1. Цели освоения дисциплины
| 1.1. | Цель дисциплины: Подготовка студентов к процессу разработки и применения интеллектуальных автоматизированных информационных систем путем изучения базовых моделей искусственного интеллекта (ИИ), методик автоматизации принятия решений и методов построения интеллектуальных информационных систем. Задачи курса: - изучение основных этапов развития теории искусственного интеллекта; - рассмотрение основных задач, решаемых системами искусственного интеллекта; - изучение основ разработки моделей представления знаний при построении интеллектуальных систем; - рассмотрение теоретических и некоторых практических вопросов создания и эксплуатации экспертных систем; - изучение особенностей разработки моделей предметных областей при построении интеллектуальных систем; - выделение особенностей практического использования интеллектуальных информационных систем в области экономики. |
|---|
2. Место дисциплины в структуре ООП
| Цикл (раздел) ООП: Б1.В.ДВ.1.1 |
3. Компетенции обучающегося, формируемые в результате освоения дисциплины
| ПК-3 | Способность понимать и применять в научно-исследовательской и прикладной деятельности современный математический аппарат; основные законы естествознания, современные языки программирования и программное обеспечение; операционные системы и сетевые технологии |
| ПК-3.1 | Знает основные методы решения прикладных задач, современные методы информационных технологий концептуального проектирования. |
| ПК-3.2 | Умеет корректно оформить результаты научного труда в соответствии с современными требованиями. |
| ПК-3.3 | Имеет практический опыт использования сети Интернет, аннотирования, реферирования, библиографического разыскания и описания, опыт работы с научными источниками. |
| ПК-3.4 | Владеет методикой выбора, обоснования и защиты выбранного варианта концептуальной архитектуры. |
| В результате освоения дисциплины обучающийся должен | |
| 3.1. | Знать: |
|---|---|
| 3.1.1. | Основные задачи, решаемые системами искусственного интеллекта, основные модели представления знаний, методы инженерии знаний, виды систем поддержки принятия решений, вопросы практического использования экспертных и интеллектуальных информационных систем. |
| 3.2. | Уметь: |
| 3.2.1. | Уметь классифицировать решаемые задачи, анализировать архитектуру ЭС с позиций инженера по знаниям и пользователя. Разрабатывать программное обеспечение экспертных и интеллектуальных информационных систем. Использовать на практике системы поддержки принятия решений |
| 3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
| 3.3.1. | Навыки работы с базами данных и базами знаний; быть способным оценивать возможность применения конкретной ЭС для решения задач заданного класса; иметь навыки представления знаний с помощью инструментальных средств; навыки реализации простейших ЭС. Способностью разрабатывать программное обеспечение экспертных и интеллектуальных информационных систем. Использовать на практике системы поддержки принятия решений |
4. Структура и содержание дисциплины
| Код занятия | Наименование разделов и тем | Вид занятия | Семестр | Часов | Компетенции | Литература |
|---|---|---|---|---|---|---|
| Раздел 1. Основной | ||||||
| 1.1. | Создание интеллектуальных систем. | Практические | 7 | 4 | Л1.1, Л2.1 | |
| 1.2. | Классификация ИС, Составные части ИС, обработка знаний и вывод решений в ИС. Экспертные системы. Интеллектуальные системы (ИС), основные свойства, история развития. Виды интеллектуальных систем. Методы приобретения и пополнения знаний. Модели представления знаний. | Лекции | 7 | 1 | Л1.1, Л2.1 | |
| 1.3. | Создание интеллектуальных систем. | Практические | 7 | 4 | Л1.1, Л2.1 | |
| 1.4. | Теория интеллектуальных системы (ИС), основные свойства. Виды интеллектуальных систем. | Сам. работа | 7 | 8 | Л1.1, Л2.1 | |
| 1.5. | Логическая модель представления знаний, доказательство методом резолюций. | Лекции | 7 | 1 | Л1.1, Л2.1 | |
| 1.6. | Создание интеллектуальных систем. | Практические | 7 | 4 | Л1.1, Л2.1 | |
| 1.7. | Теория интеллектуальных системы (ИС), основные свойства. Виды интеллектуальных систем. | Сам. работа | 7 | 8 | Л1.1, Л2.1 | |
| 1.8. | Продукционная модель, стратегии поиска, поиск в пространстве состояний, эвристические функции. | Лекции | 7 | 1 | Л1.1, Л2.1 | |
