Анотація навчальної дисципліни
Мета дисципліни:
формування знань та навичок моделювання і проектування структур даних і знань, прикладних та інформаційних процесів та розвиток вмінь застосовування методів аналізу прикладної області на концептуальному, логічному, математичному і алгоритмічному рівнях згідно технологіям штучного інтелекту.
Завдання дисципліни:
- вивчити головні принципи та ідеї, що лежать в основі штучного інтелекту;
- сформувати навички практичного застосування систем та технологій штучного інтелекту;
- надати теоретичні знання та практичні навички побудови моделей подання знань, використання методів обробки знань, пошуку рішень, принципів і технологій здобуття знань в експертних системах;
- розвинути рівень володіння здобувачами вищої освіти програмними продуктами та засобами розробки систем штучного інтелекту.
Програмні компетентності
- Здатність до абстрактного мислення, аналізу та синтезу.
- Здатність застосовувати знання у практичних ситуаціях.
- Здатність до пошуку, оброблення та узагальнення інформації з різних джерел.
- Здатність оцінювати та забезпечувати якість виконуваних робіт.
- Здатність аналізувати об’єкт проектування або функціонування та його предметну область.
- Здатність використовувати сучасні ІСТ (виробничі, підтримки прийняття рішень, інтелектуального аналізу даних та інші), методики й техніки кібербезпеки під час виконання функціональних завдань та обов’язків.
- Здатність проводити обчислювальні експерименти, порівнювати результати експериментальних даних і отриманих рішень.
- Здатність використовувати сучасні технології проектування в розробці алгоритмічного та програмного забезпечення ІСТ.
- Здатність оволодіти сучасними технологіями програмування та тестування програмного забезпечення.
- Здатність використовувати знання у системах штучного інтелекту (СШІ), принципи побудови СШІ, зокрема, експертних систем, технологій побудови інтелектуальних систем, представлення їх в загальній структурі ІТ.
- Здатність до аналізу, синтезу і оптимізації інформаційних систем та технологій з використанням математичних моделей і методів.
Програмні результати навчання
Застосовувати знання фундаментальних і природничих наук, системного аналізу та технологій моделювання, стандартних алгоритмів та дискретного аналізу при розв’язанні задач проектування і використання ІСТ.
Демонструвати знання сучасного рівня технологій інформаційних систем, практичні навички програмування та використання прикладних і спеціалізованих комп’ютерних систем та середовищ з метою їх запровадження у професійній діяльності.
Використовувати знання з у системах штучного інтелекту (СШІ); принципів побудови СШІ, зокрема, експертних систем; технологій побудови інтелектуальних систем, представлення їх в загальній структурі ІТ.
Форми організації освітнього процесу та види навчальних занять
- Л – лекційні заняття;
- ЛЗ – лабораторні заняття;
- СРС – самостійна робота здобувача вищої освіти;
- РГР – розрахунково-графічна робота;
- ПКО – поточні контрольні опитування;
- МКР – модульна контрольна робота;
- К – консультації.
Тематика та види навчальних занять
- 1 тиждень
- Л1. Фрейм: основні поняття. Структура фрейму [1, c.52-62].
- ЛЗ1. Специфіка вирішення завдань кластеризації даних. Частина 2
- СРС. К.
- 2 тиждень
- ЛЗ2. Побудова та дослідження двошарового персептрона. Частина 1
- СРС. К.
- 3 тиждень
- Л2. Логическая модель представлення знань. Основні поняття нечітких множин [1, c.63-70].
- ЛЗ3. Побудова та дослідження двошарового персептрона. Частина 2
- СРС. К.
- 4 тиждень
- ЛЗ4. Основи мови логічного програмування prolog. Частина 1
- ПКО1. СРС. К.
- 5 тиждень
- Л3. Нечіткі імплікації. Теорія наближених міркувань і нечіткого управління [1, c.71-76].
- ЛЗ5. Основи мови логічного програмування prolog. Частина 2
- СРС. К.
