Министерство науки и высшего образования Российской Федерации

Муромский институт (филиал)

федерального государственного бюджетного образовательного учреждения высшего образования

 «Владимирский государственный университет

имени Александра Григорьевича и Николая Григорьевича Столетовых»

(МИ ВлГУ)

 

Кафедра  ФПМ 

 

 

 

«   04   »       06       2019 г.

 

 

 

 

Рабочая программа ДИСЦИПЛИНЫ

 

     Интеллектуальные системы и технологии     

 




Направление подготовки

01.03.02 Прикладная математика и информатика

Профиль подготовки

Интеллектуальный анализ данных

Квалификация (степень)выпускника

бакалавр








          

Семестр

Трудоем-кость,

час. / зач. ед.

Лек-ции,

час.

 

Практи-ческие занятия,

час.

Лабора-торные работы,

час.

Консуль-тация,

час.

Конт-роль,

час.

Всего (контак-тная работа),

час.

СРС,

час.

Форма

промежу-точного контр.

(экз., зач., зач. с оц.)

6

180 / 5  

16  

16  

 

1,6  

0,25  

33,85  

146,15  

Зач. с оц.  

7

108 / 3  

16  

16  

 

3,6  

0,35  

35,95  

36,4  

Экз.(35,65)  

Итого

288 / 8  

32  

32  

 

5,2  

0,6  

69,8  

182,55  

35,65  

 

Муром, 2019 г.


1. Цель освоения дисциплины

Цель дисциплины: Целью освоения дисциплины является приобретение студентами знаний в области теории искусственного интеллекта и интеллектуального анализа данных, а также формирование навыков разработки программных средств интеллектуальной обработки информации в различных предметных областях с учётом актуальных потребностей реального сектора цифровой экономики.

Задачи дисциплины:

- ознакомление с теоретическими концепциями, составляющими основу современных достижений в области искусственного интеллекта и интеллектуального анализа данных;

- ознакомление с современными направлениями практического применения технологий искусственного интеллекта и интеллектуального анализа данных;

- ознакомление с актуальными задачами интеллектуального анализа данных в различных предметных областях с учётом актуальных потребностей реального сектора цифровой экономики;

- ознакомление с технологиями и средствами программной реализации систем интеллектуальной обработки информации.

2. Место дисциплины в структуре ОПОП ВО (Цикл (Б1.В.ДВ.01.01))

Курс базируется на знаниях компьютерных технологий, основ программирования и знаниях, приобретенных при изучении дисциплин «Информатика», «Математика», «Специальные главы математики». На данном курсе базируется написание выпускной квалификационной работы.

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ПК-3 Способен выполнять разработку программных модулей интеллектуального анализа данных.

 

Результатом освоения дисциплины является достижение следующих индикаторов:

Знать методы интеллектуального анализа данных.

Уметь разрабатывать программные модули интеллектуального анализа данных.

Владеть навыками разработки программных модулей интеллектуального анализа данных.

 


4. Структура и содержание дисциплины

Общая трудоемкость дисциплины составляет 8 зачетных единиц, 288 часов.

 

4.1. Форма обучения: очная

Уровень базового образования: среднее общее.

Срок обучения 4г.

 

4.1.1. Структура дисциплины


 

Раздел (тема)

дисциплины

 

Виды учебной работы, включая самостоятельную работу студентов и трудоемкость

(в часах)

 

Форма  текущего контроля успеваемости (по неделям семестра), форма промежуточной аттестации

  (по семестрам)

 

п\п

Семестр

Лекции

Семинары

Практические занятия

Лабораторные работы

Контрольные работы

СРС

КП / КР

Консультация

Контроль

1

Методы и технологии интеллектуальной обработки информации

6

16

16

146,15

устный опрос, тестирование

Всего за  семестр

180

16

16

146,15

1,6

0,25

Зач. с оц.

2

Разработка программных модулей интеллектуальной обработки информации

7

16

16

36,4

устный опрос, тестирование

Всего за  семестр

108

16

16

36,4

3,6

0,35

Экз.(35,65)

Итого   

288

32

32

182,55

5,2

0,6

35,65

 

4.1.2. Содержание дисциплины

4.1.2.1. Перечень лекций

Семестр 6

Раздел 1. Методы и технологии интеллектуальной обработки информации

Лекция 1.

Основы интеллектуальной обработки информации и искусственного интеллекта (2 часа).

Лекция 2.

Обзор прикладных задач и актуальных методов машинного обучения (2 часа).

Лекция 3.

