Інфопакет

Основи обчислювального інтелекту

ОК 22

Обов’язкова дисципліна для ОП

Перший

2022/2023

4 Семестр

4

Застосовувати знання основних форм і законів абстрактно-логічного мислення, основ методології наукового пізнання, форм і методів вилучення, аналізу, обробки та синтезу інформації в предметній області комп'ютерних наук. 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 методи та алгоритми обчислювального інтелекту та інтелектуального аналізу даних в задачах класифікації, прогнозування, кластерного аналізу, пошуку асоціативних правил з використанням програмних інструментів підтримки багатовимірного аналізу даних на основі технологій DataMining, TextMining, WebMining. Застосовувати моделі представлення знань в сучасних інформаційних системах, здійснювати обробку аудіо-, відео- та текстової інформації та числових даних, у т.ч. з використанням нейромережних технологій.

Очна форма

Знати основи математичного аналізу, алгебри та геометрії, дослідження операцій, алгоритмізації та програмування, теорії ймовірностей. Вміти здійснювати інформаційний пошук та розв’язувати оптимізаційні задачі класичними методами. Володіти елементарними навичками алгоритмізації процесу розв’язання прикладних задач.

Вивчення навчальної дисципліни спрямовано на отримання студентами компетентностей в області розв’язання задач ідентифікації та 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 розв’язувати задачі обробки даних в умовах невизначеності. Програма дисципліни «Основи обчислювального інтелекту» побудована таким чином, щоб навчити студентів здійснювати аналіз навколишніх процесів, будувати їх моделі, розв’язувати задачі ідентифікації невідомих залежностей та 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. Russel S., Norvig P. Artificial Intelligence: A Modern Approach (Pearson Series in ArtificalIntelligence) 4th Edition / Pearson, 2020. – 1136 p. 6. Snytyuk V., Suprun O. Evolutionary clustering as technique of economic problems solving //Electronic and control Systems. – 2017. − No 4 (54). – P. 95-101.

Лекції, лабораторні роботи, самостійна робота

Рівень досягнення всіх запланованих результатів навчання визначається за результатами написання письмової контрольної роботи, опитувань, виконання лабораторних робіт та завдань для самостійної роботи. Якщо студент під час здачі екзамену отримав менше ніж 24 бали, то йому ставиться «незадовільно»,а набрані бали не зараховуються. Після завершення відповідних тем проводиться контрольна робота. Умовою отримання позитивної результуючої оцінки з дисципліни є досягнення не менш як 60% від максимально можливої кількості балів. Mінімум для допуску до іспиту – 36 балів. При цьому обов’язковим є виконання всіх лабораторних робіт, самостійних робіт та контрольної роботи (не менше ніж 60% максимальної оцінки). Для студентів, які упродовж семестру не набрали рекомендований мінімум, обов’язковим є виконання не менш як 60% запланованих лабораторних робіт, а також написання контрольної роботи максимальна оцінка за яку не може перевищувати 40% підсумкової оцінки (до 40 балів за 100 –бальною шкалою).

Українська