Прикладні системи штучного інтелекту та інженерія знань (КР) (курсова робота)

Спеціальність: Комп'ютерний еколого-економічний моніторинг
Код дисципліни: 7.122.08.E.019
Кількість кредитів: 2.00
Кафедра: Інформаційних систем і технологій
Лектор: к.ф.-м.н. Баран М.М., к.т.н. Мельник Б.К.
Семестр: 2 семестр
Форма навчання: денна
Мета вивчення дисципліни: Метою викладання дисципліни є вивчення основних принципів інженерії даних та знань організації та побудови систем, заснованих на знаннях. До складу курсу входять: цикл лекцій з основ інжинірингу даних та знань, цикл лабораторних робіт по їх застосуванню, що є практичною реалізацією алгоритмів інженерії даних та знань згідно із спеціальністю «Комп’ютерний еколого-економічний моніторинг». Формування у студентів поглиблених теоретичних та практичних знань з: систем, заснованих на знаннях, основ логіки висловлювань, дерев рішень, інтелектуальних технологій аналізу даних.
Завдання: Вивчення навчальної дисципліни передбачає формування у здобувачів освіти компетентностей: загальні компетентності:  ІНТ. Здатність розв’язувати задачі дослідницького та/або інноваційного характеру у сфері комп’ютерних наук. ЗК01. Здатність до абстрактного мислення, аналізу та синтезу. ЗК02. Здатність застосовувати знання у практичних ситуаціях. ЗК03. Здатність спілкуватися державною мовою як усно, так і письмово. ЗК04. Здатність спілкуватися іноземною мовою. ЗК05. Здатність вчитися й оволодівати сучасними знаннями. ЗК07. Здатність генерувати нові ідеї (креативність). фахові компетентності: СК01. Усвідомлення теоретичних засад комп’ютерних наук. СК02. Здатність формалізувати предметну область певного проєкту у вигляді відповідної інформаційної моделі. СК03. Здатність використовувати математичні методи для аналізу формалізованих моделей предметної області. СК04. Здатність збирати і аналізувати дані (включно з великими), для забезпечення якості прийняття проєктних рішень. СК05. Здатність розробляти, описувати, аналізувати та оптимізувати архітектурні рішення інформаційних та комп’ютерних систем різного призначення. СК08. Здатність розробляти і реалізовувати проекти зі створення програмного забезпечення, у тому числі в непередбачуваних умовах, за нечітких вимог та необхідності застосовувати нові стратегічні підходи, використовувати програмні інструменти для організації командної роботи над проєктом. СК11. Здатність ініціювати, планувати та реалізовувати процеси розробки інформаційних та комп’ютерних систем та програмного забезпечення, включно з його розробкою, аналізом, тестуванням, системною інтеграцією, впровадженням і супроводом. ФКС1.4. Володіння навичками колективної дослідницької роботи з використанням Інтернет-технологій. ФКС2.1. Навики проектування спеціалізованих інформаційних систем в галузі еколого-економічного моніторингу. ФКС2.4. Уміння створювати інтелектуальні системи підтримки прийняття рішень із застосуванням методів екологічної оптимізації. ФКС2.6. Уміння складати супроводжуючу документацію до створення, впровадження та експлуатації еколого-економічних моніторингових систем.
