Сучасні методи інтелектуального аналізу даних

ID: 8998
Навчальна дисципліна професійної підготовки
Edition: 
2021.
Number of ECTS credits: 
6.00.
Final form of control: 
Exam.
Number of classroom classes: 
30 аудиторних годин – лекційні заняття; 30 аудиторних годин – практичні заняття.

Анотація навчальної дисципліни.

Мета дисципліни 

формування та розвиток компетентностей спрямованих на продукування нових ідей, розв’язання комплексних завдань професійної та/або дослідницько-інноваційної діяльності у галузі комп’ютерних наук за рахунок оволодіння сучасними методами інтелектуального аналізу даних для проведення фундаментальних та (або) прикладних наукових досліджень з моделювання, проектування, розробки, впровадження організаційних, технічних, природничих і соціально-економічних інтелектуальних інформаційних систем та технологій.

Завдання навчальної дисципліни: 

оволодіння сучасними методами ІАД, технологіями та системами їх реалізації; 

вивчення стандартів створення систем та технології ІАД та вміння їх застосовувати при розробці новітніх БД та експертних систем; 

оволодіння моделями і методи ІАД щодо слабо структурованих і слабо маркованих даних та вміння їх вдосконалювати;

отримання нових знань щодо моделей та методів Deep Learning, усвідомлення можливостей їх вдосконалення та застосування при розробці систем комп'ютерного зору, розпізнавання природньої мови, машинного перекладу і  інш. 
 
 
Основні результати навчання. 
 
Мати передові концептуальні та методологічні знання з комп’ютерних наук і на межі предметних галузей, а також дослідницькі навички, достатні для проведення наукових і прикладних досліджень на рівні останніх світових досягнень з відповідного напряму, отримання нових знань та/або здійснення інновацій.
 
Формулювати і перевіряти гіпотези; використовувати для обґрунтування висновків належні докази, зокрема, результати теоретичного аналізу, експериментальних досліджень і математичного та/або комп’ютерного моделювання, наявні літературні дані
 
Застосовувати сучасні інструменти і технології пошуку, оброблення та аналізу інформації, зокрема, статистичні методи аналізу даних великого обсягу та/або складної структури, спеціалізовані бази даних та інформаційні системи
 
Розробляти та реалізовувати наукові та/або інноваційні інженерні проекти, які дають можливість переосмислити наявне та створити нове цілісне знання та/або професійну практику і розв’язувати значущі наукові та технологічні проблеми комп’ютерної науки з дотриманням норм академічної етики і врахуванням соціальних, економічних, екологічних та правових аспектів
 
Розробляти та досліджувати моделі та методи машинного навчання та штучного інтелекту для проведення фундаментальних та (або) прикладних наукових досліджень з моделювання, проектування, розробки, впровадження організаційних, технічних, природничих і соціально-економічних інтелектуальних інформаційних систем та технологій
 
Форми організації освітнього процесу та види навчальних занять

Л – лекційні заняття; 
ПЗ – практичні заняття; 
СРС – самостійна робота здобувача вищої освіти; 
К – консультації викладача;
ІЗ – індивідуальні завдання;
МКР – модульна контрольна робота.
 
 
Тематика та види навчальних занять.
 
1 тиждень
Л1. Технології та системи Data Mining. Технологія ІАД і БД.  Системи ІАД і інтелектуальні системи 
ПЗ1. Технології та системи Data Mining. Технологія ІАД і БД.  Системи ІАД і інтелектуальні системи.
СРЗ, К

2 тиждень
Л2. Новітні технології розробки баз даних, бази даних зі багатоваріантною персістентністю.
ПЗ2. Новітні технології розробки баз даних, бази даних зі багатоваріантною персістентністю.
ІЗ1. Приклади новітніх БД
СРЗ, К

3 тиждень
Л3. Стандарти Data Mining, CRISP-DM, SEMMA методологія.
ПЗ3. Стандарти Data Mining, CRISP-DM, SEMMA методологія.
СРЗ, К

4 тиждень
Л4. Стандарти по зберіганню і передачі моделей Data Mining. Стандарти уніфікації інтерфейсів Data Mining
ПЗ4. Стандарти по зберіганню і передачі моделей Data Mining. Стандарти уніфікації інтерфейсів Data Mining
СРЗ, К

5 тиждень
Л5. Технологія взаємодії користувача з ІІС. Класифікація ІІС
ПЗ5. Приклади інтелектуальних інформаційних систем (ІІС)
СРЗ, К
 
6 тиждень 
Л6. Експертна системи (ЕС) Визначення та структура ЕС. Основні блоки ЕС. 
ПЗ6. Цикл розробки ЕС. 
ІЗ2. IBM Watson – експертна система
СРЗ, К
 
7 тиждень 
Л7. Моделі і методи інтелектуального аналізу слабо структурованих і слабо маркованих даних 
ПЗ7. Моделі і методи інтелектуального аналізу слабо структурованих даних
СРЗ, К
 
