Інфопакет

Проблеми штучного інтелекту

ДВС.3.06

Вибіркова дисципліна для ОП

Перший

2023/2024

8 Семестр

3

ПРН12. Вміти застосовувати методи та алгоритми інтелектуального аналізу даних для задач класифікації, прогнозування, кластерного аналізу, пошуку асоціативних правил з використанням програмних інструментів підтримки багатовимірного аналізу даних на основі використання технологій DataMining, TextMining, WebMining. ПРН19.3. Знати алгоритми аналізу інформації та вміти застосовувати їх у розв’язанні практичних задач. ПРН21.3. Знати технології штучного інтелекту та вміти застосовувати їх у розв’язанні практичних задач.

1. Знати основні методи обробки, аналізу і синтезу голосової, текстової, символьної форм інформації, методи моделювання складних систем, методи візуалізації даних та ін. 2. Вміти застосувати основні методи моделювання та розпізнавання комунікаційної інформації і створення програмного забезпечення для вирішення проблем штучного інтелекту та оволодіти практичними навичками при розв’язуванні даного класу проблем. 3. Володіти елементарними навичками роботи з обробки інформації, з програмування, з базами даних, розробки алгоритмів, розпізнавання образів.

Навчальна дисципліна складається з наступних розділів. Класифікація систем штучного інтелекту. Основні стратегії розвитку досліджень у галузі штучного інтелекту. Проблеми розпізнавання образів і моделювання реального світу. Проблеми та методи класифікації та кластеризації інформації. Методи візуалізації даних та візуальної аналітики. Проблеми робототехніки. Методи дослідження текстової інформації. Методи синтезу та розпізнавання голосової інформації. Методи побудови віртуальних моделей людини. Дослідження і моделювання жестової комунікаційної інформації. Моделювання емоції на обличчі людині. Класифікація емоцій, побудова базових емоційних станів обличчя людини. Згорткові нейромережі для розпізнавання жестової інформації. Методи штучного інтелекту для створення систем віртуального світу та систем людино-комп’ютерної взаємодії. Викладається у 8-му семестрі в обсязі – 90 год. (3 кредитів ECTS) зокрема: лекції – 28 год., консультації – 2 год., самостійна робота – 60 год. Передбачено 2 контрольні роботи та залік.

Основні: 1. Jurafsky D., Martin J.H. Speech and Language Processing. An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. Second Edition. – Pearson Prentice Hall, 2009. 2. Кривонос Ю.Г., Крак Ю.В., Кириченко М.Ф. Моделювання, аналіз і синтез маніпуляційних систем. К.:Наук. Думка. – 2006. 3. Винцюк Т. К. Анализ, распознавание и интерпретация речевых сигналов. – Киев: Наук. думка, 1987. 4. Rabiner L., Juang B.-H. Fundamentals of Speech Recognition. – PTR Prentice Hall, 1993. 5. Рутковская Д., Пилинский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И.Д. Рудинского. – М.: Горячая линия-Телеком, 2004. – 452 с. 6. Кривонос Ю.Г., Крак Ю.В., О.В. Бармак. Системи жестової комунікації: моделювання інформаційних процесів. – Київ: Наук. думка, 2014. ..

Лекції, консультації, самостійна робота

- семестрове оцінювання: 1. Контрольна робота 1: РН1.1, РН1.2 – 40 балів /24 бали. 2. Контрольна робота 2: РН1.1, РН2.1 – 40 балів /24 бали. 3. Поточне оцінювання лекційного матеріалу: РН4.1, РН4.2 – 20 балів / 12 балів. Підсумкове оцінювання (у формі заліку): - Залікові бали визначаються як сума оцінок/балів за всіма успішно оціненими результатами навчання передбачених даною програмою. - Оцінки нижче від мінімального порогового рівня не додаються. - Мінімальний пороговий рівень для сумарної оцінки за всіма компонентами становить 60% від максимально можливої кількості балів.

Українська