Методи обчислювального інтелекту для задач класифікації і прогнозування даних

Спеціальність: Інженерія програмного забезпечення
Код дисципліни: 8.121.00.M.030
Кількість кредитів: 3.00
Кафедра: Інформаційні технології видавничої справи
Лектор: викладач кафедри ІТВС
Семестр: 4 семестр
Форма навчання: денна
Результати навчання: • Здатність продемонструвати поглиблені знання у вибраній області наукових досліджень; • Здатність продемонструвати розуміння впливу технічних рішень в суспільному, економічному і соціальному контексті; • Здатність продемонструвати знання та розуміння філософської методології наукового пізнання, психолого-педагогічних аспектів професійно-наукової діяльності, власний науковий світогляд та морально-культурні цінності. • Інтегрувати та застосовувати одержані знання з різних міжпредметних сфер у процесі розв’язання теоретико-прикладних завдань у конкретній області дослідження. • Обирати і застосовувати методологію та інструментарій наукового дослідження при здійсненні теоретичних й емпіричних досліджень у сфері комп’ютерних наук та інформаційних технологій. • Здатність самостійно виконувати експериментальні дослідження та застосовувати дослідницькі навички.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Пререквізити • Методи аналізу та оптимізації складних систем.
Короткий зміст навчальної програми: Теорія машинного навчання. Приклади і постановки завдань. Математична постановка задачі і деякі методи. Оцінка якості і вибір моделі. Метод головних компонент. Метод найменших квадратів. Методи боротьби з перенавчанням в задачі відновлення регресії. Наївний байесовский класифікатор, а також precision, recall, F1, ROC, ... Лінійний і квадратичний дискримінантний аналіз. Логістична регресія. Нейронні сіточки. Глибоке навчання. Машина опорних векторів. Дерева рішень. Ансамблі вирішальних функцій. Баггінг. Ансамблі вирішальних правил. Бустинг. Навчання без вчителя. Bias-Variance. Learning Curve.
Методи та критерії оцінювання: виконання завдань на практичних заняттях (40%) підсумковий контроль (екзамен): письмово-усна форма (60%)
Порядок та критерії виставляння балів та оцінок: 100-88 балів - атестований з оцінкою «відмінно» - Високий рівень: здобувач освіти демонструє поглиблене володіння поняттєвим та категорійним апаратом навчальної дисципліни, системні знання, вміння і навички їх практичного застосування. Освоєні знання, вміння і навички забезпечують можливість самостійного формулювання цілей та організації навчальної діяльності, пошуку та знаходження рішень у нестандартних, нетипових навчальних і професійних ситуаціях. Здобувач освіти демонструє здатність робити узагальнення на основі критичного аналізу фактичного матеріалу, ідей, теорій і концепцій, формулювати на їх основі висновки. Його діяльності ґрунтується на зацікавленості та мотивації до саморозвитку, неперервного професійного розвитку, самостійної науково-дослідної діяльності, що реалізується за підтримки та під керівництвом викладача. 87-71 балів - атестований з оцінкою «добре» - Достатній рівень: передбачає володіння поняттєвим та категорійним апаратом навчальної дисципліни на підвищеному рівні, усвідомлене використання знань, умінь і навичок з метою розкриття суті питання. Володіння частково-структурованим комплексом знань забезпечує можливість їх застосування у знайомих ситуаціях освітнього та професійного характеру. Усвідомлюючи специфіку задач та навчальних ситуацій, здобувач освіти демонструє здатність здійснювати пошук та вибір їх розв’язання за поданим зразком, аргументувати застосування певного способу розв’язання задачі. Його діяльності ґрунтується на зацікавленості та мотивації до саморозвитку, неперервного професійного розвитку. 70-50 балів - атестований з оцінкою «задовільно» - Задовільний рівень: окреслює володіння поняттєвим та категорійним апаратом навчальної дисципліни на середньому рівні, часткове усвідомлення навчальних і професійних задач, завдань і ситуацій, знання про способи розв’язання типових задач і завдань. Здобувач освіти демонструє середній рівень умінь і навичок застосування знань на практиці, а розв’язання задач потребує допомоги, опори на зразок. В основу навчальної діяльності покладено ситуативність та евристичність, домінування мотивів обов’язку, неусвідомлене застосування можливостей для саморозвитку. 49-00 балів - атестований з оцінкою «незадовільно» - Незадовільний рівень: свідчить про елементарне володіння поняттєвим та категорійним апаратом навчальної дисципліни, загальне уявлення про зміст навчального матеріалу, часткове використання знань, умінь і навичок. В основу навчальної діяльності покладено ситуативно-прагматичний інтерес.
Рекомендована література: 1. Засоби штучного інтелекту: навч. посібник / Р. О. Ткаченко, Н. О. Кустра, О. М., Павлюк, У. В. Поліщук. – Львів: Видавництво Львівської політехніки, 2014. – 204 с. 2. Ткаченко Р. Моделювання методами нейронних мереж / Р.О. Ткаченко, П.Р. Ткаченко, Н.О. Мельник: навч. – метод. посібник ; ЛІБС УБС НБУ. – Львів, 2010. – 114 с. 3. Ткаченко Р. Системи штучного інтелекту / Ткаченко Р.О., Кустра Н.О. : конспект лекцій. Реєстр. № 5282 від 14.10.2013. – НУЛП. – 2013. – 111 с. 4. Ткаченко Р. О. Нейромережеві засоби штучного інтелекту: навчальний посібник / Р. О. Ткаченко, П. Р. Ткаченко, І. В. Ізонін - Львів: Видавництво Львівської політехніки, 2017. - 240 с. ISBN 978-966- 941-011- 5 5. В. Кулявець. Прогнозування соціально-економічних процесів / Кулявець В. О. – К. : Кондор, 2009. – 194 с. 6. Глущенко В. Прогнозирование / В.В. Глущенко В. В. – М. : Вузовская книга, 2005. – 205с. S.Haykin. Neural Networks and Learning Machines. 3rd Edition. Pearson, 2018. 7. C.C.Aggarwal. Neural Networks and Deep Learning. A Textbook. Springer International Publishing AG, 2018. DOI 10.1007/978-3-319-94463-0 ISBN 978-3-319-94462-3 8. Bishop C. M. Pattern Recognition and Machine Learning. — Springer, Series: Information Science and Statistics, 2006. — 740 pp.