Системи із самоорганізацією та самонавчанням
Спеціальність: Комп'ютерні науки (Проектування і програмування інтелектуальних систем та пристроїв)
Код дисципліни: 6.122.12.E.070
Кількість кредитів: 5.00
Кафедра: Системи автоматизованого проектування
Лектор: к.т.н., доцент Юрчак Ірина Юріївна
Семестр: 5 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
Загальні компетентності:
• Інтегральна компетентність (ІНТ). 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.
• ЗК1. Здатність до абстрактного мислення, аналізу та синтезу.
• ЗК2. Здатність застосовувати знання у практичних ситуаціях.
• ЗК12. Здатність оцінювати та забезпечувати якість виконуваних робіт.
• ЗК14. Здатність реалізувати свої права і обов’язки як члена суспільства, усвідомлювати цінності громадянського (вільного демократичного) суспільства та необхідність його сталого розвитку, верховенства права, прав і свобод людини і громадянина в Україні.
• ЗК15. Здатність зберігати та примножувати моральні, культурні, наукові цінності і досягнення суспільства на основі розуміння історії та закономірностей розвитку предметної області, її місця у загальній системі знань про природу і суспільство та у розвитку суспільства, техніки і технологій, використовувати різні види та форми рухової активності для активного відпочинку та ведення здорового способу життя.
• ЗК16 Здатність до використання сучасних методів розробки програмного забезпечення, яке є складовою інформаційних інтелектуальних систем.
Фахові компетентності:
• ФК1. Здатність до математичного формулювання та досліджування неперервних та дискретних математичних моделей, обґрунтовування вибору методів і підходів для розв’язування теоретичних і прикладних задач у галузі комп’ютерних наук, аналізу та інтерпретування.
• ФК2. Здатність до виявлення статистичних закономірностей недетермінованих явищ, застосування методів обчислювального інтелекту, зокрема статистичної, нейромережевої та нечіткої обробки даних, методів машинного навчання та генетичного програмування тощо.
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі результати навчання:
1. знати загальні принципи функціонування систем з самоорганізацією та самонавчанням;
2. знати основні алгоритми для машинного та глибокого навчання;
3. знати способи реалізації інтелектуальних систем різного рівня складності та призначення;
4. вміти визначати основні параметри, що впливає на якість функціонування адаптивних систем, здійснювати моніторинг проміжних результатів, знаходити та виправляти помилки в роботі;
5. знати способи управління параметрами адаптивних систем з самоорганізацією та самонавчанням;
6. мати практичні навички роботи з інтелектуальними системами та сервісами.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Прикладне програмування
Об’єктно-орієнтоване програмування
Алгоритмізація та програмування
Інтелектуальний аналіз даних
Методи та системи штучного інтелекту
Управління ІТ-проектами
Короткий зміст навчальної програми: Дисципліна “Системи з самоорганізацією та самонавчанням” надає обсяг знань щодо теоретичних основ адаптивних систем, що спроможні до самоорганізації та самонавчання. Розглядаються особливості машинного і глибокого навчання. Оглядаються основні категорії алгоритмів для машинного навчання – класичні та природні алгоритми, ройовий та колективний інтелект, нейронні мережі. Надано інформацію щодо популярних інтелектуальних систем та сервісів, що демонструють інтелектуальні здібності: пошукові системи, комп’ютерний та машинний зір, діалогові системи та чат-боти, системи машинного перекладу. Проаналізовано можливості самоорганізації блокчейн технологій для вирішення низки проблем: електронна валюта, розумні контракти, керування цифровими ідентифікаційними даними, гарантійні документи, логістика.
Опис: У курсі викладаються історія, стандарти і базові принципи організації систем з самоорганізацією та самонавчанням. Розглянуто основні засади інтелектуальних технологій, а також широкий спектр алгоритмів, методів та моделей, що мають безпосереднє відношення до розробки систем з самоорганізацією та самонавчанням. Більшої уваги приділено етапам створення самонавчальних алгоритмів, побудові математичних моделей, збору навчальних даних, різним підходам до машинного навчання.
Методи та критерії оцінювання: Лекції, лабораторні заняття - інформаційно-рецептивний метод, репродуктивний метод, евристичний метод, метод проблемного викладу, самостійна робота – репродуктивний метод, дослідницький метод.
Поточний контроль –виконання та захист лабораторних робіт, усне та фронтальне опитування.
Критерії оцінювання результатів навчання: Поточний контроль (45%): Результати захисту лабораторних робіт, виконання комплексної роботи, усне опитування
Підсумковий контроль (55%, екзамен): тестування, усне опитування.
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: Навчально-методичне забезпечення
• Онлайн збірка методичних вказівок для дисципліни (Лекції, методичні вказівки до виконання лабораторних та самостійної робіт) (https://www.victoria.lviv.ua/library/students/sss/)
• Матеріали дисципліни у ВНС Національного університету «Львівська політехніка»
(https://vns.lpnu.ua/course/view.php?id=6437)
Рекомендована література
1. Макс Теґмарк . Життя 3.0. Доба штучного інтелекту – Наш формат, 2019, 344с..
2. Тарік Рашид. Створюємо нейронну мережу. - Діалектика-Вільямс, 2020, 272с.
3. Метт Харрісон. Машинне навчання: кишеньковий довідник. - Діалектика-Вільямс, 2020, 320с.
4. Джордж Ґілдер. Життя після Google. Занепад великих даних і становлення блокчейн-економіки. – BookChef, 2021, 320с.
5. Малкольм Фрэнк, Пол Рериг, Бен Принг. Що робити, коли машини почнуть робити все. – Форм, 2019, 320с.
6. Дон Тапскотт, Алекс Тапскотт. Блокчейн-революція.- Літопис, 2019, 492с.
7. Шон Кеннел, Бенджі Тревіс. Секрети YouTube. – BookChef, 2020, 204с..
8. Марк Рандольф. NETFLIX. Ця ідея ніколи не спрацює. – BookChef, 2019, 196с.
9. Дрозд Валентина. Цифрова валюта у світі та в Україні. - Центр навчальної літератури (ЦНЛ), 2022, 298с.
10. Марманіс Х., Бабенко Д.. Алгоритми інтелектуального інтернету. Символ, 2018, - 480 с.
Інформаційні ресурси Інтернет-джерела
1. Гібридна інтелектуальна система [Електронний ресурс] // Вікіпедія http://ru.wikipedia.org/wiki/Гибридная_интеллектуальная_система.
2. Hybrid Intellegent System [Електронний ресурс]. –http://www.slideshare.net/ikensolutions/ hybrid-intelligent-systems-presentation
3. Платформа Google AI. – https://experiments.withgoogle.com/
4. Nvidia AI Playground - https://www.nvidia.com/en-us/research/ai-playground/
5. Сатоши Накамото «Bitcoin: A Peer-to-Peer Electronic Cash System» - https://bitcoin.org/bitcoin.pdf
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).