знати:
? здатність продемонструвати поглиблені знання принаймні в одній з областей
інформаційних технологій;
? здатність продемонструвати знання та навики щодо проведення експериментів,
збору даних та моделювання у предметній області;

вміти:
- здатність створювати математичні моделі і алгоритми прийняття рішень за допомогою
алгоритмічного та програмного забезпечення, використовуючи машинне навчання,
штучні нейронні мережі, еволюційне моделювання, генетичні методи оптимізації,
фільтри

Дискретна математика

Основні поняття інтелектуальних систем. Архітектура інтелектуальних систем. Формальне означення інтелектуальних систем. Функціональна модель інтелектуальних систем. Моделі подання знань та механізми логічного виведення. Виявлення логічних закономірностей в даних. Дерева прийняття рішень . Штучні нейронні мережі. Генетично-адаптивні алгоритми. Моделювання нечіткостей в інтелектуальних системах. Ускладнене подання знань із врахуванням фактору невизначеності . (Нечітка логіка. Нечіткі множини. Коефіцієнти впевненості. Зважування тверджень. Байесівський підхід.)

1. www.intuit.ru – Национальный открытый университет
2. Шитиков В.К., Мастицкий С.Э. (2017) Классификация, регрессия и другие алгоритмы
Data Mining с использованием R. 351 с. – Электронная книга, адрес доступа:
https://github.com/ranalytics/data-mining
3. http://itacademy.microsoftelearning.com/ - Інтерактивне навчання за програмою Microsoft IT
Academy.

40 - лабораторні роботи
10 - розрахункова робота
50 - екзамен