Тенденції розвитку комп'ютерних систем та мереж 2

Мета вивчення дисципліни: формування комплексу знань і здобуття навичок системного мислення, практичних прийомів використання сучасних підходів та принципів про сучасні напрями розвитку комп’ютерних систем та мереж, кіберфізичних систем та систем штучного інтелекту (ШІ) для використання отриманих знань та навичок на етапі аналізу та проектування у наукових дослідженнях за тематикою дисертаційної роботи.
Для досягнення мети здобувачі звання PhD повинні розробляти моделі та стратегії проектування як архітектури, так і компоненти спеціалізованих та універсальних комп‘ютерних систем що функціонують на основі сучасних досягнень прикладної науки; отримати теоретичні знання з використання сучасних методів аналізу та проектування комп’ютерних систем та мереж, кіберфізичних систем та систем штучного інтелекту; освоїти теоретичні знання з класифікації, стандартизації та технологій комп’ютерних систем та мереж наступного покоління; отримати теоретичні знання і практичні навички з розробки спеціалізованих, мобільних, медичних, інтелектуальних, автономних комп'ютерних систем з використанням новітніх мережевих технологій; вивчити методи та принципові підходи до реалізації комп’ютерних систем та мереж, кіберфізичних систем та систем штучного інтелекту.

Практичне значення та використання отриманих знань: полягає у можливості професійно виконувати задачі пов’язані із вибором технічних вимог, яким мусить задовольняти комп’ютерні системи та мережі, кіберфізичні системи та системи штучного інтелекту, їх компоненти при проектуванні; обранням початкових даних, які необхідні для проектування; їх елементну базу; можливі технології побудови комп’ютерних систем та мереж, кіберфізичних систем та систем штучного інтелекту; обрання критеріїв оцінки результату їх функціонування; порядок розрахунку систем в заданому інформаційному середовищі. Крім того в результаті вивчення дисципліни доктори філософії повинні вміти: користуватися довідниковою літературою для проведення необхідних розрахунків; на основі початкових даних скласти алгоритм розрахунку ефективних комп’ютерних систем та мереж, кіберфізичних систем та систем штучного інтелекту. 
Також придбати знання з загальних питань організації функціонування засобів обчислювальної техніки та системи в цілому при наявності мережевих технологій та технологій штучного інтелекту; знання з загальних питань підвищення ефективності спеціалізованих комп’ютерних системах при використанні мережевих та інтелектуальних технологій; вміти описувати функціонування систем та компонентів системи при використанні мережевих технологій та технологій ШІ.

Тематика та види навчальних занять

Лекційні заняття.
Лекція 1. Мета та задачі дисципліни. Основні поняття і визначення тенденцій розвитку комп'ютерних систем (КС). Теорія та методологія. Системні об’єкти, системні функції, функціональні об’єкти КС. Формалізація опису характеристик системних об’єктів КС.
Лекція 2. Системні характеристики процесора та даних. Характеристики моделей об’єктів управління КС. Однорівневі архітектури КС. Класифікація архітектур КС та їх характеристики.
Лекція 3. Поняття та основні компоненти кіберфізичних систем (КФС). Архітектурні рівні КФС: сенсорний, обчислювальний, комунікаційний та виконавчий. Взаємодія фізичного та цифрового середовища. Приклади промислових КФС, розумних транспортних і енергетичних систем. Основні вимоги до безпеки та надійності кіберфізичних систем.
Лекція 4. Штучний інтелект, як складова сучасних комп'ютерних систем.Підходи до побудови інтелектуальних систем. Методи машинного навчання, нейронні мережі, експертні системи, інтелектуальні агенти. Інтеграція компонентів ШІ у комп’ютерних і кіберфізичних системах. Самонавчання, прогнозування та прийняття рішень. Етичні та безпекові аспекти впровадження ШІ.
Лекція 5. Мережеві технології для об’єднання інтелектуальних пристроїв: IoT, IIoT, Edge та Fog Computing. Алгоритми колективного прийняття рішень у розподілених системах. Штучний інтелект у хмарних платформах для КФС. Приклади застосування інтелектуальних мереж у промисловості, транспорті та медицині.
Лекція 6. Методи прогнозування, оптимізації та управління в КФС. Моделі навчання з підкріпленням для адаптивного управління. Використання цифрових двійників і симуляційних платформ. Інструменти MATLAB, Simulink, Python для моделювання інтелектуальних КФС.
Лекція 7.Аналіз топології промислового об’єкта КС. Похідні моделі руху даних КС. Розробка похідних моделей на основі матричних моделей руху даних для аналізу тенденцій розвитку КС. Граф-розгалужене дерево.
Лекція 8.Часові інформаційні моделі КС. Модель "блок–схема алгоритму опрацювання даних". Граф-алгоритмічна модель опрацювання даних у КС. Економічні епюри циклів руху даних КС. Методи побудови епюр руху даних.