| 1.9. | Создание интеллектуальных систем. | Практические | 7 | 4 | Л1.1, Л2.1 | |
| 1.10. | Теория интеллектуальных системы (ИС), основные свойства. Виды интеллектуальных систем. | Сам. работа | 7 | 8 | Л1.1, Л2.1 | |
| 1.11. | Сценарии, фреймы, концептуальные зависимости и их роль в приобретении знаний. | Лекции | 7 | 1 | Л1.1, Л2.1 | |
| 1.12. | Создание интеллектуальных систем. | Практические | 7 | 2 | Л1.1, Л2.1 | |
| 1.13. | Теория интеллектуальных системы (ИС), основные свойства. Виды интеллектуальных систем. | Сам. работа | 7 | 8 | Л1.1, Л2.1 | |
| 1.14. | Создание интеллектуальных систем. | Практические | 7 | 4 | Л1.1, Л2.1 | |
| 1.15. | Логика немонотонных рассуждений, представление нечетких данных и знаний, символьное обучение. | Лекции | 7 | 1 | Л1.1, Л2.1 | |
| 1.16. | Теория интеллектуальных системы (ИС), основные свойства. Виды интеллектуальных систем. | Сам. работа | 7 | 16 | Л1.1, Л2.1 | |
| 1.17. | Создание интеллектуальных систем. | Практические | 7 | 4 | Л1.1, Л2.1 | |
| 1.18. | Нейроинформатика. Распознавание образов, понимание естественного языка. | Лекции | 7 | 1 | Л1.1, Л2.1 | |
| 1.19. | Теория интеллектуальных системы (ИС), основные свойства. Виды интеллектуальных систем. | Сам. работа | 7 | 10 | Л1.1, Л2.1 | |
| 1.20. | Создание интеллектуальных систем. | Практические | 7 | 4 | Л1.1 | |
| 1.21. | Теория интеллектуальных системы (ИС), основные свойства. Виды интеллектуальных систем. | Сам. работа | 7 | 4 | Л1.1, Л2.1 | |
| 1.22. | Теория интеллектуальных системы (ИС), основные свойства. Виды интеллектуальных систем. | Сам. работа | 7 | 4 | Л1.1 | |
| 1.23. | Создание интеллектуальных систем. | Практические | 7 | 6 | Л1.1 | |
5. Фонд оценочных средств
| 5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины |
| Оценочные материалы для текущего контроля по разделам и темам дисциплины в полном объеме размещены в онлайн-курсе на образовательном портале «Цифровой университет АлтГУ». ОЦЕНКА СФОРМИРОВАННОСТИ КОМПЕТЕНЦИИ ПК-3: Способность понимать и применять в научно-исследовательской и прикладной деятельности современный математический аппарат; основные законы естествознания, современные языки программирования и программное обеспечение; операционные системы и сетевые технологии Примеры заданий закрытого типа: 1. Отметьте задачи, традиционно считающиеся интеллектуальными (творческими): а) задачи прогнозирования б) логические задачи в) арифметические задачи г) задачи диагностики д) задачи поддержки принятия решений. Ответ: а, г, д. 2. К пассивным коммуникативным методам извлечения знаний относят: а) наблюдения б) анализ протоколов «мыслей вслух» в) лекции г) анкетирование д) свободный диалог. Ответ: а, б, в. 3. Экспертные системы в зависимости от связи с реальным временем делятся на: а) статические и динамические б) статические, динамические и квазидинамические в) автономные и интегрированные Ответ: б. 4. Особенность модели математического нейрона МакКаллока-Питтса состоит в: а) нейрон имеет несколько входных сигналов и один выходной сигнал б) нейрон имеет несколько выходных сигналов и один входной сигнал в) нейрон имеет несколько входных сигналов и несколько выходных сигналов Ответ: а. 5. Обучение нейронных сетей Кохонена соответствует: а) парадигме обучения без учителя б) парадигме обучения с учителем в) одному из видов обучения с подкреплением. Ответ: а. 6. Функция активации - это ... а) функция, ограничивающая амплитуду выходного сигнала нейрона б) функция, ставящая в соответствие каждому значению x из универсума X, некоторое действительное число из интервала [0; 1]. в) функция, назначение которой состоит в сложении входных сигналов, взвешенных относительно соответствующих синапсов нейрона. г) нет верного ответа. Ответ: а. 7. Для решения каких задач могут быть использованы искусственные нейронные сети: а) задач, в которых накоплены достаточные объемы данных о поведении системы в предыдущие периоды времени б) задач, в которых исходные данные частично искажены, противоречивы или не полны в) задач из проблемных областей, характеризующихся противоречивостью и размытостью имеющихся знаний г) нет верного ответа. Ответ: а, б. 8. Персептроном является нейронная сеть а) с несколькими скрытыми слоями и