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен: - володіти знаннями і розумінням наукових засад створення інтелектуальних систем та баз знань різної складності; - бути здатним формувати теоретичні та практичні рішення із створення на наповнення бази знань на основі Python; - вміти використовувати знання та навички при описі відношень та обмежень із використанням логіки висловлювань; - вміти застосовувати знання та практичні навички в процесі аналізу даних; - вміти практично застосовувати знання в процесі створення інтерфейсів до програмного забезпечення на основі JS/Python. У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі програмні результати навчання: ПР1. Мати спеціалізовані концептуальні знання, що включають сучасні наукові здобутки у сфері комп’ютерних наук і є основою для оригінального мислення та проведення досліджень, критичне осмислення проблем у сфері комп’ютерних наук та на межі галузей знань. ПР2. Мати спеціалізовані уміння/навички розв’язання проблем комп’ютерних наук, необхідні для проведення досліджень та/або провадження інноваційної діяльності з метою розвитку нових знань та процедур. ПР4. Управляти робочими процесами у сфері інформаційних технологій, які є складними, непередбачуваними та потребують нових стратегічних підходів ПР6. Розробляти концептуальну модель інформаційної або комп’ютерної системи. ПР7. Розробляти та застосовувати математичні методи для аналізу інформаційних моделей. ПР8. Розробляти математичні моделі та методи аналізу даних (включно з великими). ПР9. Розробляти алгоритмічне та програмне забезпечення для аналізу даних (включно з великими). ПР11. Створювати нові алгоритми розв’язування задач у сфері комп’ютерних наук, оцінювати їх ефективність та обмеження на їх застосування. ПР13. Оцінювати та забезпечувати якість інформаційних та комп’ютерних систем різного призначення. ПР14. Тестувати програмне забезпечення ПР15. Виявляти потреби потенційних замовників щодо автоматизації обробки інформації. ПР17. Виявляти та усувати проблемні ситуації в процесі експлуатації програмного забезпечення, формулювати завдання для його модифікації або реінжинірингу. ПР18. Збирати, формалізувати, систематизувати і аналізувати потреби та вимоги до інформаційної або комп’ютерної системи, що розробляється, експлуатується чи супроводжується УМ. 1.1. Знати методи, способи і технології збору інформації з різних джерел, контент-аналізу документів, аналізу та обробки даних. УМ. 1.3. Вміти математично формулювати та досліджувати неперервні та дискретні математичні моделі, обґрунтовувати вибір методів і підходів для розв’язування теоретичних і прикладних задач у галузі комп’ютерних наук, аналізу та інтерпретування. УМ 1.5. Розробляти моделі потоків даних, сховища і простори даних, бази знань для інтелектуальних систем. УМ 1.6. Створювати технології аналізу великих даних на основі використання інтелектуальних програмних компонентів, штучних нейронних мереж, машинного навчання, еволюційного моделювання, генетичних алгоритмів та нечіткої логіки. УМ 1.7. Вміти інтелектуально аналізувати дані на основі методів обчислювального інтелекту включно з великими та погано структурованими даними, їхньої оперативної обробки та візуалізації результатів аналізу в процесі розв’язування прикладних задач. УМ 2.1. Розв’язувати задачі оптимізації при проектуванні систем моніторингу, а саме: математичні моделі, критерії оптимальності, обмеження; обирати раціональні методи та алгоритми розв’язання задач оптимізації та оптимального керування. УМ2.2. Демонструвати знання базових понять теорії алгоритмів, формальних моделей алгоритмів, примітивно рекурсивних, загально-рекурсивних і частково-рекурсивних функцій, питань обчислюваності, розв’язності та нерозв’язності масових проблем, понять часової та просторової складності алгоритмів при розв’язуванні обчислювальних задач. АіВ1. Здатність адаптуватися до нових умов. АіВ2. Здатність приймати самостійні рішення у критичних умовах. АіВ3. Здатність презентувати результати роботи. КОМ 1. Уміння усної та письмової комунікації українською мовою; уміння усної та письмової комунікації англійською мовою. КОМ 2. Уміння усної та письмової комунікації англійською мовою.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Теорія систем баз даних і знань Технології великих даних в системах комп’ютерного моніторигну
Короткий зміст навчальної програми: Знання, отримані в процесі вивчення даної дисципліни полягають у розкритті математичних особливостей базових понять баз знань та формуванні рекомендацій щодо застосування різних типів технічних засобів при вирішенні задач проектування, побудови та підвищення ефективності їх використання. Викладаються теоретичні основи визначення понять «база знань», «інтелектуальна система» та наводиться їх категоріальний опис; розглядається класифікація баз знань та описуються епістемологічні аспекти комп’ютерного моделювання; досліджуються схеми аналізу даних та видобування знань в рамках об’єктно-орієнтованого підходу та принципів Semantic Web.