Практичні заняття
Практичне заняття №1"Формалізований опис об'єктів КС"
Мета роботи: вивчення та засвоєння методики формального опису системних об'єктів, функцій та КС, придбання навиків опису процесора, даних та об'єктів КС.
Практичне заняття №2"Класифікацій однорівневих архітектур КС та їх характеристик. Інформаційні потоки КС"
Мета роботи: вивчення та придбання навиків класифікації однорівневих архітектур КС та їх характеристик, опрацювання інформаційних потоків КС та мереж.
Практичне заняття №3. Моделювання структури кіберфізичної системи.
Мета роботи: ознайомлення з архітектурними рівнями КФС, побудова функціональної моделі «сенсор – обчислення – привід», аналіз потоків даних між компонентами системи.
Практичне заняття №4. Застосування методів штучного інтелекту в комп’ютерних та кіберфізичних системах. "
Мета роботи: опанування основ машинного навчання і побудова простої інтелектуальної моделі керування технічним об’єктом. Приклади використання Python-бібліотек (scikit-learn, TensorFlow). 
Практичне заняття №5. Інтелектуальні мережеві технології у КФС.
Мета роботи: ознайомлення з протоколами IoT, принципами побудови інтелектуальних сенсорних мереж і розподілених систем. Практичне завдання — моделювання фрагмента мережі «розумного середовища».
Практичне заняття №6. Моделювання кіберфізичних систем із використанням ШІ. 
Мета роботи: вивчення та застосування аналізу топології об'єктів заданої КС, застосування похідних моделей руху даних КС на основі матричних моделей руху даних.
Практичне заняття №7"Інформаційні моделі опрацювання даних КС. Економічні епюри циклів руху даних у КС"
Мета роботи: вивчення та застосування часових інформаційних моделей опрацювання даних КС. Граф-алгоритмічна модель опрацювання даних. Засвоєння методики створення економічних епюр руху даних КС

Консультації здійснюються впродовж семестру згідно встановленого розкладу.

Форми контрольних заходів та оцінювання результатів навчання

Поточний контроль полягає у виконанні 2-х контрольних опитувань. Контрольні опитування виконуються письмово і полягають в розв'язуванні типових задач відповідно до змісту лекційних занять. Бездоганне виконання кожного контрольного опитування оцінюється у 2 бали;7-і практичних занять. Практичні заняття виконуються відповідно до мети та завдань. По результатах виконання кожного заняття оформлюється виконання індивідуального завдання. Бездоганне виконання кожної лабораторної роботи оцінюється у 6 балів;  2-х модульних контрольних робіт. Модульні контрольні роботи складаються з теоретичної і практичної частин та проводяться у формі письмової роботи.Бездоганне виконання кожної модульної контрольної роботи становить 27 балів.
Підсумковий контроль – екзамен. Екзамен усний. Максимальна оцінка, яку може отримати студент – 100 балів.

Політика освітнього процесу
Здобувач зобов’язаний своєчасно та якісно виконувати всі отримані завдання, дотримуючись принципів академічної доброчесності; відвідувати консультації викладача за наявності незрозумілих питань. Викладач на першому аудиторному занятті надає повну інформацію щодо усіх складових дисципліни, роз’яснює кількісне та якісне наповнення змістовних модулів, рекомендує відповідну літературу, інформує щодо критеріїв оцінювання рівня навчальних досягнень здобувача з усіх видів навчальної діяльності та термінів контрольних заходів. Викладач зобов’язаний здійснювати консультації відповідно до затвердженого завідувачем кафедри графіка консультацій. Невиконання здобувачем МКР оцінюється у 0 балів, перескладання модулів відбувається за встановленим деканатом розкладом. Здобувач допускається до заліку, якщо самостійно і логічно відтворює фактичний і теоретичний матеріал та наводить приклади; володіє навчальним матеріалом і використовує набуті знання, уміння у стандартних ситуаціях; самостійно виконує практичні завдання відповідно до методичних рекомендацій; робить релевантні висновки з опрацьованого матеріалу.