Теорія і методи обчислювального інтелекту
Спеціальність: Комп'ютерні науки (Обчислювальний інтелект смарт-систем)
Код дисципліни: 6.122.11.O.035
Кількість кредитів: 5.00
Кафедра: Автоматизовані системи управління
Лектор: док. філософії, асистент каф. АСУ Лящинський Петро Борисович
асистент каф. АСУ Нарушинська Ольга Олександрівна
Семестр: 6 семестр
Форма навчання: денна
Завдання: Інтегральна компетентність:
• Здатність розв’язувати складні спеціалізовані задачі та практичні проблеми у галузі комп’ютерних наук або у процесі навчання, що передбачає застосування теорій та методів інформаційних технологій і характеризується комплексністю та невизначеністю умов.
Загальні компетентності:
• Здатність до абстрактного мислення, аналізу та синтезу.
• Здатність вчитися й оволодівати сучасними знаннями.
• Здатність до пошуку, оброблення та аналізу інформації з різних джерел.
• Здатність приймати обґрунтовані рішення.
• Здатність аналізувати задачі, об’єкти та системи різного призначення, формулювати цілі і завдання для їх розв’язання чи реалізації.
Фахові компетентності:
• Здатність до виявлення статистичних закономірностей недетермінованих явищ, застосування методів обчислювального інтелекту, зокрема статистичної, нейромережевої та нечіткої обробки даних, методів машинного навчання та генетичного програмування.
• Здатність до інтелектуального аналізу даних на основі методів обчислювального інтелекту, включно з великими та погано структурованими даними, їхньої оперативної обробки та візуалізації результатів аналізу в процесі розв’язування прикладних задач.
• Здатність застосовувати теорію і методи обчислювального інтелекту для моделювання та проєктування смарт-систем та інтелектуальних систем управління у різних галузях.
Результати навчання: • Здатність застосовувати абстрактне мислення для формулювання та розв’язання спеціалізованих задач обчислювального інтелекту.
• Уміння самостійно опановувати сучасні знання, інструменти та підходи у галузі обчислювального інтелекту.
• Навички пошуку, аналізу та систематизації інформації з різноманітних джерел (наукові публікації, відкриті репозиторії, документація).
• Здатність обирати та обґрунтовувати методи обчислювального інтелекту (статистичні, нейромережеві, нечіткі, генетичні) для розв’язання конкретних прикладних задач.
• Уміння виконувати інтелектуальний аналіз даних, зокрема великих і слабкоструктурованих, для виявлення закономірностей та формулювання прогнозів.
• Володіння методами побудови, навчання та оптимізації моделей машинного навчання (регресійних, класифікаційних, кластеризаційних), а також оцінювання їх якості.
• Здатність проєктувати смарт-системи та інтелектуальні системи управління, застосовуючи підходи глибинного навчання, еволюційних алгоритмів і навчання з підкріпленням.
• Уміння адаптувати методи обчислювального інтелекту до систем із невизначеністю, аналізувати ризики та приймати обґрунтовані рішення.
• Здатність впроваджувати створені алгоритмічні рішення в реальні програмні середовища та масштабувати їх для різних галузей застосування.
• Уміння здійснювати презентацію, візуалізацію та інтерпретацію результатів розрахунків, розуміти етичні аспекти використання штучного інтелекту та дотримуватися стандартів безпеки даних.
• Здатність враховувати етичні аспекти розробки та використання штучного інтелекту, зокрема забезпечення прозорості, справедливості та конфіденційності.
• Вміння використовувати сучасні інструменти та середовища для розробки, тестування та впровадження інтелектуальних систем, а також оптимізувати їхню роботу в реальному часі.
Ці результати забезпечують всебічну підготовку фахівців, які здатні ефективно використовувати теорію і методи обчислювального інтелекту для розв’язання складних практичних задач у різних галузях науки і техніки.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни:
• Алгоритмізація та програмування
• Теорія ймовірності і математична статистика
• Інтелектуальний аналіз даних
• Основи смарт технологій та систем
Супутні і наступні навчальні дисципліни:
• Технології інтернет-речей та інтерфейси смарт-систем
• Нейромережеві технології і системи
• Моделювання смарт процесів і систем
Короткий зміст навчальної програми: Дисципліна «Теорія та методи обчислювального інтелекту» спрямована на формування в студентів глибоких знань і практичних навичок у галузі побудови інтелектуальних систем на основі математичних моделей, алгоритмів машинного навчання, еволюційних та ройових методів, нейронних мереж і нечіткої логіки.