- 6 тиждень
- ЛЗ6. Використання предикатів fail, not, cut у prolog. Частина 1
- СРС. К.
- 7 тиждень
- Л4. Методи дефазифікації. Міварна модель представлення знань [1, c.77-82].
- ЛЗ7. Використання предикатів fail, not, cut у prolog. Частина 2
- ПКО2. СРС. К.
- 8 тиждень
- ЛЗ8. Робота з повторами і рекурсією у prolog. Частина 1
- МКР1. СРС. К.
- 9 тиждень
- Л5. Основні поняття експертних систем. Структура і етапи створення ЕС [1, c.77-82].
- ЛЗ9. Робота з повторами і рекурсією у prolog. Частина 2
- СРС. К.
- 10 тиждень
- ЛЗ10. Особливості використання списків у prolog. Частина 1
- СРС. К.
- 11 тиждень
- Л6. Інтелектуальні пакети прикладних програм для розробки ЕС. Класифікація методів вилучення знань [1, c.93-99].
- ЛЗ11. Особливості використання списків у prolog. Частина 2
- ПКО3. СРС. К.
- 12 тиждень
- ЛЗ12. Створення рекурсивних структур даних у вигляді дерев у prolog. Частина 1
- СРС. К.
- 13 тиждень
- Л7. Комунікативні та текстологічні методи вилучення знань. Сучасні програми і інструментальні засоби розробки ІІС [1, c.100-115].
- ЛЗ13. Створення рекурсивних структур даних у вигляді дерев у prolog. Частина 2
- СРС. К.
- 14 тиждень
- ЛЗ14. Основи імплементації експертних систем у prolog. Частина 1
- ПКО4. СРС. К.
- 15 тиждень
- Л8. Онтологічний підхід до поданням і інтеграції знань в розподілених інформаційних середовищах типу інтернет [1, c.116-125].
- ЛЗ15. Основи імплементації експертних систем у prolog. Частина 2
- МКР2. СРС. К.
Індивідуальна робота
Виконується РГР.
Мета РГР:
набуття загальних та спеціальних компетентностей майбутніх бакалаврів, поглиблення теоретичних знань та практичних навичок розробки прикладних програмних систем на базі використання методів та технологій штучного інтелекту.
1–7 тижні
Отримання завдання. Аналіз літературних джерел з основних положень та основ штучного інтелекту. Аналіз переваг та недоліків використання моделей уявлення знань. Аналіз програмних аналогів та обґрунтування вибору бібліотек створеннях клієнтської та серверної частин системи. Проектування структури програмного застосування, створення прототипів інтерфейсу користувача. Розробка логіки використання алгоритмів штучного інтелекту у системі.
8–14 тижні
Розробка бази даних та бази знань для системи. Створення інтерфейсу програмного застосування. Написання програмного коду реалізації основної логіки системи. Розгортання та перевірка роботи програмного застосування, налагодження роботи програмного застосування. Оформлення пояснювальної записки до роботи.
15 тиждень
Захист роботи.
Самостійна робота
Самостійна робота складає 74 години. Розподіл самостійної роботи за видами навчальних робіт:
1) підготовка до лекційних занять – 14 годин;
2) підготовка до лабораторних занять – 15 годин;
3) виконання РГР – 15 годин;
4) підготовка до екзамену – 30 годин.
Процедура оцінювання
Система оцінювання рівня навчальних досягнень ґрунтується на принципах ЄКТС та є накопичувальною. Дисципліна поділяється на 2 семестри та по два семестрові модулі в кожному. Здобувачі протягом 7 семестру готуються до лекційних та лабораторних занять, загалом виконують 2 модульні контрольні роботи та РГР.
Модульні контрольні роботи № 1, № 2 виконуються у письмовій формі. Модульна робота складається з теоретичної частини (2 запитання) та практичної частини (1 задача). Відповідь на кожне теоретичне питання оцінюється максимум 10 балами. Правильне розв’язання задачі оцінюється в 10 балів.
