Системи штучного інтелекту
Спеціальність: Комп'ютерні науки
Код дисципліни: 6.122.00.O.039
Кількість кредитів: 5.50
Кафедра: Інформаційних систем і технологій
Лектор: доцент Мисик М.М.
Семестр: 6 семестр
Форма навчання: денна
Результати навчання: Метою викладання навчальної дисципліни Системи штучного
інтелекту є формування у майбутніх фахівців сучасного рівня
інформаційної культури у галузі штучного інтелекту; ознайомлення з основними
методами і алгоритмами штучного інтелекту; вивчення студентами методів та засобів
створення комп’ютерних систем штучного інтелекту, отримання відомостей про
концептуальні основи штучного інтелекту, методи подання знань і баз знань, системи
нечіткої логіки, будову та можливості використання експертних систем, основні поняття
про системи розпізнавання образів, штучні нейронні мережі, генетичні алгоритми;
ознайомлення студентів з актуальними питаннями використання програмних засобів для
створення систем штучного інтелекту, зокрема експертних систем.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Вища математика, Програмування та
алгоритмічні мови,Чисельні методи
Короткий зміст навчальної програми: Системи розуміння природної мови. Системи переробки візуальної інформації
Представлення знань в інтелектуальних системах. Автоматизовані системи розпізнавання
образів
Експертні системи
Нечітка логіка, штучні нейронні мережі та генетичні алгоритми
Методи та критерії оцінювання: Лабораторні роботи-40%
Семестровий контроль-60%
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. Джексон П. Введение в экспертные системы. – М.: Вильямс, 2011.
2. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS.
– СПб.: БХВ-Петербург, 2009.
3. Черноруцкий И.Г. Методы принятия решений. – СПб.: БХВ-Петербург, 2005.
4. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - Сиб.:
Питер, 2011.
5. Глибовець М.М., Отецький О.В. Штучний інтелект. Підручник. - К: Вид.дім "KM
Академія", 2002, - 366с.
6. Прикладные нечеткие системы/ Под ред. Т.Тэрано, К.Асаи, М.Сугено. – М.: Мир, 1993,
386 с.
7. Андон Ф.И., Яшунин А.Е., Рениченко В.А. Логические модели интеллектуальных
информационных систем. - К.: Наукова думка, 2013.
8. Дюк В., Самойленко А. Data Mining: учебный курс (+ CD-ROM). 2001 г. Издательство:
Питер. Серия: Учебный курс. – 368 с.
9. Каллан Р. Основные концепции нейронных сетей.: Пер. с англ. М.: Издательских дом
«Вильямс», 2001. 288 с. 3.1.11.
10. Хорошевский В. Ф. Поведение интеллектуальных агентов: модели и методы
реализации. Переславль-Залесский: РАИИ, 2013.
11. CLIPS Referens Manual, Volume I-III, Basic programming guid, Advenced programming
guid, Interfases guide. – 2002.
12. Алексеевская М.А., Недоступ А.В. Диагностические игры в медицинских задачах. – М:
Бином, 2004.
13. Божич В.И., Лебедев О.Б., Шницер Ю.Л. Разработка генетического алгоритма обучения
нейронных сетей // Перспективные информационные технологии и интеллектуальные
системы. - 2011. - №1.- С. 21- 24.
14. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учеб. Пособие для ву-зов. - М.:
Изд-во МГТУ им. Баумана, 2012. - 320 с.
15. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д.
Рудинского. - М.: Финансы и статистика, 2010. - 344 с.
16. Круглов В.В. Искусственные нейронные сети. Теория и практика. - М.: Горячая линия
Телеком, 2012. - 382 с. 3.1.21. Фролов Ю.В.