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 – («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: 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).