Кожний модуль оцінюється у максимально можливі 50 балів.
Максимальна оцінка, яку може отримати здобувач за всі виконані види робіт – 100 балів.
Оцінка «зараховано» виставляється за умови отримання не менш, ніж 60 балів за всі види робіт. Складання/перескладання заліку відбувається за встановленим деканатом розкладом.
Семестровий модуль № 1
- ПКО1 та ПКО2 – на базі отриманих результатів по відповідних лабораторних роботах, оцінка за кожне 5 балів. Термін проведення 3 та 7 тижні.
- РГР (ч.1). Оцінка за виконання - 10 балів. Термін надання - 8 тиждень.
- МК1. Модульна контрольна робота – 30 балів (8 тиждень). Перескладання можливе протягом 9–11 тижнів за розкладом консультацій.
Семестровий модуль № 2
- ПКО3 та ПКО4 – на базі отриманих результатів по відповідних лабораторних роботах, оцінка за кожне 5 балів. Термін проведення 11 та 14 тижні.
- РГР (ч.2). Оцінка за виконання - 10 балів. Термін надання та захист - 14-15 тижні.
- МК2. Модульна контрольна робота – 30 балів (15 тиждень).
Максимальна оцінка за повний обсяг виконаних навчальних елементів дисципліни за кожний семестр – 100 балів.
Підсумковим контролем з дисципліни є усний екзамен, білет до якого складається з теоретичної частини (3 запитання) та практичної частини (1 задача). Максимальна оцінка за правильні відповіді на всі питання екзаменаційного білету становить 100 балів.
Умови допуску до підсумкового контролю
До екзамену допускаються здобувачі вищої освіти, які виконали всі види навчальних елементів навчальної дисципліни на не менш, ніж на 60 %.
Екзамен відбувається за всіма тематичними (змістовними) модулями дисципліни.
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.
Виконаний не свій варіант завдання здобувачем не оцінюється.
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 деканатом розкладом.
Під час лекції здійснювати телефонні дзвінки забороняється.
Літературні джерела:
1. Рудніченко М.Д. Навчальний посібник з дисципліни "Системи та технології штучного інтелекту" для здобувач вищої освітиів спеціальності - 126 Інформаційні системи і технології / Упоряд.: М.Д. Рудніченко, Н.О. Шибаєва. - Одеса: ОНПУ, 2020. - 126 с (Електронна версія), Реєстраційний номер №7556-РС-2020 (НП11526)
2. Рудніченко М.Д. Методичні вказівки до лабораторних робіт з дисципліни "Системи та технології штучного інтелекту" для здобувач вищої освітиів спеціальності - 126 Інформаційні системи та технології / Укл .: М.Д. Рудніченко, Н.В. Бут. - Одеса: ОНПУ, 2020. - 154 с (Електронна версія), Реєстраційний номер №7546-РС-2020 (МВ11511)
3. Рудніченко М.Д. Методичні вказівки до розрахунково-графічної роботи з дисципліни "Системи та технології штучного інтелекту” для здобувач вищої освітиів спеціальності - 126 Інформаційні системи та технології / Укл.: М.Д. Рудніченко, О.Д. Косенко. – Одеса: ОНПУ, 2020. – 10 с. (Електронна версія), Реєстраційний номер №7533-РС-2020 (МВ11501)
4. Болотова Л.С. Системи штучного інтелекту: моделі та технології, засновані на знаннях. - М .: Фінанси і статистика, 2012. - 664 с.
5. Боровська Є.В., Давидова Н.А. Основи штучного інтелекту. - М.: Лабораторія знань, 2016. - 130 с.
6. Голєнков В.В. і ін. Логічні основи інтелектуальних систем. - Мінськ: БДУІР, 2015. - 63 с.
7. Головчінер М.Н. Інтелектуальні інформаційні системи. - Томськ: ТГУ, 2015. - 97 с.
8. Гусарова Н.Ф. Введення в теорію штучного інтелекту. - СПб .: Університет ИТМО, 2018. - 62 с.