МИНОБРНАУКИ РОССИИ
федеральное государственное бюджетное образовательное учреждение высшего образования
«Алтайский государственный университет»

Технологии искусственного интеллекта
рабочая программа дисциплины

Закреплена за кафедройКафедра информатики
Направление подготовки01.03.02. Прикладная математика и информатика
ПрофильМатематическое моделирование и информационные технологии. ФГОС 3++
Форма обученияОчная
Общая трудоемкость3 ЗЕТ
Учебный план01_03_02_ПМиИ-1-2020
Часов по учебному плану 108
в том числе:
аудиторные занятия 36
самостоятельная работа 72
Виды контроля по семестрам
зачеты: 7

Распределение часов по семестрам

Курс (семестр) 4 (7) Итого
Недель 18,5
Вид занятий УПРПДУПРПД
Лекции 18 18 18 18
Лабораторные 18 18 18 18
Сам. работа 72 72 72 72
Итого 108 108 108 108

Программу составил(и):
к.м.н, доцент, Пиянзин А.И.

Рецензент(ы):
к.ф-м.н., доцент, Пономарев И.В.

Рабочая программа дисциплины
Технологии искусственного интеллекта

разработана в соответствии с ФГОС:
Федеральный государственный образовательный стандарт высшего образования по направлению подготовки 01.03.02 Прикладная математика и информатика (уровень бакалавриата) (приказ Минобрнауки России от 10.01.2018 г. № 9)

составлена на основании учебного плана:
01.03.02 Прикладная математика и информатика
утвержденного учёным советом вуза от 30.06.2020 протокол № 6.

Рабочая программа одобрена на заседании кафедры
Кафедра информатики

Протокол от 30.06.2020 г. № 6
Срок действия программы: 2020-2022 уч. г.

Заведующий кафедрой
к.ф.-м.н., доцент, Козлов Д.Ю.

Визирование РПД для исполнения в очередном учебном году

Рабочая программа пересмотрена, обсуждена и одобрена для
исполнения в 2020-2021 учебном году на заседании кафедры

Кафедра информатики

Протокол от 30.06.2020 г. № 6
Заведующий кафедрой к.ф.-м.н., доцент, Козлов Д.Ю.

1. Цели освоения дисциплины

1.1.1.1 сформировать теоретические знания о математическом и алгоритмическом аппарате, используемом в медицине для
диагностики патологических состояний;
1.2 выработать умение по практическому применению методов и технологий искусственного интеллекта в медицине для построения формальных математических моделей и интерпретации результатов моделирования;
1.3 выработать умение и навыки использования различных программных инструментов искусственного интеллекта в медицине и построения формальных математических моделей;
1.4 выработать умение построения систем искусственного интеллекта, решающих типичные задачи анализа заболеваний человека, с использованием высокоуровневых программных средств машинного обучения;

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.В.ДВ.01.02

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ОПК-3: Способен применять и модифицировать математические модели для решения задач в области профессиональной деятельности
ПК-3: Способность разрабатывать и применять математические методы, системное и прикладное программное обеспечение, автоматизированные системы вычислительных комплексов, сервисы, операционные системы и распределенные базы данных для решения задач производственно-технологической деятельности
В результате освоения дисциплины обучающийся должен
3.1.Знать:
3.1.1.основные этапы развития интеллектуальных технологий;
о соотношении дисциплины «технологии искусственного интеллекта» ее предмета и методов с такими областями как математическая статистика, интеллектуальный анализ данных, машинное обучение, компьютерное зрение, методы оптимизации, дискретная математика;
основные этапы построения и функционирования методов машинного обучения;
принципы построения и функционирования интеллектуального компьютерного программного обеспечения для медицины;
3.2.Уметь:
3.2.1.Создавать интеллектуальные компьютерные системы;
Проектировать и создавать интеллектуальное компьютерное программное обеспечение;
Использовать методы статистического анализа изображений;
Исользовать методы анализа многомерных данных;
Использовать основные положения теории обучения по прецедентам,
Использовать методы снижения размерности данных и отбора информативных признаков,
Использовать методы кластеризации,
Использовать методы классификации,
Использовать методы регрессионного анализа;
Использовать возможности, условия применимости и свойства наиболее распространенных методов машинного обучения при построении, проверке качества и эксплуатации формальных математических моделей;
3.3.Иметь навыки и (или) опыт деятельности (владеть):
3.3.1.фундаментальными знаниями по основам теории машинного обучения и практическими навыками проектирования искусственных нейронных сетей, построения и интерпретации формальных математических моделей в медицине;
технологией обработки информации с использованием метода деревьев решений, случайного леса, логистической регрессии, искусственных нейронных сетей для решения задач современной медицины;;
конструирования систем искусственного интеллекта на базе высокоуровневых программных средств;