Многослойный персептрон как универсальный аппроксиматор (2 часа).

Лекция 4.

Обучение искусственных нейронных сетей. Метод обратного распространения ошибки (2 часа).

Лекция 5.

Сверточные нейронные сети и интеллектуальная обработка структурированных данных (2 часа).

Лекция 6.

Рекуррентные нейронные сети и интеллектуальная обработка последовательностей (2 часа).

Лекция 7.

Сети с самоорганизацией на основе конкуренции и обучение с подкреплением (2 часа).

Лекция 8.

Генеративные модели и выделение признаков (2 часа).

Семестр 7

Раздел 2. Разработка программных модулей интеллектуальной обработки информации

Лекция 9.

Генетические алгоритмы и эволюционная оптимизация (2 часа).

Лекция 10.

Работа с библиотекой NumPy и предобработка данных (2 часа).

Лекция 11.

Работа с библиотекой Pandas и структурами данных Series и DataFrame (2 часа).

Лекция 12.

Работа с библиотекой Keras для создания и обучения нейронных сетей (2 часа).

Лекция 13.

Работа с библиотекой PyTorch для создания и обучения нейронных сетей (2 часа).

Лекция 14.

Работа с библиотекой OpenCV для решения задач компьютерного зрения (2 часа).

Лекция 15.

Технология Transfer Learning (2 часа).

Лекция 16.

Параллельные вычисления с CUDA в Google Colab (2 часа).

 

4.1.2.2. Перечень практических занятий

Семестр 6

Раздел 1. Методы и технологии интеллектуальной обработки информации

Практическое занятие 1.

Структура исходных данных для задачи интеллектуальной обработки информации (2 часа).

Практическое занятие 2.

Подготовка данных и их представление в системе интеллектуальной обработки информации (2 часа).

Практическое занятие 3.

Программная реализация формального нейрона (2 часа).

Практическое занятие 4.

Программная реализация структуры многослойной нейронной сети прямого распространения (2 часа).

Практическое занятие 5.

Градиентный спуск и оптимизация функции потерь (2 часа).

Практическое занятие 6.

Обучение нейронной сети на основе алгоритма обратного распространения ошибки (2 часа).

Практическое занятие 7.

Программная реализация нейронной сети для решения задачи интеллектуальной обработки информации (2 часа).

Практическое занятие 8.

Оценка качества решения задачи интеллектуальной обработки данных (2 часа).

Семестр 7

Раздел 2. Разработка программных модулей интеллектуальной обработки информации

Практическое занятие 9.

Решение задачи регрессии с использованием библиотеки Pandas (2 часа).

Практическое занятие 10.

Решение задачи классификации с использованием библиотеки Pandas (2 часа).

Практическое занятие 11.

Решение задачи кластеризации с использованием библиотеки Pandas (2 часа).

Практическое занятие 12.

Создание и обучение многослойной нейронной сети с использованием библиотеки PyTorch (2 часа).

Практическое занятие 13.

Создание и обучение сверточной нейронной сети с использованием библиотеки PyTorch (2 часа).

Практическое занятие 14.

Создание и обучение рекуррентной нейронной сети с использованием библиотеки PyTorch (2 часа).

Практическое занятие 15.

Использование технологии Transfer Learning для решения задач классификации (2 часа).

Практическое занятие 16.

Реализация обучения нейронной сети с использованием параллельных вычислений CUDA в Google Colab (2 часа).

 

Методические указания для практических занятий приведены на ИОП МИ ВлГУ https://www.mivlgu.ru/iop/mod/resource/view.php?id=42019

 

4.1.2.3. Перечень лабораторных работ

Не планируется.

 

4.1.2.4. Перечень учебно-методического обеспечения для самостоятельной работы

Методические указания для самостоятельной работы размещены на информационно-образовательном портале института по ссылке https://www.mivlgu.ru/iop/course/view.php?id=5058.

Для самостоятельной работы также используются издания из списка приведенной ниже основной и дополнительной литературы.

Перечень тем, вынесенных на самостоятельное изучение:

1. Модели представления знаний и методы их обработки.

2. Фреймовая модель представления знаний.

3. Семантическая модель представления знаний.

4. Продукционная модель представления знаний.

5. Логический и эвристический методы рассуждения.

6. Рассуждения на основе дедукции, индукции, аналогии.

7. Структура экспертной системы.

8. Модели и методы принятия решений, применяемые в экспертных системах.

9. Инструментальные средства разработки экспертных систем.

10. Системы интеллектуального интерфейса для информационных систем.

