Інтелектуальні методи підтримки прийняття рішень та їх застосування в інформаційній безпеці

Метою курсу є вивчення основних понять і принципів реалізації процесів машинного навчання в контексті підтримки прийняття рішень та їх застосування в інформаційній безпеці та набуття практичних навичок їх використання.
Програма побудована за вимогами кредитно-модульної системи організації навчального процесу у вищих навчальних закладах, рекомендованої Європейською Кредитно-Трансферною Системою (ЄКТС). 
Завдання вивчення дисципліни:
Вивчення основних підходів до вирішення задач за допомогою машинного навчання;
Отримання практичних навичок застосування програмного інструментарію для виконання обчислювальних єкспериментів, повязаних з машинним навчанням;
Освоєння стандартних методик оцінювання якості навчаних моделей та пошук оптимальних гіперпараметрів;
Підготовка до виконання дипломних проектів та кваліфікаційних робіт, тематика яких пов’язана з розв’язаням аналітичних та прогнозних задач.
 
Основні результати навчання. 
ПРН4. Застосовувати, інтегрувати, розробляти, впроваджувати та удосконалювати сучасні інформаційні технології, науково-технічні методи і моделі, фізичні та математичні фундаментальні знання в галузі інформаційної безпеки та/або кібербезпеки.
ПРН13. Приймати обґрунтовані рішення з організаційно-технічних питань інформаційної безпеки та/або кібербезпеки у складних і непередбачуваних умовах, у тому числі із застосуванням сучасних методів та засобів оптимізації, прогнозування та прийняття рішень.
 
Форми організації освітнього процесу та види навчальних занять
Л – лекційні заняття; ЛЗ – лабораторні заняття; СРЗ – самостійна робота здобувача вищої освіти; МКР – модульна контрольна робота; К – консультації.
 
Тематика та види навчальних занять
1 тиждень
Л1. Роль машинного навчання в контексті систем прийняття рішень в сфері інформаційної безпеки.
СРЗ. К.
2 тиждень
Л2. Поняття машинного навчання. Типи вирішуваних завдань. Інструментальні засоби машинного навчання. 
ЛЗ1. Знайомство із середовищем та популярними Python-пакетами машинного навчання. Перший практичний приклад.
СРЗ. К.
3 тиждень
Л3. Особливості навчання з учителем. Завдання класифікації і регресії. Поняття перенавчання.
СРЗ. К.
4 тиждень
Л4. Деякі методи машинного навчання з учителем. Метод k найближчих сусідів.
ЛЗ2. Приклади використання метода k найближчих сусідів для деяких навчальних данних. Евристичний пошук оптимальних параметрів для досягнення найкращої узагальнюючої здатності моделі.
СРЗ. К.
5 тиждень
Л5. Дерева рішень. Ансамблі дерев рішень. 
СРЗ. К.
6 тиждень
Л6. Нейронні мережі.
ЛЗ3. Приклади використання дерев рішень та ансамблей дерев рішень для деяких навчальних данних. Приклади використання нейромережевих моделей для деяких навчальних данних.
СРЗ. К.
7 тиждень
Л7. Оцінки невизначеності класифікаторів. Вирішальна функція. Прогнозування ймовірностей. Невизначеність в мультіклассовой класифікації.
ЛЗ4 Демонстраційні приклади та эксперементи з оцінками невизначеності класифікаторів.
СРЗ. К.
8 тиждень
Л8. Типи завдань і проблеми навчання без учителя. Попередня обробка даних і масштабування.
Проведення МКР №1.
СРЗ. К.
9 тиждень
Л9. Зниження розмірності і виділення ознак.
СРЗ. К.
10 тиждень
Л10. Завдання кластеризації. Кластеризація k сердніх.
ЛЗ5. Приклади зниження розмірності і виділення ознак для деяких навчальних данних. Приклади вирішення завдання кластерізації k сердніх для деяких навчальних данних.
СРЗ. К.
11 тиждень
Л11. Агломеративна класифікація. DBSCAN.
СРЗ. К.
12 тиждень
Л12. Конструювання ознак. Автоматичний відбір ознак. Застосування експертних знань.
ЛЗ6. Приклади застосування агломеративної класифікації для деяких навчальних данних. Експерименти з конструювання ознак на деяких навчальних данних.
СРЗ. К.
13 тиждень
Л13. Перехресна перевірка. Стратифікована k-блокова перевірка.
СРЗ. К.
14 тиждень
Л14. Решітчастий пошук. Решітчастий пошук з перехресною перевіркою.
ЛЗ7. Приклади виконання перехресної перевірки для деяких навчальних данних. Приклади виконання решітчастий пошуку для деяких навчальних данних.
СРЗ. К.
15 тиждень
Л15. Метрики якості моделі. Метрики для бінарної класифікації. Метрики мультіклассовой класифікації. Метрики регресії.
Проведення МКР №2.
СРЗ. К.
 
