Системи штучного інтелекту
Спеціальність: Комп'ютерні науки (Проектування і програмування інтелектуальних систем та пристроїв)
Код дисципліни: 6.122.12.E.050
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 - 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: 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).