Системи штучного інтелекту
Спеціальність: Видавництво та поліграфія
Код дисципліни: 6.186.02.E.067
Кількість кредитів: 6.00
Кафедра: Інформаційні технології видавничої справи
Лектор: д.т.н., професор Ткаченко Роман Олексійович
Семестр: 6 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей:
загальні компетентності:
1. Здатність вчитися і оволодівати сучасними знаннями.
2. Знання та розуміння предметної галузі та розуміння професійної діяльності.
3. Здатність спілкуватися з представниками інших професійних груп різного рівня (з експертами з інших галузей знань/видів економічної діяльності).
4. Здатність роботи з інформацією (уміння знаходити та аналізувати інформацію з різних джерел).
5. Здатність й уміння працювати в міжнародному контексті.
фахові компетентності:
1. Здатність застосовувати принципи оброблення, реєстрації, формування, відтворення, зберігання текстової, графічної, звукової та відеоінформації та особливостей її використання для виготовлення друкованих і електронних видань, паковань, мультимедійних інформаційних продуктів та інших видів виробів видавництва та поліграфії.
2. Здатність планувати й організовувати виробництво, експлуатацію, технічне обслуговування, розповсюдження продукції у видавництві та поліграфії з урахуванням особливостей вирішуваної проблеми.
3. Здатність застосовувати набуті знання для задач проектування систем штучного інтелекту.
Результати навчання: Результати навчання
1. Застосовувати теорії та методи математики, фізики, інженерних наук, економіки для розв’язання складних задач і практичних проблем видавництва і поліграфії.
2. Розробляти, забезпечувати й реалізовувати технологічний процес, обґрунтовано обираючи матеріали, системи контролю якості, апаратно-програмні комплекси, обладнання, персонал та інші ресурси.
3. Організовувати і забезпечувати ефективну експлуатацію поліграфічного обладнання та технічних засобів видавничих систем.
4. Здатність проектувати та використовувати наявні засоби інтеграції даних, опрацьовувати дані, що зберігаються у різних системах.
5. Здатність до креативного мислення при вирішенні проблемних ситуацій на шляху створення електронної продукції.
6. Здатність використання різноманітних методів, зокрема сучасних інформаційних технологій, для ефективно спілкування на професійному та соціальному рівнях.
7. Здатність адаптуватись до нових ситуацій та приймати відповідні рішення.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Пререквізити:
• Алгоритми і структури даних
• Основи криптографії і шифрування
• Основи цифрової обробки сигналів
Короткий зміст навчальної програми: Навчальна дисципліна Системи штучного інтелекту 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 штучного інтелекту, обчислювального інтелекту, м’яких обчислень, , що надасть їм можливість ефективно виконувати завдання інноваційного характеру відповідного рівня професійної діяльності, орієнтованих на дослідження й розв’язання складних задач проектування та розроблення інформаційних систем поліграфічного виробництва та мультимедіа.
Опис: Предмет курсу. Основні поняття та визначення. Сильний і слабкий штучний інтелект . Історична довідка. Приклади успішних систем штучного інтелекту (СШІ).
Штучний інтелект в інформаційно-аналітичних системах. Системи Data Mining. Моделі інтелектуального аналізу даних. Методи Data Mining. Системи підтримки прийняття рішень (СППР). Бізнес-аналітика.
Системи ШІ, що відносяться до напрямку символізму. Експертні системи. Етапи розроблення експертних систем. Переваги та слабкі місця експертних систем.
Алгоритми глобальної оптимізації. Модель імітації відпалу металу. Генетичні алгоритми.
Біологічні прототипи та моделі ШНМ. Біологічний нейрон. Поняття технічного, або формального нейрона.
Багатошарові перцептрони (БШП). Проблема функції «ВИКЛЮЧАЮЧЕ АБО». Архітектура БШП. Розділювальні поверхні. Налагодження БШП. Моделі оптимальної складності.
Методи та особливості навчання багатошарових перцептронів (БШП). Алгоритм зворотного поширення похибки. Недоліки алгоритму. Інші методи навчання БШП.
Застосування ШНМ в режимі без супервізора. Самоорганізаційні карти Когонена (SOFM). Топологія і алгоритми навчання. Мережі зустрічного поширення.
ШНМ зі зворотними зв’язками . Мережі Гопфілда. Фізичні аналогії і застосування ШНМ Гопфілда. Двоскерована асоціативна пам’ять.
ШНМ з нейронними елементами радіального типу. ШНМ типу РБФ. Порівняння з БШП, застосування. Імовірнісні ШНМ. ШНМ узагальненої оегресії.
Модель геометричних перетворень. ШНМ на основі геометричних перетворень. ШНМ автоасоціативного типу. Особливості, порівняння з БШП.
Засоби нечіткої логіки. Базові положення. Поняття нечітких множин. Продукційні нечіткі контролери. Основи застосування.
Застосування засобів ШІ для опрацювання зображень. Розпізнавання цифр. Розпізнавання друкованого тексту.
Методи та критерії оцінювання: Поточний контроль (ПК) здійснюють під час лабораторних та індивідуально-консультативних занять з метою перевірки рівня засвоєння теоретичних і практичних знань та вмінь студента. ПК проводиться у формі захисту лабораторних робіт (ЛР) під час навчальних занять та оцінювання практичних робіт та розрахунково-графічної роботи (РГР).
Навчальним планом передбачено проведення семестрового контролю з дисципліни у формі іспиту.
На екзамен (ЕК) виносяться теоретичні питання, завдання, що потребують творчого підходу та вміння синтезувати отримані знання і застосувати їх при вирішення практичних завдань, за матеріалом, передбаченим робочою навчальною програмою дисципліни. ЕК з навчальної дисципліни складають у письмово-усній формі. Під час усної компоненти викладач фіксує запитання та оцінки відповідей на роботі студента.
Для навчальної дисципліни, з якої передбачено екзамен, підсумкова оцінка виставляється за результатами ПК (лабораторні роботи та РГР) та оцінки результатів навчання при проведенні контрольних заходів (екзамену).
Критерії оцінювання результатів навчання: Максимальна оцінка в балах – 100;
Поточний контроль (практичні роботи) – 20;
Поточний контроль (розрахунково-графічна робота) – 10.
Екзаменаційний контроль (письмова компонента) – 40.
Екзаменаційний контроль (усна компонента) – 30.
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. Засоби штучного інтелекту: навч. посібник / Р. О. Ткаченко, Н. О. Кустра, О. М., Павлюк, У. В. Поліщук. – Львів: Видавництво Львівської політехніки, 2014. – 204 с.
2. Ткаченко Р. О. Нейромережеві засоби штучного інтелекту: навчальний посібник / Р. О. Ткаченко, П. Р. Ткаченко, І. В. Ізонін - Львів: Видавництво Львівської політехніки, 2017. - 240 с. ISBN 978-966- 941-011- 5
3. Глибовець М. М., Олецький О.В. Штучний інтелект. — Київ : «Києво-Могилянська академія», 2002. — 364 с.
4. Stuart J. Russell, Peter Norvig. Artificial Intelligence: A Modern Approach. — 3. — Pearson, 2015.
5. Nils J. Nilsson. The Quest for Artificial Intelligence. — 1. — Cambridge University Press, 2009. — 578 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).