4. Структура и содержание дисциплины

Код занятия Наименование разделов и тем Вид занятия Семестр Часов Компетенции Литература
Раздел 1. История развития интеллектуальных систем
1.1. История развития технологий искусственного интеллекта Лекции 7 2 Л1.1, Л1.2, Л2.6
1.2. Классификация методов искусственного интеллекта Лекции 7 2 Л1.2, Л1.3, Л2.6, Л2.7
1.3. Основные направления исследований в области методов искусственного интеллекта в медицине Лекции 7 2 Л1.2, Л2.6
1.4. Классификация методов искусственного интеллекта Сам. работа 7 6 Л1.2, Л2.6
Раздел 2. Раздел 2. Структурная организация медицинской информации
2.1. Отбор и организация медицинской информации для методов искусственного интеллекта Лекции 7 2 Л1.2, Л2.6
2.2. Подготовка медицинских данных к моделированию Лекции 7 2 Л1.2, Л2.6
2.3. Нормализация и визуализация медицинских данных Лабораторные 7 2 Л1.2, Л2.6
2.4. Методы проверки качества построенных моделей Лабораторные 7 2 Л1.2, Л1.4, Л2.6
2.5. Подготовка медицинских данных к моделированию Сам. работа 7 22 Л1.2, Л2.6
Раздел 3. Раздел 3. Технологии искусственного интеллекта в медицине
3.1. Метод деревьев решений, случайный лес как методы классификации медицинских данных Лекции 7 2 Л1.2, Л1.3, Л2.6
3.2. Логистическая регрессия и метод опорных векторов в прогнозировании исхода заболеваний. Лекции 7 2 Л1.2, Л2.6
3.3. Искусственные нейронные сети в диагностике заболеваний Лекции 7 2 Л1.2, Л2.6
3.4. Объединение моделей для методов ансамблевого обучения в решении задач классификации медицинских данных и выбора тактики лечения. Лекции 7 2 Л1.2, Л1.4, Л2.6
3.5. Диагностика заболеваний мочеполовой системы с помощью искусственных нейронных сетей Лабораторные 7 2 Л1.2, Л2.1, Л2.6
3.6. Диагностика заболеваний сердца с помощью искусственных нейронных сетей Лабораторные 7 2 Л1.2, Л2.2, Л1.3, Л2.6
3.7. Классификация клеток крови методом деревьев решений и случайным лесом Лабораторные 7 2 Л1.2, Л2.3, Л1.3, Л2.6
3.8. Прогнозирование стадий компенсации сахарного диабета с помощью различных методов машинного обучения Лабораторные 7 4 Л1.2, Л2.4, Л2.6
3.9. Использовании различных искусственных нейронных сетей для диагностики заболеваний легких Лабораторные 7 4 Л1.2, Л2.5, Л2.6
3.10. Искусственные нейронные сети в диагностике заболеваний Сам. работа 7 44 Л1.2, Л2.6