 

4.1.2.5. Перечень тем контрольных работ, рефератов, ТР, РГР, РПР

Не планируется.

 

4.1.2.6. Примерный перечень тем курсовых работ (проектов)

Не планируется.

 

 

5. Образовательные технологии

В процессе изучения дисциплины применяется контактная технология преподавания (за исключением самостоятельно изучаемых студентами вопросов). При проведении практических работ применяется имитационный или симуляционный подход. Шаги решения задач студентам демонстрируются при помощи мультимедийной техники. В дальнейшем студенты самостоятельно решают аналогичные задания.

 

6. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины и учебно-методическое обеспечение самостоятельной работы студентов.

Фонды оценочных средств приведены в приложении.

 

7. Учебно-методическое и информационное обеспечение дисциплины Интеллектуальные системы и технологии

7.1. Основная учебно-методическая литература по дисциплине

1. Орлов, А. И. Искусственный интеллект: статистические методы анализа данных: учебник / А. И. Орлов. — Москва: Ай Пи Ар Медиа, 2022. – 843 c. – ISBN 978-5-4497-1470-1. - https://www.iprbookshop.ru/117029.html

2. Ясницкий, Л. Н. Интеллектуальные системы: учебник / Л. Н. Ясницкий. – 2-е изд. – Москва: Лаборатория знаний, 2020. – 222 c. – ISBN 978-5-00101-897-1. - https://www.iprbookshop.ru/98549.html

3. Пальмов, С. В. Интеллектуальные системы и технологии: учебное пособие / С. В. Пальмов. – Самара: Поволжский государственный университет телекоммуникаций и информатики, 2017. – 195 c. - https://www.iprbookshop.ru/75375.html

4. Берджесс, Э. Искусственный интеллект – для вашего бизнеса: руководство по оценке и применению / Э. Берджесс; В. пер.Скворцов; под редакцией В. Иванченко. – Москва: Интеллектуальная Литература, 2021. – 232 c. – ISBN 9-785-907274-81-5. - https://www.iprbookshop.ru/124598.html

5. Сурова, Н. Ю. Искусственный интеллект: монография / Н. Ю. Сурова, М. Е. Косов. – Москва: ЮНИТИ-ДАНА, 2021. – 408 c. – ISBN 978-5-238-03513-0. - https://www.iprbookshop.ru/123354.html

 

7.2. Дополнительная учебно-методическая литература по дисциплине

1. Пятаева А. В. Интеллектуальные системы и технологии: учебное пособие / Пятаева А. В., Раевич К. В. – Красноярск: Сибирский федеральный университет, 2018. – 144 c. – ISBN 978-5-7638-3873-2. - https://www.iprbookshop.ru/84358.html

2. Искусственный интеллект, аналитика и новые технологии / Т. Дэвенпорт, Р. Ронанки, К. Лейк [и др.]. – Москва: Альпина Паблишер, 2022. – 200 c. – ISBN 978-5-9614-4791-0. - https://www.iprbookshop.ru/122524.html

3. Перфильев, Д. А. Интеллектуальные системы поддержки принятия решений: учебное пособие / Д. А. Перфильев, К. В. Раевич, А. В. Пятаева. – Красноярск: Сибирский федеральный университет, 2018. – 136 c. – ISBN 978-5-7638-4011-7. - https://www.iprbookshop.ru/84359.html

4. Афонин, В. Л. Интеллектуальные робототехнические системы: учебное пособие / В. Л. Афонин, В. А. Макушкин. – 3-е изд. – Москва: Интернет-Университет Информационных Технологий (ИНТУИТ), Ай Пи Ар Медиа, 2020. – 221 c. – ISBN 978-5-4497-0659-1. - https://www.iprbookshop.ru/97545.html

 

7.3. Перечень информационных технологий, используемых при осуществлении образовательного процесса по дисциплине, включая перечень программного обеспечения и информационных справочных систем

В образовательном процессе используются информационные технологии, реализованные на основе информационно-образовательного портала института (www.mivlgu.ru/iop), и инфокоммуникационной сети института:

- предоставление учебно-методических материалов в электроном виде;

- взаимодействие участников образовательного процесса через локальную сеть института и Интернет;

- предоставление сведений о результатах учебной деятельности в электронном личном кабинете обучающегося.

Информационные справочные системы:

Информационно-образовательный портал МИ ВлГУ https://www.mivlgu.ru/iop/

Образовательный сайт - Численные методы http://service.rintd.ru/chislennye_metody

Портал знаний http://statistica.ru/branches-maths/obzor-chislennykh-metodov/

Образовательный математический сайт - http://www.exponenta.ru/soft/Mathcad/UsersGuide/0.asp.

