Інтелектуальні системи

Мета вивчення дисципліни: формування у здобувачів базових знань та навичок з проєктування, розробки та використання інтелектуальних систем на базі алгоритмів обробки даних та машинного навчання для застосування у різних галузях.
Основними завданнями вивчення дисципліни «Інтелектуальні системи» є: вивчення принципів та методів застосування існуючих інтелектуальних систем; вивчення основних напрямів розвитку інтелектуальних систем; ознайомлення з моделями представлення знань; ознайомлення з проблемою розпізнавання образів; оволодіння навичками застосування моделей представлення знань для створення експертних систем; знайомство із інтелектуальними Інтернет-технологіями.
Практичне значення та використання отриманих знань: навчання здобувачів розробляти та використовувати інтелектуальні системи для розв'язання прикладних задач у сфері у наукових досліджень, промисловості, бізнесу тощо.
Тематика та види навчальних занять
для денної форми здобуття освіти
Лекційні заняття
Лекція 1. «Введення у інтелектуальні системи».
Лекція 2. «Типові завдання інтелектуальних систем».
Лекція 3. «Критерії якості інтелектуальних систем».
Лекція 4. «Робота із даними. Pandas».
Лекція 5. «Візуалізація даних».
Лекція 6. «Вибір ознак. Зменшення розмірності даних».
Лекція 7. «Дерева рішень».
Лекція 8. «Метод k найближчих сусідів».
Лекція 9. «Нейронні мережі. Математична модель штучного нейрона».
Лекція 10. «Багатошарові нейронні мережі».
Лекція 11. «Навчання нейронних мереж».
Лекція 12. «Згорткові нейронні мережі».
Лекція 13. «Динамічні нейронні мерержі».
Лекція 14. «Інтерпретація ML-моделей».
Лекція 15. «Розгортання ML-моделей».
Лабораторні заняття
Лабораторна робота №1. Визначення інтелектуальної задачі та формування правил предметної області.
Мета заняття: навчитися виявляти типові завдання інтелектуальних систем.
Лабораторна робота №2. Інтелектуальність та інтелектуальні агенти.
Мета заняття: навчитися описувати проблемні середовища агентів задачі.
Лабораторна робота №3. Представлення знань інтелектуальної системи на основі семантичної моделі.
Мета заняття: навчитися представляти знання інтелектуальної системи на основі семантичної моделі
Лабораторна робота №4. Представлення знань інтелектуальної системи на основі фреймової моделі.
Мета заняття: навчитися представляти знання у вигляді фреймів, навчити студентів розрізняти поняття: фрейм, слоти, первинний опис ситуації, приєднані процедури, сценарії.
Лабораторна робота №5. Методи та етапи експертних систем (Задачі з обмеженнями).
Мета заняття: навчитися розв’язувати задачі з обмеженнями, ознайомитися з методами оптимізації та задачами математичного програмування.
Лабораторне заняття №6. «Аналіз та сортування даних на основі бібліотеці Pandas».
Мета заняття: ознайомитися з методами та засобами підготовки та аналізу даних.
Лабораторна робота №7. Представлення, обробка даних на основі бібліотеки NumPy. Побудова моделі нейронної мережі.
Мета заняття: навчитися будувати моделі нейронної мережі.
Лабораторне заняття №8. «Візуалізація даних».
Мета заняття: ознайомитися з методами та засобами візуалізації одновимірних та багатовимірних даних.
Лабораторна робота №9. Аналіз процесу здобуття знань (Логічні моделі).
Мета заняття: навчитися представляти знання у вигляді логічних моделей.
Лабораторна робота №10. Створення та навчання простої нейронної мережі в Keras.
Мета заняття: навчитися використовувати Keras для створення нейронних мереж.
Лабораторне заняття №11. «Побудова моделей машинного навчання».
Мета заняття: ознайомитися з методами побудови моделей машинного навчання.
Лабораторна робота №12. Розпізнавання об’єктів зображення на основі машинного навчання.
Мета заняття: ознайомитися з методами розпізнавання об’єктів зображення на основі машинного навчання.
Лабораторне заняття №13. «Побудова моделей у вигляді нейронної мережі».
Мета заняття: ознайомитися з методами побудови моделей машинного навчання у вигляді нейронних мереж.
