Системи штучного інтелекту
Спеціальність: Комп'ютерні науки (Проектування і програмування інтелектуальних систем та пристроїв)
Код дисципліни: 6.122.12.E.052
Кількість кредитів: 5.00
Кафедра: Системи автоматизованого проектування
Лектор: Проф. каф САП, д.т.н. Я.І.Соколовський,
Старший викладач каф.САП Р.І.Головацький.
Семестр: 6 семестр
Форма навчання: денна
Завдання: Основні завдання вивчення дисципліни – отримання студентами знань щодо загального стану в галузі штучного інтелекту, методів і засобів, які використовуються при створенні систем штучного інтелекту, сучасних підходів до їх створення та формування навичок їх практичного використання. Вивчення навчальної дисципліни передбачає формування та розвиток у студентів компетентностей:
Результати навчання: 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.
Загальні компетентності (ЗК):
• ЗК1. Здатність до абстрактного мислення, аналізу та синтезу.
• ЗК2. Здатність застосовувати знання у практичних ситуаціях.
• ЗК3. Знання та розуміння предметної області та розуміння професійної діяльності.
• ЗК6. Здатність вчитися й оволодівати сучасними знаннями.
• ЗК8. Здатність генерувати нові ідеї (креативність).
• ЗК10. Здатність бути критичним і самокритичним
• ЗК12. Здатність оцінювати та забезпечувати якість виконуваних робіт.
• ЗК13. Здатність діяти на основі етичних міркувань.
Фахові компетентності спеціальності (ФК):
• 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.
• ФК11. 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.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни:
1. Математичні задачі дослідження операцій.
2. Інтелектуальний аналіз даних.
Супутні і наступні навчальні дисципліни:
1. Методи синтезу та оптимізації.
2. Дискретні моделі у САПР.
Короткий зміст навчальної програми: Сучасні інтелектуальні системи трансформують повсякденне життя суспільства. Такі системи розробляються та впроваджуються з урахуванням моделей та алгоритмів штучного інтелекту (ШІ). Цей курс має на меті представити різні теорії та алгоритми штучного інтелекту для того, щоб дати ґрунтовну підготовку в цій галузі, а також практичні знання про те, як реалізувати реальні інтелектуальні системи. Основна тема курсу - теорії та алгоритми класичного штучного інтелекту. Під час курсу студенти отримають знання про різні парадигми штучного інтелекту. Рекомендовано для студентів напряму підготовки "Комп’ютерні науки".
Опис: Лекція 1. “Основні поняття штучного інтелекту”.
Лекція №2. “Методти пошуку рішень у системах ШІ”.
Лекція №3. “Пошук рішень ІЗ у просторі станів. Методи інформативного пошуку”.
Лекція №4. “Методи класифікації в задачах розпізнавання образів”.
Лекція №5. “Методи та алгоритми класифікації”.
Лекція №6. “Методи та алгоритми кластеризації”.
Лекція №7. “Методи та алгоритми неієрархічної кластеризації”.
Лекція №8. “Основи штучних нейронних мереж”.
Лекція №9. “Методи навчання штучних нейронних мереж”.
Лекція №10. “Персептрон Розенблатта. Мережа АДАЛІН та алгоритми навчання”.
Лекція №11. “Методи та моделі представлення знань”.
Лекція №12. “Генетичні алгоритми”.
Лекція №13. “Системи Fuzzy Logic”.
Лекція №14. “Моделі систем Fuzzy Logic”.
Лекція №15. “Експертні системи”.
Методи та критерії оцінювання: Для діагностики знань використовується поточний контроль знань, який є органічною частиною всього педагогічного процесу і слугує засобом виявлення ступеня сприйняття (засвоєння) навчального матеріалу. Основні завдання:
• виявити обсяг, глибину і якість сприйняття (засвоєння) матеріалу, що вивчається;
• визначити недоліки у знаннях і намітити шляхи їх усунення;
• виявити ступінь відповідальності студентів і ставлення їх до роботи, встановивши причини, які перешкоджають їх роботі;
• виявити рівень опанування навиків самостійної роботи і намітити шляхи і засоби їх розвитку;
• стимулювати інтерес студентів до предмета і їх активність у пізнанні.
Головне завдання поточного контролю - допомогти студентам організувати свою роботу, навчитись самостійно, відповідально і систематично вивчати усі навчальні матеріали. Також поточний контроль має навчити студентів готуватись до перевірки з першого дня занять і кожного дня, а не наприкінці семестру або навчального року.
Критерії оцінювання результатів навчання: Критерії оцінювання результатів навчання студентів:
Поточний кнтроль:
Лабораторні заняття: 8л.р.*5балів=40балів.
Екзаменаційний контроль:
Письмова компонента: 40 балів.
Усна компонента: 20 балів.
Всього: 40+20=60 балів.
Разом за дисципліну: 40+60=100 балів.
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: Методи та системи штучного інтелекту: навч. посіб. / укл. Д.В. Лубко, С.В. Шаров. – Мелітополь: ФОП Однорог Т.В., 2019. – 264 с.
2. Глибовець М.М., Гулаєва Н.М. Еволюційні алгоритми: підручник. — Київ: НаУКМА, 2013. – 828 с
3. Субботін С.О. Нейронні мережі: навч. посібник / С.О. Субботін, А.О. Олійник; за ред. С.О. Субботіна. – Запоріжжя : ЗНТУ, 2014. – 132 с.
4. Тимощук П.В. Штучні нейронні мережі. Навчальний посібник / Львів: Видавництво Львівської Політехніки, 2011. – 444 с.
5. Системи штучного інтелекту: навч. посіб.: рекомендовано МОН України/ Ю. В. Нікольський, В. В. Пасічник, Ю. М. Щербина. Львів: Магнолія-2006, 2015.
6. Савченко, А. С. Методи та системи штучного інтелекту : навч. посіб. / А. С. Савченко, О. О. Синельніков. – Київ : НАУ, 2017. – 174 с. :
7. Шаховська, Н. Б. Системи штучного інтелекту : навч. посіб. / Н. Б. Шаховська, Р. М. Камінський, О. Б. Вовк. – Львів : Вид-во Львівської політехніки, 2018. – 391 с.
8. Руденко О.В. Штучні нейронні мережі: Навчальний посібник, О.В.Руденко, Є.В.Бодянський. Харків : ТОВ «Компанія СМІТ», 2016. 404 с.
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).