Інфопакет

Методи штучного інтелекту

ДВС.3.02.01

Вибіркова дисципліна для ОП

Другий

2023/2024

4 Семестр

3

ПРН1. Володіння поглибленими професійнопрофільними знаннями і практичними навичками для оптимізації проектування моделей будь-якої складності, для вирішення конкретних завдань проектування інтелектуальних інформаційних систем різної фізичної природи. ПРН3. Отримання знань для здатності проводити оцінку наявних технологій та на основі аналізу формувати вимоги до розроблення перспективних інформаційних технологій ПРН5. Вміння здійснювати ефективну комунікативну діяльність роботи команди з розроблення проекту. ПРН8. Ефективно спілкуватися з питань інформації, ідей, проблем та рішень зі спеціалістами та суспільством загалом. ПРН10. Вміння побудови моделей фізичних та виробничих процесів, проектування сховища і простору даних, бази знань, використовуючи діаграмну техніку і стандарти розроблення інформаційних систем.

Очна форма

Для успішного вивчення дисципліни студент повинен відповідати наступним вимогам: 1. Знати: глави математичного аналізу, основ штучного інтелекту, диференціальних рівнянь, методів оптимізації функцій, теорії програмування, математичної логіки, математичної статистики. 2. Вміти: формулювати та розв’язувати задачі лінійного програмування, моделювання динамічних систем, розв’язувати системи лінійних алгебраїчних рівнянь з параметрами, розв’язувати диференціальні рівняння, досліджувати функції та функціонали на екстремум. 3. Володіти навичками: побудови, аналізу та застосування математичних моделей при розв’язанні прикладних задач.

Мета дисципліни - опанування студентами методів і способів створення засобів штучного інтелекту в спеціалізованих комп’ютерних системах, отримання відомостей про основи штучного інтелекту, основні поняття про системи розпізнавання образів, штучні нейронні мережі.

1. Саймон Хайкин. Нейронные сети: полный курс, 2-e издание. : Пер. с анrл. – М. Издательский дом «Вильямс», 2006. – 1104с. 2. Шатырко А.В., Диблик Й., Хусаинов Д.Я., Баштинец Я. Сходимость процессов нейродинамики в модели Хопфилда // Науково-теоретичний журнал «Штучний інтелект», 2017, № 3-4, C.139-148. ISSN 1561-5359. 3. Д.Я. Хусаинов, А.В. Шатырко, Б. Пужа, В. Новотна, В.А. Пилипенко. Исследование динамики класса нейросетей представимых слабонелинейными разностными системами // Науково-теоретичний журнал «Штучний інтелект», 2019’1-2, № 83-84, C. 49-58. ISSN 1561-5359.

Лекції, лабораторна робота, самостійна робота.

Семестрове оцінювання: Максимальна кількість балів які можуть бути отримані студентом: 60 балів: Лабораторна робота – 40/24 балів. Поточне оцінювання – 20/12 балів. Підсумкове оцінювання у формі іспиту.

Українська