Інфопакет

Еволюційні обчислення

ВК2.7

Вибіркова дисципліна для ОП

Перший

2022/2023

1 Семестр

5

Використовувати методи обчислювального інтелекту, машинного навчання, нейромережевої та нечіткої обробки даних, генетичного та еволюційного програмування для розв’язання задач розпізнавання, прогнозування, класифікації, ідентифікації об’єктів керування тощо. Застосовувати технології “м'яких обчислень” та експертного оцінювання для розв’язання практичних задач в різних предметних областях в детермінованих умовах, умовах невизначеності, ризику та в умовах конфлікту.

Очна форма

Знати основи математичного аналізу, алгебри та геометрії, дослідження операцій, методів штучного інтелекту, алгоритмізації та програмування, проектування інформаційних систем. Вміти здійснювати інформаційний пошук, розв’язувати оптимізаційні задачі класичними методами, здійснювати порівняльний аналіз ефективності застосування різних моделей, методів та систем. Володіти елементарними навичками алгоритмізації процесу розв’язання прикладних задач та їх формалізації.

Вивчення навчальної дисципліни спрямовано на отримання студентами компетентностей в області розв’язання задач оптимізації складних, негладких, поліекстремальних залежностей, які є моделями різного роду процесів, з використанням як прикладного програмного забезпечення аналітичного спрямування, так і самостійно розроблених програм, що дозволить майбутнім фахівцям самостійно вирішувати задачі обробки даних в умовах невизначеності. Програма дисципліни «Еволюційні обчислення» побудована таким чином, щоб навчити студентів здійснювати аналіз навколишніх процесів, будувати їх моделі, розв’язувати оптимізаційні задачі, вибравши для цього ефективні методи і виконувати аналіз одержаних розв’язків та, при необхідності, здійснювати параметричні коригування.

1. Zgurovskiy M.Z., Zaychenko Yu.P. The Fundamentals of Computational Intelligence: System Approach. – Springer, 2017. – 395 p. 2. Гуляницький Л.Ф., Мулеса О.Ю. Прикладні методи комбінаторної оптимізації. − К.:«Київський університет», 2016. − 142 с. 3. Снитюк В.Є. Прогнозування. Моделі, методи, алгоритми. − К.: Маклаут, 2008. − 364 с. 4. Haykin S. Neural Networks and Learning Machines Third Edition / Pearson. Prentice Hall, 2009. – 938p. 5. Min-Yuan Cheng, Doddy Prayogo. Symbiotic Organisms Search: A new metaheuristic optimization algorithm // Computers and Structures, 139 (2014), P. 98-112 6. Russel S., Norvig P. Artificial Intelligence: A Modern Approach (Pearson Series in ArtificalIntelligence) 4th Edition / Pearson, 2020. – 1136 p.

Лекції, лабораторні роботи, самостійна робота

У курсі передбачено 2 змістовних модулі. Заняття проводяться у вигляді лекцій, лабораторних та самостійних робіт. Завершується дисципліна – заліком. Оцінювання студентів здійснюється впродовж семестру з усіх видів робіт. Загальний бал за семестр утворюється як зважена сума балів, напрацьованих студентом за різними видами робіт. Максимальна кількість балів, яку може отримати студент за роботу в семестрі, не перевищує 80 балів за 100-бальною шкалою У випадку відсутності студента з поважних причин відпрацювання та перездачі контрольних робіт здійснюються у відповідності до «Положення про порядок оцінювання знань студентів при кредитно-модульній системі організації навчального процесу» від 1 жовтня 2010 року.

Українська