Інфопакет

Технології обчислювального інтелекту

ОК.6

Обов’язкова дисципліна для ОП

Другий

2021/2022

9 Семестр

5

Виконувати дослідження у сфері комп’ютерних наук. Створювати нові алгоритми розв’язування задач у сфері комп’ютерних наук, оцінювати їх ефективність та обмеження на їх застосування. Знати принципи побудови, склад та архітектуру комп'ютерних систем розпізнавання образів, використовувати методи їх проектування. Вміти застосовувати методи та засоби розпізнавання образів. Знати принципи побудови моделей та методи обчислювального інтелекту, нейронні мережі, нечіткі системи, генетичні алгоритми, еволюційні стратегії, здійснювати вибір моделей та методів розв’язання оптимізаційних задач з використанням метаевристик.

Очна форма

Знати базові поняття математичного аналізу, лінійної алгебри і аналітичної геометрії, дискретної математики, математичної логіки, інформатики, програмування, обчислювальної математики, теорії імовірностей, математичної статистики, теорії оптимізації, систем штучного інтелекту. Вміти використовувати ці знання при розробці інформаційних систем. Володіти базовими ІКТ-компетенціями – мати навички практичного застосування комунікаційних інформаційних технологій.

Дисципліна дає можливість ознайомитися з методами обчислювального інтелекту, що включають нечітку логіку, штучні нейронні мережі і еволюційні обчислення, а також з їх практичним застосуванням. Дисципліна направлена на формування здатності до розуміння визначення відповідностей між практичними задачами та інтелектуальними методами їх вирішення, а також до створення практичних застосувань, в основі яких лежать гібридні інтелектуальні обчислення.

1. Прохорова О. М., Н. В. Кальчук. Моделі і методи нечіткої логіки: навч. посіб. Нац. аерокомс. ун-т ім. Н. Є. Жуковського “ХАІ”, 2021. 166 с 2. Разживін, О. В. Синтез нечітких регуляторів в системах автоматичного керування: навчальний посібник / О. В. Разживін, О. В. Суботін. – Краматорськ : ЦТРІ «Друкарський дім», 2017. – 212 с. 3. Субботін, С. О. Нейронні мережі : навчальний посібник / С. О. Субботін, А. О. Олійник ; під заг. ред. проф. С. О. Субботіна. – Запоріжжя : ЗНТУ, 2014. – 132 с. 4. Н. І. Бойко, В. Ю. Михайлишин Ефективність застосування генетичних алгоритмів для пошуку оптимізованих рішень// Інформаційні системи та мережі, 2016, №854. – с. 249-257. 5. Кононюк А.Ю. Нейроні мережі і генетичні алгоритми – К.:«Корнійчук», . 2008. – 446 с

Лекції, лабораторні заняття, самостійна робота.

Рівень досягнення всіх запланованих результатів навчання визначається за результатами написання письмових контрольних робіт та виконання самостійних робіт. Максимальна кількість балів, яку може отримати студент за роботу в семестрі не перевищує 60 балів за 100-бальною шкалою. Підсумкове оцінювання здійснюється у формі екзамену. Максимальна кількість балів які можуть бути отримані студентом - 40 балів за 100-бальною шкалою. Якщо студент під час здачі екзамену отримав менше ніж 24 бали, то йому ставиться «незадовільно», а набрані бали не зараховуються. Студент не допускається до екзамену, якщо під час семестру набрав менше ніж 36 балів (менше 60% від максимально можливої кількості балів, які студент може отримати за роботу в семестрі). 

Українська