Інфопакет

Розпізнавання образів і кластерний аналіз

ВК2.2

Вибіркова дисципліна для ОП

Перший

2021/2022

5 Семестр

5

Вміти 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. Вміти 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. Знати і застосовувати методи інтелектуального аналізу даних та штучного інтелекту, що включають методи комп’ютерної лінгвістики, глибинного навчання, нейромережні технології та методи комп’ютерного зору.

Очна форма

1. Знати основи теорії алгоритмів, основи роботи з нейронними мережами 2. Вміти розробляти та програмувати алгоритми обробки даних, створювати та досліджувати нейронні мережі 3. Володіти навичками по роботі з математичними пакетами, основами програмування на мовах Python і/або R

В програмі дисципліни головна увага приділяється розгляду основних понять та методології розпізнавання образів, принципам побудови та технології розробки систем розпізнавання образів, тенденціям та перспективам розвитку систем розпізнавання образів, освоєння моделей та методів розв’язування завдань з розпізнавання образів. В дисципліні розглядаються наступні методи і задачі: методи генерації і селекції ознак, детерміністські методи, методи розпізнавання образів на основі кластерного аналізу, статистичні методи, класифікатори на основі байесовської теорії рішень. Викладені методи розпізнавання образів лінгвістичні, геометричні, логічні, метод потенціальних функцій. Приділяється увага вмінню використовувати системи розпізнавання образів для розв’язання прикладних завдань у різних предметних областях, проектувати системи розпізнавання образів.

1. Кутковецький В. Я. Розпізнавання образів : навчальний посібник / В. Я. Кутковецький. – Миколаїв : Вид-во МДГУ ім. П. Могили, 2003. – 196 с. 2. Charu C. Aggarwal, Chandan K. Reddy Data Clustering): Chapman and Hall/CRC, 2013. – 704 p. 3. Machine Vision and Image Recognition. Ed. Jovan Pehcevski, Oakville Canada, Arcler Press, 2020 – 321 p. 4. Суботін С.О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навчальний посібник / Запоріжжя, ЗНТУ, 2008. – 341 с. 5. Advance Concepts of Image Processing and Pattern Recognition: Effective Solution for Global Challenges, Eds. Narendra Kumar, Celia Shahnaz, Krishna Kumar, Mazin Abed, Mohammed Ram, Shringar Raw – Singapore: Springer Nature, 2022. – 225 p.

Лекції, лабораторні заняття, самостійна робота

Оцінювання студентів здійснюється впродовж семестру з усіх видів робіт, включаючи вивчення теоретичного матеріалу курсу, виконання лабораторних робіт та самостійної роботи. Після вивчення тем змістовного модуля 2 проводиться письмова контрольна робота, яка включає теоретичні запитання за темами у відкритій формі та практичні завдання з обчислення числових характеристик вибірки та оцінки невідомих параметрів генеральної сукупності. Умовою отримання позитивної результуючої оцінки з дисципліни є досягнення не менш як 60% від максимально можливої кількості балів. Максимальна кількість балів, яку може отримати студент за роботу протягом семестру становить 100 балів за 100-бальною шкалою.

Українська