Самостійна робота
Самостійна робота є основним засобом засвоєння навчального матеріалу в час, вільний від обов’язкових навчальних занять. Самостійна робота складає 91 годину. Розподіл самостійної роботи за видами навчальних робіт:
1. Самостійне опрацювання теоретичного матеріалу — 20 годин
2. Підготовка до лабораторних занять — 41 годин
2. Підготовка до екзамену - 30 годин
 
Процедура оцінювання
Система оцінювання рівня навчальних досягнень ґрунтується на принципах ЄКТС та є накопичувальною. Здобувачі протягом семестру готуються до лекційних та лабораторних занять, виконують дві модульні контрольні роботи. Для забезпечення оперативного контролю за успішністю та якістю рівня навчальних досягнень здобувачів вищої освіти дисципліна поділяється на два модулі. Кожний модуль оцінюється у 50 балів.
Модульні контрольні роботи №1 та №2 складаються у формі письмової роботи з використанням контрольних запитань. Максимальна оцінка за бездоганне виконання становить 20 балів у кожному модулі. В МКР1 кількість контрольних запитань – 4, з них 3 – теоретичних та 1 – практичне. Бездоганне виконання кожного теоретичного завдання оцінюється у 4 бали, практичного завдання у 8 балів. В МКР2 кількість контрольних запитань – 5, з них 3 – теоретичних та 2 – практичних. Бездоганне виконання кожного теоретичного завдання оцінюється у 4 бали, кожного практичного завдання у 4 бали.
Накопичувальна частина дисципліни складається з виконання лабораторних робіт. Накопичувальна частина дисципліни оцінюється в 30 балів у кожному семестровому модулі. Звіт вважається оформленим бездоганно, якщо усі дії виконані вірно, без помилок; всі записи, щодо обробки отриманих результатів  записані послідовно, зроблена перевірка (якщо потрібно). Крім цього усі потрібні рисунки та схеми виконані охайно, без помилок.

Семестровий модуль № 1
ЛЗ. Оцінка за виконання лабораторних робіт №1-3 становить по 10 балів. Термін надання – 1-8 тиждень.
МК1. Модульна контрольна робота – 20 балів (8 тиждень). Перескладання можливе протягом 9–11 тижнів за розкладом консультацій.

Семестровий модуль № 2
ЛЗ. Оцінка за виконання лабораторних робіт №4-5 становить по 7 балів, лабораторних робіт №6-7 становить по 8 балів. Термін надання – 8-15 тиждень.
МК2. Модульна контрольна робота – 20 балів (15 тиждень).
 
Максимальна оцінка за повний обсяг виконаних навчальних елементів дисципліни – 100 балів.
 
Підсумковим контролем з дисципліни є усний екзамен.
Екзаменаційний білет з дисципліни складається з двох частин: теоретичної та практичної. Мінімальна кількість балів, що зараховується як позитивний результат, дорівнює 60 (за 100-бальною шкалою). Бали розподіляються наступним чином: 50 балів – теоретична частина та 50 балів – практична. Теоретична частина містить 2 питання рівної складності, практична – 2 задачі рівної складності.
За бездоганну відповідь на кожне теоретичне питання здобувач отримує – 25 балів. При цьому відповідь вважається бездоганною, якщо здобувач повністю розкрив суть питання, послідовно і логічно його доповів, навів приклади, проілюстрував відповідь необхідною і достатньою кількістю записів, графіків, формул, схем; зробив посилання на відповідні літературні джерела. 
За бездоганне виконання кожного завдання практичної частини здобувач отримує – 25 балів. Кожне завдання практичної частини іспиту вважається виконаним бездоганно, якщо при його розв’язанні отримана правильна відповідь, послідовно і логічно викладено рішення, зроблені всі необхідні графіки, схеми чи рисунки. 
Екзамен враховується не складеним, якщо здобувач отримав незадовільну оцінку. 
 
Умови допуску до підсумкового контролю
До екзамену допускаються здобувачі вищої освіти, які виконали всі види навчальних елементів навчальної дисципліни не менш, ніж на 60 %.

Політика освітнього процесу
Здобувач зобов’язаний своєчасно та якісно виконувати всі отримані завдання; за необхідністю з метою з’ясування всіх незрозумілих під час самостійної та індивідуальної роботи питань, відвідувати консультації викладача. Дотримуватись принципів академічної доброчесності.
Робота, яка виконана після встановлених викладачем термінів, не приймається.
Під час лекції здійснювати телефонні дзвінки забороняється.
Дозволено користуватися довідковою літературою під час модульних контрольних робіт.