Машинний інтелект в робототехніці, частина 2

Спеціальність: Метрологія та інформаційно-вимірювальна техніка
Код дисципліни: 6.175.05.E.138
Кількість кредитів: 5.00
Кафедра: Інформаційно-вимірювальних технологій
Лектор: Хома Юрій Володимирович
Семестр: 6 семестр
Форма навчання: денна
Результати навчання: Результати навчання: - вміти налаштовувати та користуватися локальними (Jupyter Notebook) і онлайн (Google Colab) середовищами для побудови моделей машинного навчання; - вміти використовувати стандартні функції модулів pandas, numpy і scikit-learn; - знати основні принципи попередньої обробки даних і їх застосування на практиці; - вміти обробляти вхідні дані, розділяти їх на набори для тренування і тестування; - знати основні типи графіків бібліотек matplotlib і seaborn і використовувати їх для візуалізації вхідних даних; - розрізняти та використовувати алгоритми машинного навчання для вирішення задач класифікації, регресії, кластеризації; - знати основні методи оцінки алгоритму машинного навчання для кожної із задач, розуміти їх переваги та недоліки.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Пререквізити: - машинний інтелект в робототехніці, частина 1
Короткий зміст навчальної програми: Короткий зміст: Налаштування робочої станції для глибокого навчання. Знайомство з модулями pandas, numpy і scikit-learn. Візуалізація та побудова графіків за допомогою matplolib і seaborn. Комбінація та об’єднання наборів даних. Попередня обробка даних, розробка функцій. Перетреновування і недотреновування. Поділ на навчальний і тестовий набір. Класифікація, регресія, кластеризація. Оцінка моделей машинного навчання.
Методи та критерії оцінювання: Оцінювання Усне опитування, приймання звітів з лабораторних робіт (35 %); підсумковий захід – іспит (письмово-усна форма
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: Література 1. Coelho L. P. Building Machine Learning Systems with Python, 2nd Edition / Luis Pedro Coelho, Willi Richert., Packt Publishing Ltd., Birmingham, UK, 2015. – 326 c. 2. Grus J., Data Science from Scratch: First Principles with Python / Joel Grus., O`Reilly Media, Inc., 2015. – 330 c. 3. Gron A. Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems., O`Reilly Media, Inc., 2017. – 568 c. 4. McKinney W. Python for data analysis / Wes McKinney., O`Reilly Media, Inc., 2012. – 470 c. 5. Deisenroth M. P. Mathematics for Machine Learning / Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong., Cambridge University Press, 2020. – 417 c. 6. Russel S. Artificial Intelligence: A Modern Approach, 3rd Edition / Stuart Russel, Peter Norvig. Prentice Hall Press, USA, 2009. – 1152 c. 7. Chollet F. Deep Learning with Python, 1st Edition / Francois Chollet., Manning Publications Co., USA, 2017. – 384 c.
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).