Методи та системи штучного інтелекту

Навчальна дисципліна «Методи та системи штучного інтелекту» належить до циклу загальної підготовки обов’язкової частини навчального плану першого (бакалаврського) рівня освіти спеціальності F3 Комп’ютерні науки освітньої програми «Комп’ютерний дизайн»
Курс «Методи та системи штучного інтелекту» є одним з основних, визначальних як для всього процесу навчання, так і подальшої практичної діяльності спеціаліста. Він є необхідним для успішного виконання задач з реорганізації та керування виробництвом, є базовим для рішення задач інформатизації та інтенсифікації у роботі підприємств. Використовуючі стандартні моделі та методи для розробки експертних систем та систем штучного інтелекту, курс готує спеціалістів до розробки та навчання систем штучного інтелекту..
Для вивчення навчальної дисципліни необхідні знання математики, та об’єктного програмування.
Навчальна програма дисципліни «Методи та системи штучного інтелекту» є нормативним документом Національного університету «Одеська політехніка», який розроблено кафедрою інформаційних технологій проектування та дизайну ІЦТДТ на основі освітньої програми підготовки відповідно до навчального плану другого (магістерського) рівня вищої освіти для бакалаврів спеціальності F3 «Комп’ютерні науки» та освітньої програми «Комп’ютерний дизайн» денної та заочної форм навчання.
Навчальна програма дисципліни укладена згідно з вимогами кредитно-модульної системи організації освітнього процесу в Національному університеті «Одеська політехніка». Програма визначає обсяги компетентностей, які мають опанувати здобувачі другого магістерського рівня вищої освіти відповідно до своєї освітньо-професійної програми та алгоритму вивчення навчального матеріалу дисципліни «Методи та системи штучного інтелекту», а також необхідне методичне забезпечення, складові та технологію оцінювання навчальних досягнень.
Дисципліна вивчається для денної форми навчання – у першому семестрі четвертого курсу, для заочної форми навчання – у першому семестрі четвертого курсу бакалавріата – відповідно до навчального плану спеціальності F3 «Комп’ютерні науки»
Дисципліна викладається з 1 по 15 тиждень і складається з лекцій та практичних занять. Згідно навчального плану має закінчуватися заліком
У процесі вивчення курсу зосереджується увага на засвоєнні знань щодо існуючих експертних систем, їх побудови, та користувачевого програмного забезпечення, отримання навичок користування типовими предметними середовищами
Мета та завдання дисципліни
Викладання курсу Методи та системи штучного інтелекту» має за мету:
• - формування особистості студентів, розвиток їх інтелекту й здібностей до логічного та алгоритмічного мислення;
• - оволодіння студентами основами апарату розробки та навчання систем штучного інтелекту;
• - знайомство з методами використання апарату математичної логіки для рішення практичних задач;
• - навчання основним методам використання програмних паекетів, які необхідні для розв’язання задач розбудови систем штучного інтелекту.
Предметом вивчення дисципліни є вивчення математичних методів аналізу та зберігання знань .

