Технології машинного навчання
Спеціальність: Комп'ютерні науки
Код дисципліни: 8.122.00.M.033
Кількість кредитів: 3.00
Кафедра: Системи штучного інтелекту
Лектор: Шаховська Н.Б.
Семестр: 4 семестр
Форма навчання: денна
Результати навчання: Здатність продукувати інноваційні наукові ідеї, оволодіти методологією наукової та педагогічної діяльності, вирішувати комплексні проблеми в процесі інноваційно-дослідницької та професійної діяльності, проводити оригінальні наукові дослідження у сфері інформаційних технологій на міжнародному та національному рівні
Здатність ініціювати та проводити оригінальні наукові дослідження, ідентифікувати актуальні наукові проблеми, здійснювати пошук та критичне аналізування інформації, продукувати інноваційні конструктивні ідеї та застосовувати нестандартні підходи до вирішення складних і нетипових завдань
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Системи штучного інтелекту
Короткий зміст навчальної програми: Пропонований навчальний курс забезпечить студентам здобуття поглиблених теоретичних та практичних знань, умінь та розуміння, що відносяться до областей Data Science, Computer Vision, Deep Learning, що дасть їм можливість розв’язувати різноманітні задачі аналізу даних за допомогою систем глибокого навчання, та розроблення систем прийняття рішень на базі таких систем для виконання наукових проектів, бізнес-проектів у різних галузях
Методи та критерії оцінювання: лабораторні роботи - 40, екзамен - 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: Базова
1. Желязны Д. Говори на языке диаграмм : пособие по визуальным коммуникациям для руководителей / Д. Желязны. – М. : Институт комплексных стратегических исследований, 2004. – 220 с.
2. Квєтний Р. Н. Комп’ютерне моделювання систем та процесів. Методи обчислень. Частина 1: навчальний посібник / Р. Н. Квєтний, І. В. Богач, О. Р. Бойко, О. Ю. Софина, О.М. Шушура; за заг. ред. Р.Н. Квєтного. – Вінниця: ВНТУ, 2012. – 193 с.
3. Квєтний Р. Н. Методи фільтрації текстурованих зображень у задачах розпізнавання та класифікації / Р. Н. Квєтний, О. Ю. Софина. – Вінниця: УНІВЕРСУМ-Вінниця, 2011. – 119 с.
4. Круглов В. В., Дли М. И., Голунов Р. Ю. Нечёткая логика и искусственные нейронные сети. Учеб. пособие. М.: Издательство Физико-математической литературы, 2001. - 224 c.
5. Кубенский А.А. Структуры и алгоритмы обработки данних / А.А. Кубенский. - СПб.: БХВ-Петербург, 2004. – 464 с.
6. Любчак, В.О. Методи та алгоритми обчислень [Текст] : навч. посіб. / В.О. Любчак, Л.Д. Назаренко. – Суми : СумДУ, 2008. – 313 с.
7. Матвійчук Я.М. Методи та алгоритми обчислень на ЕОМ : навч. посібник / Я.М. Матвійчук. – Львів: Ліга-Прес, 2008. – 84 с.
8. Роэм Д. Практика визуального мышления. Оригинальный метод решения сложных проблем / Д. Роэм. – М . : Манн, Иванов и Фербер, 2014. – 396 с.
9. Фельдман Л. П. Чисельні методи в інформатиці : підручник / Л. П. Фельдман, М. З. Згуровського, Л. П. Фельдман, А. І. Петренко, О. А. Дмитрієва. – К.: Вид. група BHV, 2006. – 480 с.
10. Яу Н. Искусство визуализации в бизнесе. Как представить сложную информацию простыми образами / Н. Яу. – М. : Манн, Иванов и Фербер, 2013. – 352 с.