Технології штучного інтелекту в інженерії даних
Спеціальність: Інженерія програмного забезпечення
Код дисципліни: 6.121.03.E.061
Кількість кредитів: 6.00
Кафедра: Програмне забезпечення
Лектор: к.т.н. , доцент Федорчук Євдоким
Семестр: 7 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
• загальних:
ІНТ-здатність розвязувати складні спеціалізовані завдання або практичні проблеми програмної інженерії , що характеризуються комплексністю та невизначеністю, здійснювати пошук та аналізувати інформацію з різних джерел;
• фахових:
• ФК3.5. Здатність застосовувати методи штучного інтелекту й машинного навчання для аналізу даних та створення спеціалізованого програмного забезпечення.
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі результати навчання:
ПР3.04. Вміти створювати програми для розв’язування задач штучного інтелекту, зокрема спеціалізованими мовами програмування.
ПР3.05. Вміти використовувати інструментальні засоби для машинного навчання і проектування систем штучного інтелекту.
ПР3.10. Знати можливості сучасних професійних інструментів та вміти їх використовувати для розв’язування задач інженерії даних та знань.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Основи програмування.
• Об’єктно-орієнтоване програмування.
• Алгоритми та структури даних.
• Конструювання програмного забезпечення.
Бази даних
Короткий зміст навчальної програми: Анотація навчальної дисципліни
Дисципліна «Технології штучного інтелекту в інженерії даних» включає вивчення сучасних методів і технологій штучного інтелекту(ШІ). Проаналізовано технологічний перехід від інженерії знань до інженерії даних. Розглядаються моделі знань для задач з нечіткими даними, методи і експертні технології для задач медичної та технічної діагностики, планування, проектування і розроблення систем ШІ та систем підтримки прийняття рішень(СППР). Подано приклади розв’язання задач ШІ з використанням методів(ШІ) та машинного навчання, сучасних засобів програмування та проектування систем ШІ.
Опис: Назви тем
Тема 1. Технологічний перехід від інженерії знань до інженерії даних
Тема 2. Моделі знань з нечіткими даними
Тема 3. Моделі знань для експертних задач ШІ
Тема 4. Алгоритми пошуку рішень
Тема 5. Технології та засоби проектування систем ШІ
Тема 6. Системи підтримки прийняття рішень
Тема 7. Методи інженерії даних в задачах розподілу ресурсів
Тема 8. Методи оптимізації розподілу ресурсів
Тема 9. Задачі оптимізації в проектному менеджменті
Тема 10. Перспективи застосування технологій ШІ в інженерії даних.
Методи та критерії оцінювання: Діагностика знань студентів проводиться за допомогою усного опитування та оцінювання звітів на лабораторних заняттях, опитування на практичних заняттях, тестування у ВНС
Критерії оцінювання результатів навчання студентів
Розподіл балів за 100-бальною шкалою
Поточний контроль (ПК)
(вказуються різні форми поточного контролю та максимальні бали за виконані завдання) Разом за дисципліну 45
Лабораторні роботи 25
Контрольний тест 20
Семестровий контроль (СК)
(вказуються форми семестрового контролю та максимальні бали за виконані завдання)
Екзаменаційне тестування 55
Критерії оцінювання результатів навчання: Критерії оцінювання результатів навчання
Максимальна оцінка в балах
Поточний контроль (ПК)
1. Лабораторні роботи 28 балів
2. Контрольне опитування (тест) 17 балів
Разом за ПК 45
Екзаменаційний контроль(ЕК)
1. Письмова компонента 50
2. Усна компонента 5
Разом ПК і ЕК 100
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: 7. Навчально-методичне забезпечення
1. Федорчук Є.Н. Програмування систем штучного інтелекту. Експертні системи: навч. Посібник/ Федорчук Є.Н.- Львів: Видавництво Львівської політехніки , 2012. – 168с.
2. Федорчук Є. Н. Методи оптимізації рішень:Конспект лекцій для студентів вищих навчальних закладів , які навчаються за спеціальностями “ Комп’ютерні науки “ та “Програмна інженерія”. - Львів: Видавництво Львівської політехніки, 2013.- 44с.
.
8. Рекомендована література
8.1. Базова
3. Глибовець М. М., Олецький О. В. Штучний інтелект . К.:КМ Академія, 2002.- 366 с.
4. Глушков В.М. Основи безпаперової інформатики. - М. : Наука, 1982. - 354 с.
5. Левус Є. В., Мельник Н. Б. Навчальний посібник. Львів: Видавництво Львівської політехніки, 2018. - 248 с
6. Литвин В.В. Бази знань інтелектуальних систем підтримки прийняття рішень / В.В. Литвин. – Львів : Видавництво Львівської політехніки, 2011. – 240 с.
7. Проектування інформаційних систем./Посібник за редакцією В. С. Пономаренка.-К.: Видавничий центр”Академія”,2002,-488с.
8. Суботін С.О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навчальний посібник / Запоріжжя, ЗНТУ, 2008. – 341с.
9. Системи штучного інтелекту в плануванні, моделюванні та управлінні : Підручник для студентів вищих навчальних закладів / За ред. Л. С. Ямпольського, Б. П. Ткача, О. І. Лісовиченко. К. : ДП «Вид. дім «Персонал», 2011. 544 с.
10. Гнатієнко Г.М., Снитюк В.Є. Експертні технології прийняття рішень. – К.: Маклаут, 2008. – 444 с.
11. Селіверстов Р., Мельничин А. Основи програмування мовою Python: навч. посібник. – Львів : ЛНУ імені Івана Франка, 2020.
12.
8.2. Допоміжна
1. Zadeh, L.A.: Fuzzy Sets. Information and Control, 1965, pp.383-353.
2. Zadeh, L.A.: Fuzzy Logic and Approximate Reasoning. Synthese, 30 (1975), pp.407-428.
3. Marc Le Goc: SACHEM, a Real-Time Intelligent Diagnosis System Based on the Discrete Event Paradigm Computer Simulation International, Nov. 2004, v.80 n.11, pр. 591 – 617.
4. Nelson, T. H. A file structure for the complex, the changing, and the indeterminate. Proceedings of the 20 National ACM Conference, 1965, pp. 84-100.
5. Norbert Wiener. Cybernetics: Or Control and Communication in the Animal and the Machine. Paris, (Hermann & Cie) & Camb. Mass. (MIT Press) 2nd revised ed. 1961.
9. Інформаційні ресурси
1. Сайт довідково-консультаційної системи EXSYS- [Eлектронний ресурс].- Режим доступу: www.EXSYS.COM
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).