Завдання дисципліни - ввести студента в коло фундаментальних і широко застосовуваних підходів до побудови інтелектуальних систем .
Для досягнення мети вивчення дисципліни студенти повинні навчитися будувати адекватні моделі процесів за допомогою сучасних спеціалізованих пакетів та розробляти відповідні інформаційні системи.
Програма побудована за вимогами кредитно-модульної системи організації навчального процесу у вищих навчальних закладах, рекомендованого Європейською Кредитно-Трансферною Системою (ЄКТС).
Тематика та види навчальних занять
Для денної форми здобуття освіти
Дисципліна вивчається у першому семестрі четвертого курсу бакалаврату відповідно до навчального плану спеціальності F3 «Комп’ютерні науки».
Лекція 1. Введення. Основні поняття та визначення
Лекція 2. Представлення знань в інтелектуальних системах
Лекція 3. Представлення знань з використанням логіки предикатів..
Лекція 4. Логічний висновок.
Лекція 5. Продукційні моделі представлення знання.
Лекція 6. Вивід на знаннях..
Лекція 7. Семантичні мережі
Лекція 8. Фрейми.
Лекція 9. Нечіткі множини в системах, заснованих на знаннях..
Лекція 10. Елементи теорії нейронних мереж
Лекція 11. Введення в експертні системи. Основні поняття та визначення.
Лекція 12. Особливості побудови і експлуатації експертних систем.
Лекція 13. Виявлення знань від експертів
Лекція 14. Принципи побудови лінгвістичних систем штучного інтелекту.
Лекція 15 Базові алгоритми лінгвістичних систем. Трансформери.
Лабораторні заняття
Лабораторне заняття №1 Вивчення основних можливостей і базових команд середовища CLIPS.
Мета заняття: опанувати сінтаксіс і зрозуміти структуру мови.
Лабораторне заняття №2. Побудова ЕС з використанням невпорядкованих фактів (шаблонів) і різних типів умовних елементів в антецедентах правил.
.Мета заняття: Навчитися будувати експертну систему
Лабораторне заняття №3. Вивчення стратегій вирішення конфліктів в продукційних системах.
Мета заняття:. Засвоїти методи вирішення конфліктів на продукціях.
Лабораторне заняття №4. Реалізація пошуку в просторі станів.
Мета заняття: Реалізація в середовищі CLIPS завдання пошуку в просторі станів і аналіз її рішення.
Лабораторне заняття №5. Завдання про місіонерів і канібалів
Мета заняття: Закріпити розуміння методів пошуку рішень в просторі станів.
Лабораторне заняття №6. Пошук рішення зі зміною подцелей
Мета заняття: Закріпити розуміння принципів вирішення завдань на основі продукційної моделі з динамічною зміною подцелей в процесі вирішення. У процесі роботи необхідно реалізувати в середовищі CLIPS програму рішення задачі побудови вежі з блоків
Лабораторне заняття №7. . Основи побудови найпростішої байєсівської мережі довіри
Мета заняття: Основною метою даної лабораторної роботи є знайомство з основами побудови експертних систем на основі байесовских мереж довіри (БСД), методами їх реалізації і прийомами роботи з ними в системі HUGIN

Консультації здійснюються впродовж семестру згідно встановленого розкладу.
Для заочної форми здобуття освіти
Дисципліна вивчається у сьомому семестрі бакалаврату відповідно до навчального плану спеціальності F3 «Комп’ютерні науки»
Лекція1. Формальна логіка , знання та експертні системи
Лекція 2. Лінгвістичні системи штучного інтелекту. Трансформери.
Індивідуальна робота
Контрольна робота №1: Виконання практичних робот №№1-3
Контрольна робота №2: Виконання практичних робот №№4-6 .
Форми контрольних заходів та оцінювання результатів навчання
Для денної форми здобуття освіти
Поточний контроль полягає у виконанні:
1) Виконанні восьми лабораторних робот з представленням результатів та пояснювальної записки у Гугль- класі. Бездоганне виконання кожної роботи оцінюється в 6 балів
2) 2-х модульних контрольних робіт. Модульні контрольні роботи складаються з теоретичної і практичної частин та проводяться у письмовій формі. Бездоганне виконання кожної модульної контрольної роботи становить 20 балів.
3) робота на лабораторних заняттях (усне опитування за вивченими темами).Оцінюється максимум в 12 балів
Підсумковий контроль – екзамен Максимальна оцінка, яку може отримати студент – 100 балів. Мінімальна оцінка, яка дозволяє отримати «зараховано»- 60 балів.
Для заочної форми здобуття освіти
Захист контрольної роботи. Бездоганне виконання у 50 балів. При її захисті студент може отримати до 50 балів додатково.
Підсумковий контроль – залік. Максимальна оцінка, яку може отримати студент – 100 балів. Мінімальна оцінка , що дозволяє отримати «зараховано»- 60 балів.