прямым распространением сигнала б) с одним скрытым слоем и прямым распространением сигнала в) с одним скрытым слоем и наличием обратных связей г) с несколькими скрытыми слоями и наличием обратных связей Ответ: б. 9. Какие функции выполняет входной слой многослойного персептрона? а) Удаляет "шум" из сигнала б) Транслирует сигнал на выходной слой многослойного персептрона в) Передает входной вектор сигналов на первый скрытый слой г) Вычисляет производную для алгоритма обратного распространения ошибки Ответ: в. 10. Отметьте характерные черты ЭС: а) четкая ограниченность предметной области б) способность объяснять ход и результат решения в) способность пополнять базу знаний г) отсутствие гарантии нахождения оптимального решения д) ориентация на решение неформализованных задач. Ответ: а, б, в, г, д. Примеры заданий открытого типа: Практико-ориентированные задания: 1. Реализовать базу знаний экспертной системы, используя CLIPS. 2. Реализовать интеллектуальную систему по выдаче информации о студентах из имеющейся базы знаний (используя CLIPS). 3. Реализовать интеллектуальную систему по поиску работника и информации о нем в имеющейся базе данных (используя CLIPS). 4. Реализовать экспертную систему по выдаче одной рекомендации из набора заранее установленных вариантов (используя CLIPS). 5. Реализовать продукционную систему по решению задачи из области математической логики (используя CLIPS). 6. Создать, обучить и выбрать наиболее эффективный вариант нейронной сети для решения задачи аппроксимации функции (используя Python). 7. Создать, обучить и выбрать наиболее эффективный вариант нейронной сети для решения задачи классификации (используя Python). 8. Создать, обучить и выбрать наиболее эффективный вариант нейронной сети для решения задачи регрессии (используя Python). Теоретические задания: 1. На какие классы делятся все модели в бизнес-аналитике? Ответ: на описательные и предсказательные. 2. Приведите определение знаний: Ответ: Знания — это выявленные в результате практической деятельности и профессионального опыта закономерности предметной области. 3. Кто включается в минимальный состав коллектива разработчиков ЭС? Ответ: Минимальный состав коллектива разработчиков ЭС включает: пользователя, программиста, эксперта и инженера по знаниям. 4. Приведите определение лингвистической переменной. Ответ: Лингвистическая переменная – переменная, которая может принимать значения фраз из естественного или искусственного языка. 5. Приведите определение коммуникативных методов извлечения знаний? Ответ: Коммуникативные методы извлечения знаний — это набор приемов и процедур, предполагающих контакт инженера по знаниям с экспертом (непосредственным источником знаний). 6. Приведите определение фрейма. Ответ: Фрейм - это модель абстрактного образа, т.е. минимально возможное описание сущности какого либо объекта, явления, события, процесса. 7. Приведите определение семантической сети? Ответ: Семантическая сеть - это ориентированный граф, вершины которого представляют понятия, а дуги - отношения между ними. 8. Какую форму имеет выходной сигнал в модели математического нейрона (дискретную или непрерывную). Ответ: Выходной сигнал в модели математического нейрона имеет дискретную форму. 9. Приведите определение носителя нечеткого множества: Ответ: Носителем (основанием) нечеткого множества A называется обычное множество Аs, которое содержит те и только те элементы универсума, для которых значения функции принадлежности соответствующего нечеткого множества отличны от нуля. 10. Какую цепочку рассуждений желательно использовать в задаче, в которой имеется слишком большое число правил, продуцирующих на основе исходных фактов возрастающее число заключений. Ответ: обратную цепочку рассуждений. 11. Привести определение пустого нечеткого множества: Ответ: Пустым нечетким множеством называют нечеткое множество, функция принадлежности которого тождественно равна нулю для всех без исключения элементов. 12. Привести определение компонента решателя в ЭС? Ответ: это программа, моделирующая ход рассуждений эксперта на основе знаний, имеющихся в БЗ 13. В каких условия работают квазидинамические ЭС? Ответ: Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени. 14. Какую цепочку рассуждений желательно использовать в задаче, где на основании имеющихся фактов необходимо определить тип объекта или явления, выдать рекомендацию или определить диагноз? Ответ: использовать прямую цепочку рассуждений. 