Інфопакет

Основи обчислювального інтелекту

ОК 22

Обов’язкова дисципліна для ОП

Перший

2021/2022

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.

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

Форми оцінювання: рівень досягнення всіх запланованих результатів навчання визначається за результатами написання письмової контрольної роботи, опитувань, виконання лабораторних робіт та завдань для самостійної роботи. Питома вага результатів навчання у підсумковій оцінці за умови її опанування на належному рівні така: 1. Контрольна робота :— 18%, 2. Лабораторні роботи (звіти, 7): —по 7%, 3. Самостійна робота (презентація, вчений у сфері ОІ):—5 %, 4. Самостійна робота (презентація, нова тема): - 8%, 5. Опитування (тест, 10): - по 2%. Загальний бал = контрольна робота (18%) + лабораторні роботи (49%) + самостійні роботи (13%)+опитування (20%). Підсумкове оцінювання: - форма оцінювання - екзамен; - максимальна кількість балів які можуть бути отримані студентом на екзамені - 40 балів за 100-бальною шкалою

Українська