Математический форум Math Help Planet http://mathhelpplanet.com/viewforum.php?f=22.

Образовательный портал "Единое окно доступа к образовательным ресурсам" - http://window.edu.ru/

Программное обеспечение:

не предусмотрено

 

7.4. Перечень ресурсов информационно-телекоммуникационной сети «Интернет», необходимых для освоения дисциплины

iprbookshop.ru

 

8. Описание материально-технической базы, необходимой для осуществления образовательного процесса по дисциплине

 

9. Методические указания по освоению дисциплины

Для успешного освоения теоретического материала обучающийся: знакомится со списком рекомендуемой основной и дополнительной литературы; уточняет у преподавателя, каким дополнительным пособиям следует отдать предпочтение; ведет конспект лекций и прорабатывает лекционный материал, пользуясь как конспектом, так и учебными пособиями.

На практических занятиях пройденный теоретический материал подкрепляется решением задач по основным темам дисциплины. Занятия проводятся в компьютерном классе, используя специальное программное обеспечение. Каждой подгруппе обучающихся преподаватель выдает задачу, связанную с разработкой и программной реализацией алгоритмов обработки информации. В конце занятия обучающие демонстрируют полученные результаты преподавателю и при необходимости делают работу над ошибками.

Самостоятельная работа оказывает важное влияние на формирование личности будущего специалиста, она планируется обучающимся самостоятельно. Каждый обучающийся самостоятельно определяет режим своей работы и меру труда, затрачиваемого на овладение учебным содержанием дисциплины. Он выполняет внеаудиторную работу и изучение разделов, выносимых на самостоятельную работу, по личному индивидуальному плану, в зависимости от его подготовки, времени и других условий.

Форма заключительного контроля при промежуточной аттестации – экзамен. Для проведения промежуточной аттестации по дисциплине разработаны фонд оценочных средств и балльно-рейтинговая система оценки учебной деятельности студентов. Оценка по дисциплине выставляется в информационной системе и носит интегрированный характер, учитывающий результаты оценивания участия студентов в аудиторных занятиях, качества и своевременности выполнения заданий в ходе изучения дисциплины и промежуточной аттестации.

 


лист_утверждения


РЕЦЕНЗИЯ

на  рабочую программу дисциплины

«Интеллектуальные системы и технологии»

по направлению подготовки 01.03.02 Прикладная математика и информатика

 

Рабочая программа дисциплины «Интеллектуальные системы и технологии» составлена в соответствии с требованиями федерального государственного образовательного стандарта по направлению подготовки 01.03.02 Прикладная математика и информатика.

На изучение данного курса по учебному плану отводится 288 час. (8 ЗЕТ). Формой итогового контроля изучения дисциплины является зачет с оценкой / экзамен .

Цель дисциплины: Целью освоения дисциплины является приобретение студентами знаний в области теории искусственного интеллекта и интеллектуального анализа данных, а также формирование навыков разработки программных средств интеллектуальной обработки информации в различных предметных областях с учётом актуальных потребностей реального сектора цифровой экономики.

Задачи дисциплины:

- ознакомление с теоретическими концепциями, составляющими основу современных достижений в области искусственного интеллекта и интеллектуального анализа данных;

- ознакомление с современными направлениями практического применения технологий искусственного интеллекта и интеллектуального анализа данных;

- ознакомление с актуальными задачами интеллектуального анализа данных в различных предметных областях с учётом актуальных потребностей реального сектора цифровой экономики;

- ознакомление с технологиями и средствами программной реализации систем интеллектуальной обработки информации.

Содержание занятий соответствуют требованиям образовательного стандарта. Имеется перечень вопросов для самостоятельной работы студентов, способствующий более глубокому изучению дисциплины.

Освоение дисциплины позволит студентам приобрести теоретические и практические знания, необходимые при решении задач в будущей практической деятельности.

Предлагаемые фонды оценочных средств для выявления уровня знаний и умений обучаемых полностью охватывает содержание курса и соответствуют ФГОС.

Перечень учебно-методической литературы достаточен для изучения дисциплины. Имеются ссылки на электронно-библиотечные системы.

Рабочая программа дисциплины «Интеллектуальные системы и технологии» рекомендуется для использования в учебном процессе по направлению подготовки 01.03.02 Прикладная математика и информатика.

 

04.06.2019 г.