15. Может ли задача «Исключающего ИЛИ» может быть решена нейронной сетью с одним слоем нейронов? Ответ: нет, не может. Для этой задачи необходима как минимум двухслойная сеть. КРИТЕРИИ ОЦЕНИВАНИЯ заданий открытого типа: «Отлично» (зачтено): студентом написан код в полном объеме, решающий поставленную задачу. Возможны минимальные неточности, не влияющие существенно на итоговый результат. «Хорошо» (зачтено): студентом написан код в полном объеме, решающий поставленную задачу. Возможны некоторые неточности, оказывающие небольшое влияние на качество решения задачи. «Удовлетворительно» (зачтено): студентом написан код, практически полностью решающий поставленную задачу. Возможны небольшие ошибки, неоптимальные параметры решения задачи. В целом код работоспособен и в общем может решить поставленную задачу. «Неудовлетворительно» (не зачтено): студентом написан код, не решающий поставленную задачу. Студент не способен ответить на вопросы по решению задачи даже при дополнительных наводящих вопросах преподавателя. |
| 5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.) |
| Не предусмотрено |
| 5.3. Фонд оценочных средств для проведения промежуточной аттестации |
| Промежуточная аттестация заключается в проведении зачета по всему изученному за семестр материалу. Зачет проводится в виде ответов студентом на три вопроса: 2 вопроса теоретического характера и 1 вопрос практико-ориентированного характера. Перечень примерных вопросов теоретического характера для промежуточной аттестации в конце семестра: 1) Определение ИИ. Основные этапы в истории развития дисциплины об ИИ. 2) Основные подходы к разработкам в области ИИ. Информационный процесс в рамках дисциплин об ИИ. Определение фактуальной и операционной составляющих знания. 3) Пути соединения операционного и фактуального знаний в рамках компьютерной программы. Определение неформализованных задач, их основные типы. 4) Определение и общая схема интеллектуальных систем (ИС). Основная классификация ИС. 5) Направления развития искусственного интеллекта в будущем. 6) Классификация интеллектуальных информационных систем (ИИС). Краткая характеристика основных групп. 7) Экспертные системы (ЭС), основные понятия и определения. Структура ЭС. 8) Обобщенная структура базы знаний (БЗ) и ее взаимодействие с основными компонентами ЭС. 9) Классификация ЭС. Характерные черты ЭС. Определения статической, динамической, квазидинамической ЭС. 10) Структуры статической и динамической ЭС. 11) Инструментальные средства проектирования ЭС. Виды интерфейса пользователя ЭС. 12) Этапы и технология разработки ЭС. 13) Классификация ЭС по типам решаемых задач (основные задачи, примеры). 14) Преимущества и недостатки ЭС. 15) Классификация методов приобретения знаний. 16) Основные классификации моделей представления знаний. 17) Определение и структура продукционной модели представления знаний. Архитектура продукционной системы. 18) Достоинства и недостатки представления знаний с помощью продукций. Примеры продукционных систем. 19) Виды цепочек вывода в продукционных системах. Классификация стратегий разрешения конфликтов. 20) Характеристика основных видов поиска в пространстве состояний. 21) Семантические сети (основные сведения, примеры, классификация, преимущества и недостатки). 22) Сценарии и фреймы. 23) Основные понятия теории нечетких множеств (определение нечеткого множества, свойства нечетких множеств, основные типы функций принадлежности, определение лингвистической переменной, основные типы нечетких высказываний). 24) Системы нечеткого вывода, этапы нечеткого вывода и пример решения задачи с использованием СНВ. 25) Нейронные сети. Основные сведения, алгоритм решения задач с применением нейронных сетей. Парадигмы обучения нейронных сетей. 26) Основные типы задач, решаемых при помощи искусственных нейронных сетей. Математический нейрон Маккаллока-Питтса. 27) Персептрон Розенблатта, ограниченность однослойного персептрона. 