Опис: Введення. Прикладні аспекти застосування інженерії знань для побудови СШІ. Методи видобування знань з даних та текстів. Теоретичні аспекти видобування знань. Методи структурування. Еволюція систем отримання знань. Роль мови програмування Python при розробці сучасних інтелектуальних систем. Бази знань, як основа створення СШІ. Архітектура. Класифікація. Методи придбання знань. Поле знань. Мова опису поля. Алгоритми класифікації даних Методи представлення знань. Формальні методи подання знань. Логічні моделі. Логіка висловлювань. Логіка предикатів. Семантичні мережі. Алгоритми кластеризації даних Методи класифікації і систематизації знань. Теоретичні аспекти структурування знань. Ієрархічний підхід. Традиційні методології структуризації. Об’єктно-структурний підхід. Методи дерев рішень. ID3.CART.C4.5 Методи компіляції знань. Комунікативні методи. Пасивні методи. Активні індивідуальні методи. Активні групові методи. Текстологічні методи. Методи структурування. Алгоритми пошуку асоціативних правил Латентні структури знань. Семантичні простори та градуювання. Виявлення «прихованих» структур знань. Метод репертуарних решіток. Практичні аспекти реалізації алгоритмів нечіткої логіки Параметричне навчання. Генетичні алгоритми. Байєсівські мережі. Індуктивне навчання. Дерева рішень. Асоціативні правила. Практичні аспекти реалізації алгоритмів нечіткої логіки Придбання знань на прикладах: контроль клімату у воді Автоматизація промислових процесів Медичні експертні системи.
Методи та критерії оцінювання: Методи оцінювання рівня досягнення здобувачем результатів навчання передбачають: 1. Поточний контроль роботи здобувача: - тестове опитування; - індивідуальне усне опитування на лекціях; - виконання індивідуальної роботи; - виконання лабораторних робіт. 2. Підсумковий (екзаменаційний) контроль: Складання екзаменаційного контролю передбачає виконання письмової та усної компонент. Письмова компонента включає завдання трьох рівнів складності: - завдання 1-го рівня – тестові завдання; - завдання 2-го рівня – розв’язування тестових задач; - завдання 3-го рівня – розв’язування практичних задач.
Критерії оцінювання результатів навчання: -Поточний контроль (ПК) - 40 балів Лабораторні заняття (виконання 1 заняття – 1 бал) Виконання тестів у ВНС -15 балів. Виконання індивідуальної роботи – 10 балів -Екзаменаційний контроль - 60 балів письмова компонента 50 балів усна компонента 10 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. Булгаков О.В., Зосімов В.В., Поздєєв В.О. Методи та системи штучного інтелекту: теорія і практика: навч. посіб. / Булгаков О.В., Зосімов В.В., Поздєєв В.О.– К. : Вид-во: Гельветика, 2020; укр. мова. 2. Єремєєв І.С., Гуйда О.Г. Інтелектуальні системи підготовки рішень: навч. посіб. / Єремєєв І.С., Гуйда О.Г. – К. : Вид-во: Гельветика, 2021; укр. мова. 3. Фратавчан В.Г., Фратавчан Т.М., Лукашів Т.О., Літвінчук Ю.А., Методи та системи штучного інтелекту: навч. посіб. / Чернівці: ЧНУ, 2023; укр. мова. 4. Коцовський В.М. Методи та системи штучного інтелекту / конс. лек. – Ужгород: ДВНЗ "Ужгородський національний університет", 2016; укр. мова 5. Харченко В. О. Х 22 Основи машинного навчання : навч. посiб. / В. О. Харченко. – Суми : Сумський державний унiверситет, 2023. – 264 с. 6. Burkov A. The hundred-page machine learning book / Canada : Quebec City, 2019 – 100 p. 7. Deisenroth M. P. Mathematics for machine learning / M. P. Deisenroth, A. A. Faisal, C. S. Ong. – New York : Cambridge University Press, 2020. – 412 p. 8. Шолле, Ф. Глибоке навчання з Python (2-е видання). Manning Publications. – Київ:Хайнінг. - 2021. 400 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).