Машинне навчання
Спеціальність: Комп'ютерні науки (Системи штучного інтелекту)
Код дисципліни: 6.122.13.O.028
Кількість кредитів: 5.00
Кафедра: Системи штучного інтелекту
Лектор: Бойко Н.І.
Семестр: 5 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
загальні компетентності:
уміння спілкуватися другою мовою;
здатність навчатися;
уміння спілкуватися усно та в письмовій формі першою мовою;
здатність здійснювати пошук та аналізувати інформацію з різних джерел;
уміння ідентифікувати, формулювати та розв’язувати задачі;
уміння застосовувати знання в практичних ситуаціях;
уміння приймати обґрунтовані рішення;
уміння проводити дослідження на відповідному рівні;
уміння працювати в команді;
знання та розуміння предметної області та розуміння фаху;
уміння спілкуватися з нефахівцями однієї галузі;
уміння розробляти та керувати проектами;
уміння працювати самостійно.
фахові компетентності спеціальності (ФК):
здатність гнучкого способу мислення, який дає можливість зрозуміти й розв’язати проблеми та задачі, зберігаючи при цьому критичне відношення до усталених наукових концепцій;
здатність використовувати поглиблені теоретичні та фундаментальні знання в галузі штучного інтелекту для розроблення складних систем;
здатність формулювати, аналізувати та синтезувати рішення наукових проблем на абстрактному рівні шляхом їхньої декомпозиції на складові, які можна дослідити окремо в їх більш та менш важливих аспектах;
здатність будувати відповідні моделі складних систем, досліджувати їх для побудови проектів інформаційних систем;
здатність розробляти і впроваджувати моделі інформаційних систем засобами комп’ютерного моделювання;
здатність комунікувати з колегами з даної області щодо наукових досягнень, як на загальному рівні, так і на рівні спеціалістів, здатність робити усні та письмові звіти, обговорювати наукові теми рідною та англійською мовами;
здатність провести усну презентацію та написати зрозумілу статтю за результатами проведених досліджень, а також щодо сучасних концепцій у системах штучного інтелекту та методів опрацювання природної мови;
здатність аналізувати та формулювати висновки для різних типів складних управлінських задач у різних галузях народного господарства;
здатність формулювати (роблячи презентації, або представляючи звіти) нові гіпотези та наукові задачі в області штучного інтелекту та опрацювання природної мови, вибирати належні напрями і відповідні методи для їхнього розв’язування;
здатність сприймати ново здобуті знання в області комп’ютерних наук, інформаційних технологій і штучного інтелекту та інтегрувати їх зі уже наявними;
здатність вивчати та критично оцінювати нові інформаційні технології, моделі і методи штучного інтелекту, ґрунтуючись на фахових у цих областях наукових літературних джерелах.
фахові компетентності спеціалізації (ФКС):
Для лінії систем глибинного машинного навчання
здатність ефективно використовувати методи глибинного навчання для прикладних задач;
здатність на основі математичних моделей і методів штучного інтелекту здійснювати проектування та параметризацію компонентів інтелектуальної інформаційної системи;
здатність формувати вимоги до розроблення інтелектуальних систем;
Для лінії систем штучного інтелекту
здатність зорієнтуватися на рівні спеціаліста в певній вузькій області систем штучного інтелекту, яка лежить поза межами вибраної спеціалізації;
здатність ефективно проводити системний аналіз, здійснювати вибір концептуальної моделі середовища інформаційної системи на основі математичних моделей і методів штучного інтелекту, параметризацію компонентів інтелектуальної інформаційної системи;
здатність бути лідером розроблення та виконання проекту інтелектуальної інформаційної системи
Результати навчання: 1. Використовувати набуті знання для формулювання задач машинного навчання для
комп’ютерних систем прийняття рішень.
2. Застосовувати пакети програм для вирішування поставлених задач навчання
комп?ютера.
3. Використовувати отриманні знання для навчання за допомогою еволюційних методів
та алгоритмів.
4. Формувати знання та практичні навички для використання основних методів навчання
комп?ютера для вирішення задач прийняття рішень.
5. Забезпечувати єдину методичну базу взаємодії курсу Машинне навчання та інших
предметних дисциплін.
6. Мати уяву про стан і перспективу розвитку математичних методів та організації
машинного навчання та їхнього програмного забезпечення.
7. Оперативно використовувати методи та способи машинного навчання
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Системи та методи штучного інтелекту
Короткий зміст навчальної програми: Навчальна дисципліна Машинне навчання є складовою циклу професійної підготовки фахівців першого бакалаврського рівня освіти. Пропонований навчальний курс забезпечить студентам здобуття поглиблених теоретичних та практичних знань, умінь та розуміння, що відносяться до областей систем підтримки прийняття рішень на основі методів машинного навчання для прийняття оптимальних, математично обґрунтованих рішень, що дасть їм можливість ефективно виконувати завдання інноваційного характеру відповідного рівня професійної діяльності, орієнтованої на дослідження й розв’язання складних задач проектування та розроблення різних систем штучного інтелекту для задоволення потреб науки, бізнесу та підприємств у різних галузях.
Опис: Загальні поняття про машинне навчання. Класифікація обєктів. Поняття навчання. Простір ознак. Лінійний класифікатор і стохастичний градієнт. Самоорганізуючі карти. Метод групового врахування аргументів. Метод опорних векторів
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. Кононова К. Ю. Машинне навчання: методи та моделі: підручник для бакалаврів, магістрів та докторів філософії спеціальності 051 «Економіка» / К. Ю. Кононова. – Харків: ХНУ імені В. Н. Каразіна, 2020. – 301 с.
2. Кургаєв О.П. Методи та системи штучного інтелекту / [Електронний ресурс]: конспект лекцій для студентів напряму підготовки 6.050101 «Комп'ютерні науки» денної та заочної форм навчання / О.П. Кургаєв – К.: НУХТ, 2014. – 279 с.
3. Згуровський М.З. Основи системного аналізу / М.З. Згуровський, Н.Д. Панкратова –К : Видавнича група BHV, 2007.-544с.
4. Методичні вказівки до виконання лабораторних робіт з дисципліни "Нечіткі моделі і методи обчислювального інтелекту" для студентів спеціальності 8.05010102 ?Системи штучного інтелекту: усіх форм навчання / Уклад.: С.О. Субботін. – Запоріжжя: ЗНТУ, 2015. – 50 с.
5. Кононюк А.Ю. Нейроні мережі і генетичні алгоритми – К.: «Корнійчук», 2008. – 446 с.
6. Могильний С. Б. Машинне навчання з використанням мікрокомп’ютерів: навч.-метод. посіб. / за ред. О. В. Лісового та ін. – К., 2019. – 226 с. (http://man.gov.ua/files/49/Machine_Nav4ann_Mogilniy.pdf)
7. Штовба С.Д. Machine learning: стартовий курс : електронний навчальний посібник / Штовба С.Д., Козачко О.М. – Вінниця : ВНТУ, 2020. – 81 с. (file:///C:/Users/Natas/Downloads/MachinelearningGettingStarted_CR.pdf)
8. Любунь З.М. Основи теорії нейромереж – Львів, 2006. – 140 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).