Основи штучного інтелекту

Спеціальність: Комп'ютерні науки (Системи штучного інтелекту)
Код дисципліни: 6.122.13.O.029
Кількість кредитів: 5.00
Кафедра: Системи штучного інтелекту
Лектор: Засоба Є.
Семестр: 5 семестр
Форма навчання: денна
Мета вивчення дисципліни: Метою викладання дисципліни є: вивчення основних засобів та принципів проектування інтелектуальних систем та їх використання для розв’язування прикладних задач. Курс «Методи та системи штучного інтелекту» знайомить студентів з основами побудови та принципами створення та аналізу систем штучного інтелекту, використанням цих систем при вирішенні практичних задач. Теоретичні та практичні навички роботи з такими системами дозволить випускникам швидко освоїтись з реальним інформаційним забезпеченням на різних підприємствах та організаціях.
Завдання: Вивчення навчальної дисципліни передбачає формування у студентів необхідних компетентностей: інтегральна компетентність (ІНТ): Здатність використовувати теоретичні та фундаментальні знання, уміння і навички для успішного розв’язування складних спеціалізованих задач та практичних проблем під час професійної діяльності у галузі комп’ютерних наук та інформаційних технологій, комп’ютерної техніки та сучасних технологій проектування та програмування інформаційних систем, володіння навичками роботи з комп'ютером для вирішення задач спеціальності. фахові компетентності (ФК):  здатність застосовувати знання сучасних методів та засобів розподілених систем, паралельних обчислень; здатність застосовувати знання принципів і методів побудови та застосування комп’ютерних мереж; фахові компетентності професійного спрямування (ФКС): здатність формулювати нові гіпотези, шукати та візуалізувати приховані залежності даних, використовуючи методи штучного інтелекту;
Результати навчання: знати: ? здатність продемонструвати поглиблені знання принаймні в одній з областей інформаційних технологій; ? здатність продемонструвати знання та навики щодо проведення експериментів, збору даних та моделювання у предметній області; вміти: - здатність створювати математичні моделі і алгоритми прийняття рішень за допомогою алгоритмічного та програмного забезпечення, використовуючи машинне навчання, штучні нейронні мережі, еволюційне моделювання, генетичні методи оптимізації, фільтри
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Дискретна математика
Короткий зміст навчальної програми: Метою викладання навчальної дисципліни є опанувати основи методів та інструментів систем штучного інтелекту, набути навичок їх використання для розв’язання прикладних задач. Вона є невід’ємною частиною циклу комп’ютерних дисциплін, необхідних фахівцям для рішення інтелектуальних задач пошуку інформації в базах даних, пошуку прихованих закономірностей у множині даних, прийняття рішень на основі використання систем правил та експертних систем. Основним завданням вивчення дисципліни є розуміння та засвоєння студентами принципів побудови та технології розробки систем штучного інтелекту; побудови моделей та використання інтелектуальних методів розв’язання задач у слабоформалізованих галузях; побудови нейронних мереж і навчання в нейронних мережах; застосовування методів розв’язання задач у слабоформалізованих галузях; формалізації знань за допомогою різних способів їх подання. В результаті вивчення дисципліни студент повинен: - знати поняття інтелектуальних задач, штучного інтелекту, експертних систем; - володіти принципами побудови та технологіями розробки комп’ютерних систем штучного інтелекту; - володіти методами застосування інтелектуальних систем для вирішення задач різного типу; - конструювати алгоритми прийняття оптимальних рішень за допомогою відповідних евристик; - будувати моделі та використовувати інтелектуальні методи розв’язання задач у слабоформалізованих галузях; - використовувати системи розпізнавання образів, еволюційні інтелектуальні системи; - застосовувати комп’ютерні системи штучного інтелекту для прийняття рішень. Методи викладання: поєднання лекційних занять з роботою в комп’ютерних аудиторіях (виконання лабораторних робіт).
Опис: Основні поняття інтелектуальних систем. Архітектура інтелектуальних систем. Формальне означення інтелектуальних систем. Функціональна модель інтелектуальних систем. Моделі подання знань та механізми логічного виведення. Виявлення логічних закономірностей в даних. Дерева прийняття рішень . Штучні нейронні мережі. Генетично-адаптивні алгоритми. Моделювання нечіткостей в інтелектуальних системах. Ускладнене подання знань із врахуванням фактору невизначеності . (Нечітка логіка. Нечіткі множини. Коефіцієнти впевненості. Зважування тверджень. Байесівський підхід.)
Методи та критерії оцінювання: 1. Виконання лабораторних та практичних робіт та їх захист. 2. Написання контрольних робіт. 3. Написання розрахунково-графічної роботи 4. Екзамен.
Критерії оцінювання результатів навчання: Лабораторна робота, Практична робота, Розрахунково-графічна робота - 40 балів Іспит, Усна компонента - 60 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: 1. www.intuit.ru – Национальный открытый университет 2. Шитиков В.К., Мастицкий С.Э. (2017) Классификация, регрессия и другие алгоритмы Data Mining с использованием R. 351 с. – Электронная книга, адрес доступа: https://github.com/ranalytics/data-mining 3. http://itacademy.microsoftelearning.com/ - Інтерактивне навчання за програмою Microsoft IT Academy.
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).