28) Многослойный персептрон. Типы архитектур нейронных сетей. Виды функций активации. Перечень примерных вопросов практико-ориентированного характера: 1. Решить задачу прогнозирования цены продажи дома с помощью полносвязной нейронной сети, реализованной с использованием PyTorch 2. Решить задачу сегментации покупателей с помощью полносвязной нейронной сети, реализованной с использованием TensorFlow 3. Решить задачу прогнозирования веса человека по его росту с помощью полносвязной нейронной сети, реализованной с использованием TensorFlow 4. Решить задачу классификации сложности паролей на группы с помощью полносвязной нейронной сети, реализованной с использованием PyTorch 5. Решить задачу классификации электронных писем на спам и полезные сообщения с помощью полносвязной нейронной сети, реализованной с использованием TensorFlow. КРИТЕРИИ ОЦЕНИВАНИЯ: «Отлично» (зачтено): студентом дан полный, в логической последовательности развернутый ответ на поставленные вопросы, где он продемонстрировал знания предмета в полном объеме учебной программы, достаточно глубоко осмысливает дисциплину, самостоятельно, и исчерпывающе отвечает на дополнительные вопросы, приводит собственные примеры по проблематике поставленного вопроса, решил предложенные практические задания без ошибок. «Хорошо» (зачтено): студентом дан развернутый ответ на поставленный вопрос, где студент демонстрирует знания, приобретенные на лекционных и семинарских занятиях, а также полученные посредством изучения обязательных учебных материалов по курсу, дает аргументированные ответы, приводит примеры, в ответе присутствует свободное владение монологической речью, логичность и последовательность ответа. Однако допускаются неточности в ответе. Решил предложенные практические задания с небольшими неточностями. «Удовлетворительно» (зачтено): студентом дан ответ, свидетельствующий в основном о знании процессов изучаемой дисциплины, отличающийся недостаточной глубиной и полнотой раскрытия темы, знанием основных вопросов теории, слабо сформированными навыками анализа явлений, процессов, недостаточным умением давать аргументированные ответы и приводить примеры, недостаточно свободным владением монологической речью, логичностью и последовательностью ответа. Допускается несколько ошибок в содержании ответа и решении практических заданий. «Неудовлетворительно» (не зачтено): студентом дан ответ, который содержит ряд серьезных неточностей, обнаруживающий незнание процессов изучаемой предметной области, отличающийся неглубоким раскрытием темы, незнанием основных вопросов теории, неумением давать аргументированные ответы. Выводы поверхностны. Решение практических заданий не выполнено. Студент не способен ответить на вопросы даже при дополнительных наводящих вопросах преподавателя. |
| Приложения |
6. Учебно-методическое и информационное обеспечение дисциплины
| 6.1. Рекомендуемая литература | ||||
| 6.1.1. Основная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л1.1 | В. Б. Кудрявцев, Э. Э. Гасанов, А. С. Подколзин. — | Интеллектуальные системы : учебник и практикум для среднего профессионального образования: | Москва:Издательство Юрайт, 2022 | urait.ru |
| 6.1.2. Дополнительная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л2.1 | Галушкин А.И. | Нейронные сети: основы теории: учебное пособие | Горячая линия - Телеком, 2012 | www.studentlibrary.ru |
| 6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
| Название | Эл. адрес | |||
| Э1 | ИСКУССТВЕННЫЙ ИНТЕЛЕКТ. Статьи и литература. http://ai.obrazec.ru/ | ai.obrazec.ru | ||
| Э2 | Основные понятия и определения.Язык пролог. http://www.techno.edu.ru/db/sect/5896 | www.techno.edu.ru | ||
| Э3 | Алгоритмы. Методы. Исходники http://algolist.manual.ru/ | algolist.manual.ru | ||
| Э4 | Интеллектуальные информационные системы. ЭУК в Мудл | portal.edu.asu.ru | ||
| 6.3. Перечень программного обеспечения | ||||
| Microsoft Windows Microsoft Office 7-Zip AcrobatReader Microsoft Office 2010 (Office 2010 Professional, № 4065231 от 08.12.2010), (бессрочно); Microsoft Windows 7 (Windows 7 Professional, № 61834699 от 22.04.2013), (бессрочно); Chrome (http://www.chromium.org/chromium-os/licenses), (бессрочно); 7-Zip (http://www.7-zip.org/license.txt), (бессрочно); AcrobatReader (http://wwwimages.adobe.com/content/dam/Adobe/en/legal/servicetou/Acrobat_com_Additional_TOU-en_US-20140618_1200.pdf), (бессрочно); ASTRA LINUX SPECIAL EDITION (https://astralinux.ru/products/astra-linux-special-edition/), (бессрочно); LibreOffice (https://ru.libreoffice.org/), (бессрочно); Веб-браузер Chromium (https://www.chromium.org/Home/), (бессрочно); Антивирус Касперский (https://www.kaspersky.ru/), (до 23 июня 2024); Архиватор Ark (https://apps.kde.org/ark/), (бессрочно); Okular (https://okular.kde.org/ru/download/), (бессрочно); Редактор изображений Gimp (https://www.gimp.org/), (бессрочно) | ||||
