Здатність створювати та використовувати на практиці алгоритми комп’ютерного навчання із застосуванням мови програмування Python, а також знати як аналізувати та відображати результати таких обчислень та моделювання. Оволодіння сучасними алгоритмами аналізу даних та покращити навики працювати самостійно (проект), або в групі (лабораторні роботи, включаючи навички лідерства при їх виконанні), уміння отримати результат в рамках обмеженого часу з наголосом на професійну сумлінність та унеможливлення плагіату.

Пререквізити: Системне програмування, Методи і засоби комп’ютерних інформаційних технологій

Кореквізити: Системи штучного інтелекту, Розпізнавання образів і комп’ютерний зір

Навчальна дисципліна «Методи та засоби комп’ютерного навчання» розроблена для студентів другого кваліфікаційного рівня (магістр) Національного університету «Львівська політехніка». В основу навчальної дисципліни покладено засвоєння теоретичних основ методів та засобів, які використовуються в комп’ютерному навчанні, розвинути навики студентів для кращого розумінні основних ідей, що лежать в основі цих методів та засобів, навчити студентів роботі з програмним забезпеченням, яке реалізує алгоритми машинного навчання. Як основна мова програмування для реалізації алгоритмів комп’ютерного навчання використовується Python. В результаті вивчення дисципліни фахівець повинен знати основні методи та засоби комп’ютерного навчання, основи теорії комп’ютерного навчання, методи мінімізації середнього ризику щодо комп’ютерного навчання, особливості комп’ютерного навчання з/без вчителя, проводити оцінку якості комп’ютерного навчання, вирішувати прикладні задачі пов’язані із застосуванням алгоритмів комп’ютерного навчання.

1. Mitchell T. Machine learning / T. Mitchell. – McGraw Hill, 1997.
2. Hastie T. The elements of statistical learning / T. Hastie, R. Tibshirani, J. Friedman. – Springer, 2001.
3. Ripley B. D. Pattern recognition and neural networks / B. D. Ripley. – Cambridge University Press, 1996.
4. Bishop C. M. Pattern recognition and machine learning / C. M. Bishop. – Springer, 2006.
5. Duda R. O. Pattern classification / R. O. Duda, P. E. Hart, D. G. Stork. – New York : JohnWiley and Sons, 2001.
6. Вапник Б. Н. Восстановление зависимостей по эмпирическим данным / Б. Н. Вапник. – М. : Наука, 1979.
7. Лутц М., Изучаем Python. - К.:Символ-Плюс , 2011. - 1280 с.

Методи діагностики знань
1. Письмовий екзамен.
2. Захист лабораторних робіт.
3. Представлення та захист проекту.

Критерії оцінювання
Разом за дисципліну – 100 балів, з них:
Лабораторні роботи (6 шт) – 25 балів
Проект та його захист (1 шт) – 25 балів
Екзаменаційна робота (1 шт) – 50 балів