| Цель изучения дисциплины | 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. |
|---|---|
| Место дисциплины в учебном плане | Б1.В.01 |
| Формируемые компетенции | ПК-3 | Знания, умения и навыки, получаемые в результате освоения дисциплины |
Знать:
основные задачи, решаемые системами искусственного интеллекта, основные модели представления знаний; основные языки создания систем искусственного интеллекта; способы представления знаний в системах искусственного интеллекта; основные методы машинного обучения Уметь:
анализировать архитектуру ЭС с позиций инженера по знаниям и пользователя, создавать простые экспертные и интеллектуальные информационные системы; использовать язык логического программирования для решения задач; создавать системы искусственного интеллекта представленными средствами; использовать методы машинного обучения при создании интеллектуальных систем Иметь навыки и (или) опыт деятельности (владеть):
навыками работы с базами знаний; способностью оценивать возможность применения конкретной ЭС для решения задач заданного класса; способами представления знаний с помощью инструментальных средств; методами искусственного интеллекта для исследования и решения профессиональных задач; навыком применения языков искусственного интеллекта |
| Содержание дисциплины | Введение. Модели представления знаний. Теории сценариев и фреймов. Нейронные сети. Введение в машинное обучение. Основные методы машинного обучения. |
| Виды учебной работы | Лекции, лабораторные, самостоятельная работа. |
| Используемые информационные, инструментальные и программные средства |
Среда разработки CLIPS,
Deductor Academic, Microsoft Windows, Microsoft Office, 7-Zip, AcrobatReader Среда разработки Visual Studio 2010 и выше (приобретенные по программе «MSDN Academic Alliance»); TensorFlow - открытая программная библиотека для машинного обучения ; Theano - библиотека численного вычисления в Python; Keras - библиотека по глубинному обучению на PythonMicrosoft 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) СПС КонсультантПлюс
Электронная база данных Scopus Научная электронная библиотека elibrary |
| Форма промежуточной аттестации | Экзамен. |