Лабораторне заняття 14. «Побудова згорткової нейронної мережі».
Мета заняття: ознайомитися з методами побудови моделей машинного навчання у вигляді згорткової нейронної мережі.
Лабораторне заняття 15. «Розгортання ML-моделей».
Мета заняття: ознайомитися з методами розгортання ML-моделей.
для заочної форми здобуття освіти
Лекційні заняття
Лекція 1. «Введення у інтелектуальні системи».
Лекція 2. «Нейронні мережі. Математична модель штучного нейрона».
Лабораторні заняття
Лабораторна робота №1. Визначення інтелектуальної задачі та формування правил предметної області.
Мета заняття: навчитися виявляти типові завдання інтелектуальних систем.
Лабораторне заняття №2. «Побудова моделей у вигляді нейронної мережі».
Мета заняття: ознайомитися з методами побудови моделей машинного навчання у вигляді нейронних мереж.
Консультації здійснюються впродовж семестру згідно встановленого розкладу.
Індивідуальна робота
для денної та заочної форми здобуття освіти
Курсова робота
Мета курсової роботи – закріплення знань з проектування та побудови інтелектуальних систем для розв'язання прикладних задач різних сферах діяльності.
Здобувач отримує завдання на першому лабораторному занятті.
Пояснювальна записка містить 20-25 сторінок Кількість розділів – 3. Графічна частина – три аркуша креслень формату А3.
Змістовна послідовність виконання роботи.
1. Обґрунтування структурної схеми інтелектуальної системи;
2. Навчання моделі інтелектуальної системи;
3. Розгортання інтелектуальної системи у вигляді веб-застосування.
Перелік графічних матеріалів:
• структурна схема інтелектуальної системи;
• блок-схема підготовки даних;
• блок-схема програми навчання інтелектуальної системи.
Захист курсової роботи – протягом останнього навчального тижня семестру.
Контрольна робота для здобувачів заочної форми
Завдання для виконання контрольної роботи здобувач отримує на установчій лекції.
Робота містить 4 практичних завдання.
Контрольна робота має бути оформлена у вигляді текстового документа PDF, що містить опис усіх етапів виконання завдань, графіки та висновки.
До роботи мають бути додані: вихідні файли даних, файли програми, файли з результатами (наприклад, графіки, текстові файли, таблиці).
Усі матеріали необхідно завантажити в архів (формат *.zip або *.rar) і надіслати не пізніше, ніж за місяць до початку сесії.
Форми контрольних заходів та оцінювання результатів навчання
Для денної форми здобуття освіти
Поточний контроль полягає у виконанні
1) 15-ти індивідуальних поточних завдань. Індивідуальні поточні завдання виконуються письмово і полягають в розв'язуванні типових задач відповідно до мети та завдань лабораторних занять. Бездоганне виконання індивідуального поточного завдання №1-6 оцінюється у 3,5 балів; індивідуальних поточних завдань №7 – 4,0 бала; №8 – 5,0 балів; індивідуальних поточних завдань №9 – 3,0 бали, №10-15 – 4,5 балів. Всього – 60 балів.
2) двох модульних контрольних робіт. Модульні контрольні роботи складаються з теоретичної і практичної частин та проводяться у формі комп'ютерного тестування. Бездоганне виконання кожної модульної контрольної роботи становить 20 балів. Всього – 40 балів.
3) курсової роботи. Бездоганне виконання оцінюється у 60 балів. Захист роботи – 40 балів. Максимальна оцінка, яку може отримати здобувач – 100 балів.
Підсумковий контроль – екзамен. Екзамен усний. Максимальна оцінка, яку може отримати здобувач – 100 балів.
Для заочної форми здобуття освіти
Виконання та захист двох лабораторних робіт – 20 балів (по 10 балів за кожну).
Захист контрольної роботи. Бездоганне виконання контрольної роботи оцінюється у 40 балів. При її захисті студент може отримати до 40 балів. Всього – 80 балів.
Захист курсової роботи. Бездоганне виконання курсової роботи оцінюється у 60 балів. Захист роботи – 40 балів.
Підсумковий контроль – екзамен. Екзамен усний. Максимальна оцінка, яку може отримати студент – 100 балів.