Адаптивна обробка інформації та розпізнавання

Освітня програма: Прикладна математика (м)

Структурний підрозділ: Факультет комп'ютерних наук та кібернетики

Назва дисципліни
Адаптивна обробка інформації та розпізнавання
Код дисципліни
ВК.2.03
Тип модуля
Вибіркова дисципліна для ОП
Цикл вищої освіти
Другий
Рік навчання
2023/2024
Семестр / Триместр
4 Семестр
Кількість кредитів ЕСТS
3
Результати навчання
ПРН 11.2. Знати основні розділи прикладної математики та інформатики, в обсязі, необхідному для освоєння загально-професійних математичних дисциплін, прикладних дисциплін та використання їх методів в обраній професії. ПРН 15.2. Вміти реалізовувати автоматичні та автоматизовані системи, що реалізують побудовані математичні та комп’ютерні моделі, розроблені алгоритми.
Форма навчання
Очна форма
Попередні умови та додаткові вимоги
1. Знати: матеріали стандартних курсів математичного аналізу, лінійної алгебри, дискретної математики, диференціальних рівнянь, дослідження операцій, теорії ймовірностей, математичної статистики, математичної фізики, чисельних методів, теорій прийняття рішень. 2. Вміти: будувати та досліджувати моделі прийняття рішень та прогнозу поведінки об’єктів, що моделюються стохастичними процесами на базі теорії прийняття рішень. 3. Володіти: елементарними навичками побудови моделей прийняття рішень.
Зміст навчальної дисципліни
Ознайомлення та засвоєння основних принципів дослідження моделей прогнозу поведінки досліджуваних об’єктів на прикладі активів фінансового ринку; набуття практичних навичок прийняття рішень в різноманітних сферах діяльності. Формування компетенції з практичного застосування математичних моделей прогнозу поведінки об’єктів довільної природи. У курсі передбачено 2 змістових частини та 2 контрольні роботи. Завершується дисципліна іспитом.
Рекомендована та необхідна література
1. John.C.Hull. Options, futures and other derivatives. 2. Christopher Hunter. Derivative Securities. 3. Patrick S. Hagan. Continuous time stochastic processes. 4. Bernt Oksendal. Stochastic Differential Equation. 5. Martin Baxter, Andrew Rennie. Financial calculus. An introduction to derivative. Press syndicate of the University of Cambridge. 6. Tomasz R Beiletcki, Marek Rutkowski. Credit risk: modeling, valuation and Hedging. 7. Rama Cont, Peter Tankov. Financial modeling with jump processes. Capman and Hall/ CRC Press company, London, New York. Washington. 8. Бегун В.В., Горбунов О.В., Каденко І.М., Письменний Е.М., та ін. Імовірнісний аналіз безпеки ВСТО. Київ, 2000. Глава 1, с. 12-28. 9. NUREG/CR – 6116. Version 7.0. 2008, Systems Analysis Programs for Hands – on Integrated Reliability Evaluations (SAPHIRE). Idaho, 2008.
Заплановані освітні заходи та методи викладання
Лекції, семінарські заняття, самостійна робота.
Методи та критерії оцінювання
Максимальна кількість балів які можуть бути отримані студентом 60 балів: 1. Контрольна робота № 1: 20/12 балів. 2. Контрольна робота № 2: 20/12 балів. 3. Усні відповіді: 20/12 балів. Підсумкове оцінювання (у формі іспиту): Максимальна кількість балів які можуть бути отримані студентом 40 балів. Форма проведення: письмова робота. Види завдань: 4 письмових завдання (по 1 теоретичному питанню та 1 практичному завданню по кожній змістовій частині). Студент отримує загальну позитивну оцінку з дисципліни, якщо його оцінка за іспит становить не менше ніж 24 бали. Студент допускається до іспиту, якщо протягом семестру він: загалом набрав не менше ніж 36 балів; виконав і вчасно здав 2 контрольні роботи.
Мова викладання
Українська

Кафедри

Наступні кафедри задіяні у викладанні наведеної дисципліни

Моделювання складних систем
Факультет комп'ютерних наук та кібернетики