Ви переглядаєте архівну версію офіційного сайту НУЛП (2005-2020р.р.). Актуальна версія: https://lpnu.ua
Штучний інтелект та методи машинного навчання
Спеціальність: Інженерія програмного забезпечення
Код дисципліни: 6.121.03.E.89
Кількість кредитів: 8
Кафедра: Програмне забезпечення
Лектор: к.т.н., асистент Ваврук Ірина Євгенівна
Семестр: 6 семестр
Форма навчання: денна
Результати навчання:
• знати основи штучного інтелекту, методи представлення даних;
• знати алгоритми навчання штучних нейронних мереж;
• вміти використовувати штучні нейронні мережі та алгоритми їх навчання для розв’язання поставлених задач;
• вміти будувати класичні модулі нечіткого управління;
• вміти розробляти класичні та модифіковані генетичні алгоритми;
• вміти застосовувати сучасні бібліотеки машинного навчання.
• знати алгоритми навчання штучних нейронних мереж;
• вміти використовувати штучні нейронні мережі та алгоритми їх навчання для розв’язання поставлених задач;
• вміти будувати класичні модулі нечіткого управління;
• вміти розробляти класичні та модифіковані генетичні алгоритми;
• вміти застосовувати сучасні бібліотеки машинного навчання.
Необхідні обов'язкові попередні та супутні навчальні дисципліни:
• Основи програмування.
• Об’єктно-орієнтоване програмування.
• Алгоритми та структури даних.
• Конструювання програмного забезпечення.
• Бази даних.
• Об’єктно-орієнтоване програмування.
• Алгоритми та структури даних.
• Конструювання програмного забезпечення.
• Бази даних.
Короткий зміст навчальної програми:
Представлення даних. Задачі класифікації, кластеризації, оптимізації та передбачення. Штучні нейронні мережі. Алгоритми їх навчання. Навчання з вчителем. Навчання без вчителя. Навчання з підкріпленням. Нечітка логіка. Функції належності, база правил. Модуль нечіткого управління. Методи нечіткого управління. Генетичні алгоритми
Рекомендована література:
1. Рассел С. Искусственный интеллект / С.Рассел, П.Норвиг. — М.,С.-П.,К.: Вильямс, 2006. — 1408 с.
2. Daume H. A Course n Mashine Learning – ciml,2012. – 189p.
3. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие сисемы./ Рутковская Д.,Пилиньский М., Рутковский Л. // М.: Горячая линия-Телеком,2007. – 452с.
2. Daume H. A Course n Mashine Learning – ciml,2012. – 189p.
3. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие сисемы./ Рутковская Д.,Пилиньский М., Рутковский Л. // М.: Горячая линия-Телеком,2007. – 452с.
Методи і критерії оцінювання:
• письмові звіти з лабораторних робіт, усне опитування, практичні роботи (30%)
• підсумковий контроль (контрольний захід, екзамен): письмово-усна форма (70%)
• підсумковий контроль (контрольний захід, екзамен): письмово-усна форма (70%)
Штучний інтелект та методи машинного навчання
Спеціальність: Інженерія програмного забезпечення
Код дисципліни: 6.121.02.E.82
Кількість кредитів: 8
Кафедра: Програмне забезпечення
Лектор: к.т.н., асистент Ваврук Ірина Євгенівна
Семестр: 6 семестр
Форма навчання: денна
Результати навчання:
• знати основи штучного інтелекту, методи представлення даних;
• знати алгоритми навчання штучних нейронних мереж;
• вміти використовувати штучні нейронні мережі та алгоритми їх навчання для розв’язання поставлених задач;
• вміти будувати класичні модулі нечіткого управління;
• вміти розробляти класичні та модифіковані генетичні алгоритми;
• вміти застосовувати сучасні бібліотеки машинного навчання.
• знати алгоритми навчання штучних нейронних мереж;
• вміти використовувати штучні нейронні мережі та алгоритми їх навчання для розв’язання поставлених задач;
• вміти будувати класичні модулі нечіткого управління;
• вміти розробляти класичні та модифіковані генетичні алгоритми;
• вміти застосовувати сучасні бібліотеки машинного навчання.
Необхідні обов'язкові попередні та супутні навчальні дисципліни:
• Основи програмування.
• Об’єктно-орієнтоване програмування.
• Алгоритми та структури даних.
• Конструювання програмного забезпечення.
• Бази даних.
• Об’єктно-орієнтоване програмування.
• Алгоритми та структури даних.
• Конструювання програмного забезпечення.
• Бази даних.
Короткий зміст навчальної програми:
Представлення даних. Задачі класифікації, кластеризації, оптимізації та передбачення. Штучні нейронні мережі. Алгоритми їх навчання. Навчання з вчителем. Навчання без вчителя. Навчання з підкріпленням. Нечітка логіка. Функції належності, база правил. Модуль нечіткого управління. Методи нечіткого управління. Генетичні алгоритми
Рекомендована література:
1. Рассел С. Искусственный интеллект / С.Рассел, П.Норвиг. — М.,С.-П.,К.: Вильямс, 2006. — 1408 с.
2. Daume H. A Course n Mashine Learning – ciml,2012. – 189p.
3. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие сисемы./ Рутковская Д.,Пилиньский М., Рутковский Л. // М.: Горячая линия-Телеком,2007. – 452с.
2. Daume H. A Course n Mashine Learning – ciml,2012. – 189p.
3. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие сисемы./ Рутковская Д.,Пилиньский М., Рутковский Л. // М.: Горячая линия-Телеком,2007. – 452с.
Методи і критерії оцінювання:
• письмові звіти з лабораторних робіт, усне опитування, практичні роботи (30%)
• підсумковий контроль (контрольний захід, екзамен): письмово-усна форма (70%)
• підсумковий контроль (контрольний захід, екзамен): письмово-усна форма (70%)