8 тиждень 
Л8. Моделі і методи інтелектуального аналізу слабо структурованих і слабо маркованих даних 
ПЗ8. Моделі і методи інтелектуального аналізу слабо маркованих даних
СРЗ, К, МКР1
 
9 тиждень 
Л9. Основи Deep Learning
ПЗ9. Основи Deep Learning
СРЗ, К
 
10 тиждень 
Л10. Мережі прямого поширення и Deep Learning
ПЗ10. Мережі прямого поширення и Deep Learning
ІЗ3. Системи комп'ютерного зору на основі глибокого навчання
СРЗ, К
 
11 тиждень 
Л11. Регуляризація для глибокого навчання
ПЗ11. Регуляризація для глибокого навчання
СРЗ, К
 
12 тиждень 
Л12. Оптимізація для DeepModels
ПЗ12. Оптимізація для DeepModels
ІЗ4. Системи розпізнавання мови на основі глибокого навчання
СРЗ, К
 
13 тиждень 
Л13. Згорткові нейронні мережі
ПЗ13. Згорткові нейронні мережі
ІЗ5. Обробка природної мови (Natural Language Processing)
СРЗ, К
 
14 тиждень 
Л14. Рекурентні нейронні мережі
ПЗ14. Рекурентні нейронні мережі
ІЗ6. Системи машинного перекладу Neural Machine Translation
СРЗ, К
 
15 тиждень 
Л15. Рекурентні нейронні мережі
ПЗ15. Рекурентні нейронні мережі
СРЗ, МКР2. К
 
 
Самостійна робота
 
Самостійна робота складає 120 годин. Розподіл самостійної роботи за видами навчальних робіт: 
1) підготовка до лекційних занять  – 15 годин; 
2) підготовка до практичних занять – 30 годин (включаючи виконання шести ІЗ та підготовку до МКР); 
3) підготовка і виконання шести ІЗ – 12 год (додатково);
4) підготовка та виконання РР – 33 год;
5) підготовка до екзамену – 30 год.
 
 
Процедура оцінювання.
 
Система оцінювання рівня навчальних досягнень ґрунтується на принципах ЄКТС та є накопичувальною. Здобувачі впродовж семестру готуються до лекційних та практичних занять, виконують самостійну роботу та індивідуальні завдання, готують реферативну наукову роботу та виконують дві модульні контрольні роботи 

Кожний модуль оцінюється у максимально можливі 50 балів:

Семестровий модуль № 1
Із1. Оцінка за написання роботи на тему «Приклади новітніх БД» – max 8 балів;
Із2. Оцінка за написання роботи на тему «IBM Watson – експертна система» – max 8 балів;
Виконання РР – 14 балів
МКР1 – max 20 балів.

Семестровий модуль № 2
Із3. Оцінка за написання роботи на тему «Системи комп'ютерного зору на основі глибокого навчання»  – max 6 балів;
Із4. Оцінка за написання роботи на тему «Системи розпізнавання мови на основі глибокого навчання» – max 6 балів.
Із5. Оцінка за написання роботи на тему «Обробка природної мови (Natural Language Processing)»  – max 6 балів;
Із6. Оцінка за написання роботи на тему «Системи машинного перекладу Neural Machine Translation» – max 6 балів.
Виконання РР  - 6 балів;
Захист РР – 12 балів;
МКР2  – max 8 балів
Оцінка виконання РР враховує: дотримування  графіку роботи; якість аналізу та  глибину обґрунтування; дотримування  вимог стандартів, насамперед бібліографічних. Критерій оцінки захисту РР включають: якість доповіді; ступінь володіння матеріалом; аргументованість відповідей на запитання; вміння захищати обрану точку зору.
 
 
Умови допуску до підсумкового контролю

До екзамену допускаються здобувачі вищої освіти, які виконали всі види навчальних елементів навчальної дисципліни на не менш, ніж 60 %. Екзамен відбувається за всіма тематичними (змістовними) модулями дисципліни. 
Складання/перескладання екзаменів відбувається за встановленим відділом аспірантури розкладом.
 
 
Політика освітнього процесу

Здобувач зобов’язаний своєчасно та якісно виконувати всі отримані завдання; за необхідністю з метою з’ясування всіх не зрозумілих під час самостійної та індивідуальної роботи питань, відвідувати консультації викладача. Дотримуватись принципів академічної доброчесності.
 
Робота, яка виконана після встановлених викладачем термінів, не приймається.
 
Відсутність здобувача на екзамені або на контрольній роботі відповідає оцінці «0».
 
Складання/перескладання екзаменів – за встановленим відділом аспірантури і докторантури розкладом.

Під час лекції здійснювати телефонні дзвінки забороняється.

Заборонено використання будь-яких підручників, посібників, конспектів лекцій, шпаргалок під час проходження модульних контролів та складання екзамену з дисципліни.