Студенти вивчають концепції аналізу, синтезу та оптимізації систем з урахуванням складності й динамічності сучасних середовищ. Курс охоплює як фундаментальні положення обчислювального інтелекту, так і прикладні аспекти впровадження інтелектуальних рішень у розроблення складних і масштабованих програмно-апаратних комплексів.
Опис: 1. Вступ до обчислювального інтелекту.
2. Методи регресії.
3. Методи класифікації.
4. Кластеризація.
5. Нечітка логіка.
6. Основи нейронних мереж.
7. Методи оптимізації.
8. Глибинне навчання і Transfer learning.
9. Нейронні мережі для обробки природної мови та великі мовні моделі (NLP і LLM).
10. Автоенкодери та генеративні моделі.
11. Еволюційні алгоритми та ройові алгоритми.
12. Навчання з підкріпленням.
Методи та критерії оцінювання: • Поточний контроль здійснюється у формі оцінок за захист виконаних лабораторних робіт.
• Підсумковий екзаменаційний контроль здійснюється на основі письмової роботи та усного опитування.
Критерії оцінювання результатів навчання: Максимальна оцінка в балах:
Поточний контроль:
• Лабораторні заняття – 40
Разом за поточний контроль – 40
Екзамен:
• Письмова компонента – 40
• Усна компонента – 20
Разом за дисципліну: 100
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 література:
1. “Soft Computing, Natural Computation - what’s the difference?,” Artificial Intelligence, Computational Intelligence.
2. “Presentation page of CLT course,” in Computational Learning Theory, 2014.
3. W. M. Spears, Evolutionary Algorithms, 2000th ed., Berlin, Germany: Springer, 2013.
4. T. Ross, Fuzzy Logic with Engineering Applications, 3rd ed., Wiley, 2009.
5. J. M. Keller, Fundamentals of Computational Intelligence: Neural Networks, Fuzzy Systems, and Evolutionary Computation, 2016.
6. D. B. Fogel, Computational Intelligence: The Experts Speak, IEEE Press, 2007.
7. R. C. Eberhart, Computational Intelligence: Concepts to Implementations, Morgan Kaufmann, 2007.
8. J. Kacprzyk, Springer Handbook of Computational Intelligence, Springer, 2015.
9. V. Kecman, Learning and Soft Computing: Support Vector Machines, Neural Networks, and Fuzzy Logic Models, The MIT Press, 2001.
10. A. Tettamanzi and M. Tomassini, Soft Computing, 2001st ed., Berlin, Germany: Springer, 2013.
11. G. James, D. Witten, T. Hastie, and R. Tibshirani, An Introduction to Statistical Learning: With Applications in R, Springer, 2013.
12. A. Geron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O’Reilly Media, 2019.
13. L. Serrano, Grokking Machine Learning, New York, NY: Manning Publications, 2022.
14. R. Reed and R. J. Marks, Neural Smithing: Supervised Learning in Feedforward Artificial Neural Networks, The MIT Press, 1999.
15. A. P. Engelbrecht, Computational Intelligence, 3rd ed., Chichester, England: Wiley-Blackwell, 2023.
Допоміжна література:
16. Теслюк В. М., Пелешко Д. Д., Розв’язання задач аналізу на системному рівні автоматизованого проєктування з використанням мереж Петрі, Львів: Самвидав кафедри САП НУ “Львівська політехніка”, 2013.
17. K. Jensen, L. M. Kristensen, Coloured Petri Nets: Modelling and Validation of Concurrent Systems, 1st ed., Springer, 2009.
18. Теслюк В. М., Розв’язання задач синтезу та аналізу на системному рівні автоматизованого проєктування з використанням систем масового обслуговування, Львів: НУ “ЛП”, 2011.
19. Бхаргава А., Грокаємо алгоритми: ілюстрований посібник для програмістів і допитливих, Харків: Віват, 2022.
Інформаційні ресурси:
1. https://www.researchgate.net/publication/280740950_Metodi_optimizacii_v_seredovisi_Ma
tLab_Laboratornij_praktikum
2. http://lestylefou.xyz/psihologija/osobistist/73098-jaki-isnujut-metodi-optimizacii-metodioptimizacii.html
3. http://posibnyky.vntu.edu.ua/met/zmist.htm
4. https://www.it.ua/knowledge-base/technology-innovation/industry-4
5. http://www.kuleuven.be/industrieelonderzoeksfonds/nieuws/Witboek_EN_H.pdf
6. Europa FP7 EC Website. URL : http://www.ec.europa.eu.
7. http://mmf.lnu.edu.ua/en/aren/1739
8. https://www.datascience-pm.com/crisp-dm-2/
9. https://www.ibm.com/docs/sr/spss-modeler/SaaS?topic=dm-crisp-help-overview
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).