Системи штучного інтелекту (122 Комп’ютерні науки)

Тип: Нормативний

Кафедра: оптоелектроніки та інформаційних технологій

Навчальний план

СеместрКредитиЗвітність
74Іспит

Лекції

СеместрК-сть годинЛекторГрупа(и)
732доцент Грабовський В. А.ФеІ-41, ФеІ-42, ФеІ-43, ФеІ-44

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
732ФеІ-41доцент Грабовський В. А., Дуфанець   . В.
ФеІ-42ст. наук. співробітник Крупич  О. М., Дуфанець   . В.
ФеІ-43ст. наук. співробітник Крупич  О. М., Русиняк М. О.
ФеІ-44Русиняк М. О., Русиняк М. О.

Опис навчальної дисципліни

Мета: надати здобувачам основні поняття про штучний інтелект, підходи до створення його систем, особливостей та застосування на практиці.

Ціль: ознайомити студентів з основами штучного інтелекту, сформувати розуміння ними «класичних» і сучасних підходів до створення його систем та їх використання, вміння вибирати потрібний метод і вид системи ШІ для вирішення конкретної задачі, а також розуміння деяких проблем, які супроводжують розвиток галузі, та можливі шляхи їхнього вирішення.

Після завершення цього курсу здобувач буде:

знати:

основні поняття та визначення галузі штучного інтелекту; задачі, які вирішуються з використанням засобів і систем штучного інтелекту; основні підходи, які використовуються для створення систем штучного інтелекту; роль знань та особливості їх представлення у системах штучного інтелекту різного типу; проблеми, які виникають у системах, які засновані на знаннях; особливості та проблеми сучасних тенденцій та підходів до створення систем штучного інтелекту; галузі застосування засобів ШІ; проблеми, у т. ч. й апаратного плану, які постають в галузі штучного інтелекту, і сучасні підходи до їх вирішення.

вміти:

використовувати набуті знання в галузі штучного інтелекту для розв’язку прикладних задач; вибирати потрібний метод вирішення задачі; вибирати і обґрунтовувати метод представлення задачі та підхід, необхідний для вирішення конкретної проблеми; використовувати потрібний вид системи штучного інтелекту, який найкраще підходить для вирішення конкретної проблеми.

Рекомендована література

Основна література:

  1. Stuart Russell and Peter Norvig. Artificial Intelligence. A Modern Approach. Fourth Edition.– Pearsons, 2021. – 1152 c.
  2. Joseph C. Giarratano and Gary D. Riley. Expert Systems: Principles and Programming. Fourth Edition. – Course Technology, Boston, MA, 2004. – 856 p.
  3. Peter Flach. Machine Learning. The Art and Science of Algorithms that Make Sense of Data – Cambridge University Press, Edition 2012. – 416 p.
  4. Ian Goodfellow, Yoshua Bengio, and Aaron Courville:Deep learning. – The MIT Press, 2016. – 800 p.
  5. Eyal Wirsansky. Hands-On Genetic Algorithms with Python – Birmingham – Mumbai, 2020. – 334 p.
  6. Субботін С. О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навч. посібник. – За-поріжжя, ЗНТУ, 2008. – 431 с.
  7. Ethem Alpaydın. Introduction to Machine Learning. Fourth Edition. –The MIT Press; 2020. – 712 p.
  8. Колесницький О. К., Месюра В. І. Нейромережеві моделі та тех-нології обчислювального інтелекту. Нейрокомп’ютери. Частина 1: навч. посібник. – Вінниця: ВНТУ, 2021. – 66 с.
  9. Katoch, S., Chauhan, S.S. & Kumar, V. A review on genetic algo-rithm: past, present, and future. // Multimed Tools Appl 2021, 80. – рр. 8091–8126
  10. Кононюк А.Ю. Нейроні мережі і генетичні алгоритми – К.:«Корнійчук», 2008. – 446 с.
  11. Кургаєв О.П. Методи та системи штучного інтелекту /[Електронний ресурс]: конспект лекцій для студентів напряму підготовки 6.050101 «Комп’ютерні науки» денної та заочної форм навчання / О.П.Кургаєв – К.: НУХТ, 2014. – 279 с.
  12. Субботін С. О. Нейронні мережі : теорія та практика: навч. посіб. – Житомир : Вид. О. О. Євенок, 2020. – 184 с.
  13. Технології інтернету речей. Навчальний посібник [Електронний ресурс]: навч. посіб. для студ. спеціальності 126 «Інформаційні системи та технології», спеціалізація «Інформаційне забезпечення робототехнічних систем» / Б. Ю. Жураковський, І.О. Зе-нів; КПІ ім. Ігоря Сікорського. – Київ: КПІ ім. Ігоря Сікорсь-кого, 2021. – 271 с.
  14. Марченко О.О., Россада Т.В. Актуальні проблеми Data Mining: Навчальний посібник для студентів факультету комп’ютерних наук та кібернетики. – Київ. – 2017. – 150 с.
  15. Інтелектуальні системи управління: Експертні системи − основи проектування та застосування в системах автоматизації [Електронний ресурс] : навч. посіб. для студ. спеціальності 151 «Автоматизація та комп’ютерно-інтегровані технології» / КПІ ім. Ігоря Сікорського; уклад.: Л. Д. Ярощук. – Київ : КПІ ім. Ігоря Сікорського, 2019. – 136с.

Додаткова:

  1. Beam AL, Drazen JM, Kohane IS, et al. Artificial Intelligence in Medicine. N Engl J Med. 2023 Mar30; 388(13):1220-1221. doi: https://doi.org/10.1056/NEJMe2206291. PMID: 36988598.
  2. Y. S. J.Aquino et al. Utopia versus dystopia: Professional perspec-tives on the impact of healthcare artificial intelligence on clinical roles and skills // International Journal of Medical Informatics. Vol-ume 169, January 2023, 104903 https://doi.org/10.1016/j.ijmedinf.2022.104903
  3. Sarker I. H. Deep Learning: A Comprehensive Overview on Techniques, Taxonomy, Applications and Research Directions. SN COMPUT. SCI. 2, 420 (2021). https://doi.org/10.1007/s42979-021-00815-1
  4. Alzubaidi L., Zhang J., Humaidi A. J. et al. Review of deep learning: concepts, CNN architectures, challenges, applications, future directions. J Big Data 8, 53 (2021). https://doi.org/10.1186/s40537-021-00444-8
  5. Методи пошуку у системах штучного інтелекту: Методичні ре-комендації щодо виконання лабораторних робіт з курсу «Методи і системи штучного інтелекту» / В. А. Грабовський. – Львів : ЛНУ імені Івана Франка, 2018 р. – 63 с. https://electronics.lnu.edu.ua/wp-content/uploads/Metodychka-z-lab-z-SMSH-end.pdf

Силабус: з навчальної дисципліни "Системи штучного інтелекту " для ОПП “Комп’ютерні науки”

Завантажити силабус