Просунуте використання мови Python для задач штучного інтелекту

 Анотація навчальної дисципліни

Мета дисципліни: надати студентам поглиблені знання та практичні навички використання мови Python для вирішення складних задач штучного інтелекту. Курс охоплює ефективні методи програмування, роботу з великими даними, оптимізацію продуктивності коду та інтеграцію з сучасними бібліотеками для обробки даних і машинного навчання. Студенти зможуть застосовувати Python для побудови потужних і масштабованих рішень у сферах автоматизації, аналізу даних та розробки інтелектуальних систем.
Практичне значення дисципліни: здобутті студентами навичок створення ефективних і масштабованих рішень для задач штучного інтелекту. Студенти навчаться розробляти, оптимізувати та інтегрувати Python-код з інструментами та бібліотеками для аналізу даних, машинного навчання, обробки великих обсягів інформації та автоматизації процесів. Опановані знання дозволять студентам використовувати Python для створення інтелектуальних систем, які можуть застосовуватись у галузях фінансів, медицини, промисловості, маркетингу та інших сферах, що потребують високої продуктивності та точності.

Тематика та види навчальних занять

Для денної форми здобуття освіти

Лекційні заняття

Лекція 1. Вступ до просунутого програмування на Python: огляд основних концепцій та особливостей мови.
Лекція 2. Робота з об'єктами та структурами даних у Python для задач штучного інтелекту.
Лекція 3. Використання генераторів, ітераторів та замикань для ефективного програмування.
Лекція 4. Модульність і управління залежностями: створення та використання модулів і пакетів.
Лекція 5. Просунуте використання функціонального програмування в Python: лямбда-функції, map, filter та reduce.
Лекція 6. Управління пам'яттю та оптимізація продуктивності Python-коду.
Лекція 7. Обробка та управління винятками у великих програмах.
Лекція 8. Поглиблене використання бібліотек для наукових обчислень: NumPy та SciPy.
Лекція 9. Робота з бібліотекою Pandas для обробки великих обсягів даних.
Лекція 10. Візуалізація даних з використанням бібліотек Matplotlib і Seaborn.
Лекція 11. Основи багатопоточності та багатопроцесорності у Python.
Лекція 12. Асинхронне програмування в Python: asyncio та інші підходи.
Лекція 13. Розробка API для штучного інтелекту з використанням Flask і FastAPI.
Лекція 14. Робота з великими даними та інтеграція Python із базами даних.
Лекція 15. Практичні аспекти використання Python у проектах штучного інтелекту: найкращі практики та підходи.

Лабораторні роботи

Лабораторна робота 1 "Огляд основних концепцій мови Python для просунутого програмування".  
Мета роботи: ознайомитися з розширеними можливостями Python та поглибити розуміння структури даних і функціонального програмування.
Лабораторна робота 2 "Генератори, ітератори та замикання для ефективного програмування".  
Мета роботи: навчитися використовувати генератори, ітератори та замикання для оптимізації коду.
Лабораторна робота 3 "Модульність у Python: створення та використання модулів і пакетів".  
Мета роботи: засвоїти принципи модульності коду та організацію великих програм за допомогою модулів і пакетів.
Лабораторна робота 4 "Функціональне програмування та обробка винятків у Python".  
Мета роботи: практично застосувати функціональне програмування та розвинути навички обробки винятків у складних програмах.
Лабораторна робота 5 "Оптимізація продуктивності Python-коду та управління пам'яттю".  
Мета роботи: навчитися підвищувати ефективність виконання коду та раціонально управляти пам'яттю.
Лабораторна робота 6 "Поглиблене використання наукових бібліотек для аналізу даних".  
Мета роботи: освоїти базові методи роботи з великими даними, використовуючи бібліотеки NumPy, SciPy та Pandas.
Лабораторна робота 7 "Асинхронне програмування та обробка даних у реальному часі".  
Мета роботи: навчитися реалізовувати асинхронні процеси та застосовувати Python для обробки даних у реальному часі.

Для заочної форми здобуття освіти

Лекційні заняття

Лекція 1. Просунуті технології та інструменти мови Python.
Лекція 2. Бібліотеки та фреймворки мови Python для задач штучного інтелекту.

Лабораторні роботи

Лабораторна робота 1 "Просунуті технології та інструменти мови Python".  
Мета роботи: ознайомитися з розширеними можливостями Python та поглибити розуміння управління пам’яттю та організації великих програм.
Лабораторна робота 2 "Бібліотеки та фреймворки мови Python для задач штучного інтелекту".  
Мета роботи: освоїти базові інструменти для задач штучного інтелекту та обробки великих даних.

Консультації здійснюються впродовж семестру згідно встановленого розкладу.

 Індивідуальна робота

Для денної форми здобуття освіти не передбачена 

Для заочної форми здобуття освіти передбачена контрольна робота.

 Форми контрольних заходів та оцінювання результатів навчання

Для денної форми здобуття освіти

Оцінювання результатів навчання з дисципліни здійснюється за накопичувальною системою, яка дає можливість здобувачеві протягом семестру отримати максимально 100 балів.

Модуль 1
Три лабораторні роботи. Кожна лабораторна робота оцінюється в 4 бали – 12 балів.
Модульна контрольна робота 1 – бездоганне виконання 30 балів (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).
Перша частина розрахунково-графічної роботи оцінюється у 8 балів.

Модуль 2
Чотири лабораторних робіт. Кожна лабораторна робота оцінюється в 3 бали – 12 балів.
Модульна контрольна робота 2 – бездоганне виконання 22 бали (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).
Друга частина розрахунково-графічної роботи оцінюється у 16 балів.

Підсумковим контролем з дисципліни є усний екзамен, білет до якого складається з чотирьох питань. Максимальна оцінка за правильні відповіді на всі питання екзаменаційного білету становить 100 балів – по 25 балів за кожну вірну відповідь.

Для заочної форми здобуття освіти
Оцінювання виконання контрольної роботи, залік.
Виконання контрольної роботи відповідно графіку, надання викладачу у встановлені терміни – 60 балів. 
Залік – 60-100 балів. Набрані бали впродовж семестру не ураховуються, а забезпечують допуск до заліку.

Політика освітнього процесу та умови допуску до підсумкового контролю

Політика освітнього процесу в дисципліні «Просунуте використання мови Python для задач штучного інтелекту» орієнтована на активну участь студентів у лекційних заняттях та лабораторних роботах. Особлива увага приділяється виконанню лабораторних завдань, що дозволяє студентам закріпити теоретичні знання та застосувати їх на практиці. Лабораторні роботи спрямовані на розвиток практичних навичок програмування на Python для обробки даних, оптимізації коду, використання бібліотек для штучного інтелекту та автоматизації, що є необхідними для професійного розвитку у сфері штучного інтелекту.

Умови допуску до підсумкового контролю передбачають обов’язкове відвідування не менше 75% лекційних занять та лабораторних робіт. Студенти також мають успішно скласти дві модульні контрольні роботи, які проводяться протягом курсу. Для допуску до підсумкового контролю студент повинен набрати не менше 60% від максимальної кількості балів за поточну діяльність, що включає виконання лабораторних завдань та результати модульних контрольних робіт.