou D., McDermott D., Qi P., Ontology translation by ontology merging and automated reasoning
// EKAW’02 workshop on Ontologies for Multi-Agent Systems. SigЁuenza, Spain. - 2002.
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).