| 6.4. Перечень информационных справочных систем | ||||
| Информационная справочная система: СПС КонсультантПлюс (инсталлированный ресурс АлтГУ или http://www.consultant.ru/). Профессиональные базы данных: 1. Электронная база данных «Scopus» (http://www.scopus.com); 2. Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/); 3. Научная электронная библиотекаelibrary(http://elibrary.ru) 4. Электронная база данных ZBMATH: https://zbmath.org/ | ||||
7. Материально-техническое обеспечение дисциплины
| Аудитория | Назначение | Оборудование |
|---|---|---|
| 203Л | лаборатория информационных технологий - компьютерный класс - учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации | Учебная мебель на 14 посадочных мест; компьютеры: марка ASUS модель i5-6500 - 14 единиц |
| Учебная аудитория | для проведения занятий лекционного типа, занятий семинарского типа (лабораторных и(или) практических), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проектирования (выполнения курсовых работ), проведения практик | Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска) |
| Помещение для самостоятельной работы | помещение для самостоятельной работы обучающихся | Компьютеры, ноутбуки с подключением к информационно-телекоммуникационной сети «Интернет», доступом в электронную информационно-образовательную среду АлтГУ |
8. Методические указания для обучающихся по освоению дисциплины
| Аудиторные занятия со студентами по курсу «Интеллектуальные системы» проходят в форме лекций, практических занятий. Во время лекций студенту предлагаются нормативные знания о развитии направления «Искусственный интеллект», задачах, решаемых в данной области, подходах к разработке систем искусственного интеллекта, методах и моделях представления знаний, а также о нейросетевых технологиях и теории нечетких систем. Во время лекции рекомендуется составлять ее конспект, который может быть дополнен во время практических занятий, а также самостоятельной работы и использован для подготовки к сдаче итогового испытания. Практические занятия по курсу «Интеллектуальные системы» ориентированы на то, чтобы студенты получили навыки работы по созданию экспертных систем, созданию и обучению нейронных сетей, нечетких систем. При подготовке к практическому занятию следует просмотреть конспекты лекций по теме занятия и/или рекомендованную литературу. Все практические задания сформулированы в явном виде, многие задания имеют инструкцию по выполнению, кроме этого, студент может задать вопрос по правильности выполнения задания. Основное внимание студента должно быть уделено пониманию методов работы по созданию базы знаний, набора правил, представления знаний в виде продукций, выбору модели нейронной сети и ее оптимизации. Список литературы, содержащийся в рабочей программе, носит справочный характер и дает студенту возможность восстановить пробелы в знаниях определенных тем. Основная и дополнительная литература – необходимый минимум, в который включены базовые учебники и учебные пособия по курсу, из которых студент может почерпнуть необходимый материал для подготовки к занятиям, текущему контролю и промежуточной аттестации. Знание студентом дополнительно рекомендуемой литературы является подтверждением успешного усвоения курса и приветствуется преподавателем. С целью более глубокого усвоения изучаемого курса, формирования навыков практической работы и умения применять теоретические знания на практике, учебным планом предусмотрена самостоятельная работа студентов. Самостоятельная работа предполагает: повторение пройденного материала по конспектам лекций, ознакомление с рекомендованным списком литературы, выполнение заданий по темам практических занятий. Примеры типовых практических заданий и вопросов для итогового контроля можно найти в приложении. |