Машинне навчання
Спеціальність: Комп'ютерні науки
Код дисципліни: 6.122.04.E.178
Кількість кредитів: 4.00
Кафедра: Системи штучного інтелекту
Лектор: Камінський Р.М.
Семестр: 6 семестр
Форма навчання: денна
Результати навчання: 1. Використовувати набуті знання для формулювання задач машинного навчання для
комп’ютерних систем прийняття рішень.
2. Застосовувати пакети програм для вирішування поставлених задач навчання
комп?ютера.
3. Використовувати отриманні знання для навчання за допомогою еволюційних методів
та алгоритмів.
4. Формувати знання та практичні навички для використання основних методів навчання
комп?ютера для вирішення задач прийняття рішень.
5. Забезпечувати єдину методичну базу взаємодії курсу Машинне навчання та інших
предметних дисциплін.
6. Мати уяву про стан і перспективу розвитку математичних методів та організації
машинного навчання та їхнього програмного забезпечення.
7. Оперативно використовувати методи та способи машинного навчання.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Системи та методи штучного інтелекту
Короткий зміст навчальної програми: Загальні поняття про машинне навчання. Класифікація об?єктів. Поняття навчання. Простір ознак. Лінійний класифікатор і стохастичний градієнт. Самоорганізуючі карти. Метод групового врахування аргументів. Метод опорних векторів
Методи та критерії оцінювання: 50 - лабораторні
50 - екзамен
Рекомендована література: 1. Кудін О.В. Моделювання систем та аналіз даних: методичні рекомендації до
лабораторних робіт для студентів освітнього ступеня «бакалавр» напряму підготовки
«Програмна інженерія» / О.В. Кудін. – Запоріжжя: ЗНУ, 2017. – 89 с.
2. Волошин, О. Ф. Моделі та методи прийняття рішень : навч. посіб. для студ. вищ. навч.
закл. / О. Ф. Волошин, С. О. Мащенко. – 2-ге вид., перероб. та допов. – К. : Видавничо-
поліграфічний центр "Київський університет", 2010. – 336 с.
3. Олдендерфер М. С. Факторный, дискриминантныи и кластерный анализ: Пер. с
англ./Дж.-О. Ким, Ч. У. Мьюллер, У. Р. Клекка и др.; Под ред. И. С. Енюкова. – М.:
Финансы и статистика, 1989. – 215 с: ил.
4. Довбиш А. С. Основи теорії розпізнавання образів : навч. посіб. : у 2 ч. / А. С. Довбиш,
І. В. Шелехов. – Суми : Сумський державний університет, 2015. – Ч. 1. – 109 с.
5. Барковский С.С. Многомерный анализ данных методами прикладной статистики:
Учебное пособие / С.С. Барковский, В.М. Захаров, А.М. Лукашов, А.Р. Нурутдинова,
С.В. Шалагин – Казань: Изд. КГТУ, 2010. – 126 с. Табл. 5 . Ил. 105. Библиогр.: 12
наим.
Машинне навчання (курсова робота)
Спеціальність: Комп'ютерні науки
Код дисципліни: 6.122.04.E.179
Кількість кредитів: 2.00
Кафедра: Системи штучного інтелекту
Лектор:
Бойко Наталія Іванівна
Семестр: 6 семестр
Форма навчання: денна
Результати навчання: 1. Використовувати набуті знання для формулювання задач машинного навчання для
комп’ютерних систем прийняття рішень.
2. Застосовувати пакети програм для вирішування поставлених задач навчання
комп?ютера.
3. Використовувати отриманні знання для навчання за допомогою еволюційних методів
та алгоритмів.
4. Формувати знання та практичні навички для використання основних методів навчання
комп?ютера для вирішення задач прийняття рішень.
5. Забезпечувати єдину методичну базу взаємодії курсу Машинне навчання та інших
предметних дисциплін.
6. Мати уяву про стан і перспективу розвитку математичних методів та організації
машинного навчання та їхнього програмного забезпечення.
7. Оперативно використовувати методи та способи машинного навчання
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Системи та методи штучного інтелекту
Короткий зміст навчальної програми: Загальні поняття про машинне навчання. Класифікація обєктів. Поняття навчання. Простір ознак. Лінійний класифікатор і стохастичний градієнт. Самоорганізуючі карти. Метод групового врахування аргументів. Метод опорних векторів
Методи та критерії оцінювання:
50 балів – написання роботи
50 балів – захист курсової роботи
Рекомендована література: 1. Кононова К. Ю. Машинне навчання: методи та моделі: підручник для бакалаврів, магістрів та докторів філософії спеціальності 051 «Економіка» / К. Ю. Кононова. – Харків: ХНУ імені В. Н. Каразіна, 2020. – 301 с.
2. Кургаєв О.П. Методи та системи штучного інтелекту / [Електронний ресурс]: конспект лекцій для студентів напряму підготовки 6.050101 «Комп'ютерні науки» денної та заочної форм навчання / О.П. Кургаєв – К.: НУХТ, 2014. – 279 с.
3. Згуровський М.З. Основи системного аналізу / М.З. Згуровський, Н.Д. Панкратова –К : Видавнича група BHV, 2007.-544с.
4. Методичні вказівки до виконання лабораторних робіт з дисципліни "Нечіткі моделі і методи обчислювального інтелекту" для студентів спеціальності 8.05010102 ?Системи штучного інтелекту: усіх форм навчання / Уклад.: С.О. Субботін. – Запоріжжя: ЗНТУ, 2015. – 50 с.
5. Кононюк А.Ю. Нейроні мережі і генетичні алгоритми – К.: «Корнійчук», 2008. – 446 с.
6. Могильний С. Б. Машинне навчання з використанням мікрокомп’ютерів: навч.-метод. посіб. / за ред. О. В. Лісового та ін. – К., 2019. – 226 с. (http://man.gov.ua/files/49/Machine_Nav4ann_Mogilniy.pdf)
7. Штовба С.Д. Machine learning: стартовий курс : електронний навчальний посібник / Штовба С.Д., Козачко О.М. – Вінниця : ВНТУ, 2020. – 81 с. (file:///C:/Users/Natas/Downloads/MachinelearningGettingStarted_CR.pdf)
8. Любунь З.М. Основи теорії нейромереж – Львів, 2006. – 140 с.