Розпізнавання образів

Освітня програма: Прикладна математика (м)

Структурний підрозділ: Факультет комп'ютерних наук та кібернетики

Назва дисципліни
Розпізнавання образів
Код дисципліни
Тип модуля
Обов’язкова дисципліна для ОП
Цикл вищої освіти
Другий
Рік навчання
2021/2022
Семестр / Триместр
2 Семестр
Кількість кредитів ЕСТS
3
Результати навчання
ПРН1. Володіння поглибленими професійно-профільними знаннями і практичними навичками для оптимізації проектування моделей будь-якої складності, для вирішення конкретних завдань проектування інтелектуальних інформаційних систем різної фізичної природи. ПРН2. Розуміння принципів і методів аналізу та оцінювання коло завдань, які сприяють подальшому розвитку ефективного використання інформаційних ресурсів. ПРН6. Вміння проектувати та використовувати наявні засоби інтеграції даних, опрацьовувати дані, що зберігаються у різних системах.
Форма навчання
Попередні умови та додаткові вимоги
Для успішного вивчення дисципліни «Додаткові глави функціонального аналізу. Модуль 1. Прикладний функціональний аналіз» студент повинен відповідати таким вимогам: 1. Успішне опанування курсів: 1. Математичний аналіз та лінійна алгебра. 2. Знати: 1. Основні принципи і сучасні методи розпізнавання образів та машинного навчання . 3. Вміти: 1. Застосовувати основні принципи і сучасні методи розпізнавання образів та машинного навчання для розв’язування практичних задач 4. Володіти: 1. Елементарними навичками пошуку інформації в Інтернеті
Зміст навчальної дисципліни
Модуль 1. Байесівські та лінійні методи Основні поняття розпізнавання образів Наївний байєсівський класифікатор Модель Бернуллі Лінійний дискримінант Фішера Метод опорних векторів Контрольна робота Модуль 2. Нелінійні методи Нейронні мережі Логістична регресія Метод потенціальних функцій Непараметрична класифікація за допомогою статистичної глибини Реляційний дискримінантний аналіз Дерева класифікації Квадратичний дискримінантний аналіз Контрольна робота
Рекомендована та необхідна література
1. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. – М.: ДМК Пресс, 2018. 2. Фукунага К. Введение в статистическую теорию распознавания образов. — М.: Наука, 1979. — 368 с. 3. Дуда Р., Харт П. Распознавание образов и анализ сцен. — М.: Мир, 1976. — 511 с. 4. Шлезингер М.И., Главач В. Десять лекций по статистическому и структурному распознаванию. – Киев: Наук. думка, 2004, 546 с. 5. Маннинг К., Рагхаван П., Шютце Х. Введение в информационный поиск. — М.: Вильямс, 2011. — 528 с. 6. Хайкин С. Нейронные сети: полный курс — М.: Вильямс, 2006. — 1014 с. 7. Ляшко С.І., Семенов В.В., Клюшин Д.А. Спеціальні питання оптимізації. — К: ВПЦ КНУ, 2015. — 183 с. 8. Клюшин Д.А. Петунин Ю.И. Доказательная медицина. Применения статистических методов. — М.: Вильямс, 2008. — 320 с. 9. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. Статистические проблемы обучения. — М.: Наука, 1974. — с. 416. ...
Заплановані освітні заходи та методи викладання
Лекції, лабораторні роботи, самостійна робота, опрацювання рекомендованої літератури, виконання домашніх завдань.
Методи та критерії оцінювання
Семестрове оцінювання: Максимальна кількість балів, які можуть бути отримані студентом: 60 балів: 1. Контрольна робота №1: РН 1.1, РН 1.2 – 30/18 балів. 1. Контрольна робота № 2: РН 1.1, РН 1.2 – 30/18 балів. Підсумкове оцінювання (у формі заліку): - Максимальна кількість балів, які можуть бути отримані студентом: 40 балів. - Результати навчання, які будуть оцінюватись: PH 1.1, PH 1.2, РН 2.1, РН 3.1 - Форма проведення: письмова. - Види завдань: 3 письмових завдань (2 теоретичних питання та 1 практичних завдання).
Мова викладання
Українська

Викладачі

Ця дисципліна викладаеться наступними викладачами

Кафедри

Наступні кафедри задіяні у викладанні наведеної дисципліни