5. Фонд оценочных средств

5.1. Контрольные вопросы и задания
См. приложение.
5.2. Темы письменных работ (эссе, рефераты, курсовые работы и др.)
Не предусматриваются
5.3. Фонд оценочных средств
См. приложение.
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 И. А. Бессмертный — СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 2-е изд., испр. и доп. Учебное пособие для академического бакалавриата: Гриф УМО ВО М.:Издательство Юрайт, 2018 https://biblio-online.ru/book/A1B77687-B5A6-4938-9C0E-F6288FDA143B
Л1.2 Галушкин А.И. Нейронные сети: основы теории: учебное пособие Горячая линия - Телеком, 2012 http://www.studentlibrary.ru/book/ISBN9785991200820.html
Л1.3 Груздев А.В. Прогнозное моделирование в IBM SPSS Statistics и R: Метод деревьев решений: Самоучители и руководства Издательство "ДМК Пресс", 2016 https://e.lanbook.com/book/93280
Л1.4 Рашка С. Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения: Самоучители и руководства Издательство "ДМК Пресс", 2017 https://e.lanbook.com/book/100905
6.1.2. Дополнительная литература
Авторы Заглавие Издательство, год Эл. адрес
Л2.1 гл. ред. Н.А. Мухин Нефрология: практическое руководство ГЭОТАР-Медиа, 2016 http://www.studentlibrary.ru/book/ISBN9785970437889.html
Л2.2 В.В. Руксин Неотложная амбулаторно-поликлиническая кардиология: краткое руководство: практическое руководство ГЭОТАР-Медиа, 2016 http://www.studentlibrary.ru/book/ISBN9785970439029.html
Л2.3 под ред. О. А. Рукавицына Гематология : национальное руководство: практическое руководство ГЭОТАР-Медиа, 2017 http://www.studentlibrary.ru/book/ISBN9785970441992.html
Л2.4 А.С. Аметов Сахарный диабет 2-го типа. Проблемы и решения. Том 7: практическое руководство ГЭОТАР-Медиа, 2017 http://www.studentlibrary.ru/book/ISBN9785970442111.html
Л2.5 под ред. В. В. Салухова, М. А. Харитонова Практическая пульмонология : руководство для врачей: практическое руководство ГЭОТАР-Медиа, 2017 http://www.studentlibrary.ru/book/ISBN9785970442357.html
Л2.6 Загорулько, Ю. А. Искусственный интеллект. Инженерия знаний : учеб. пособие для вузов Юрайт, 2019 www.biblio-online.ru/book/3276B4D4-A6AE-4996-8A2D-986F8A3C4CA6
Л2.7 Л.А. Зинченко, В.М. Курейчика, В.Г. Редько Бионические информационные системы и их практические применения : Физматлит, , 2011 https://www.biblio-online.ru/viewer/sistemy-iskusstvennogo-intellekta-414323#page/1
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
Название Эл. адрес
Э1 ЭБС "Юрайт" https://biblio-online.ru/
Э2 ЭБС «Университетская библиотека online» http://biblioclub.ru/
Э3 Интеллектуальные информационные системы. ЭУК в Мудл https://portal.edu.asu.ru/course/view.php?id=2118
6.3. Перечень программного обеспечения
Операционная ситема Windows
MS Office
7-Zip
AcrobatReader
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 библиотека elibrary (http://elibrary.ru)
Moodle – система управления курсами (электронное обучение), система управления обучением или виртуальная обучающая среда (аббревиатурf от англ. Modular Object-Oriented Dynamic Learning Environment – модульная объектно-ориентированная динамическая обучающая среда. Представляет собой свободное (распространяющееся по лицензии GNU GPL) веб-приложение, предоставляющее возможность создавать сайты для онлайн-обучения.

7. Материально-техническое обеспечение дисциплины

Аудитория Назначение Оборудование
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
110М лаборатория информационных технологий - компьютерный класс – учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации Учебная мебель на 14 посадочных мест; рабочее место преподавателя; доска магнитно-маркерная 1 шт.; компьютеры: марка NAIO Corp Z520 - 14 ед.
202Л 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 HP - 14 единиц; мониторы: марка ASUS модель VS197DE - 14 единиц
207Л 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 DEPO модель Neos 260, мониторы: марка Philips модель 227E3LHSU - 14 единиц
106Л помещение для хранения и профилактического обслуживания учебного оборудования Стеллажи – 3 шт. осциллограф, паяльная станция, источник тока, переносные ноутбуки

8. Методические указания для обучающихся по освоению дисциплины

Методические указания для студентов

Основной целью при изучении дисциплины является стремление показать области применения и формирование у будущих специалистов теоретических знаний и практических навыков по использованию современных персональных компьютеров и программных средств для решения широкого спектра задач в медицине, а именно:

ознакомить студентов с основами организации технологий искусственного интеллекта;
привить навыки работы с языками программирования для программных комплексов, реализующих технологии искусственного интеллекта в медицине;
изложить основные принципы проектирования технологий искусственного интеллекта в медицине.

Основными задачами изучения дисциплины «Технологии искусственного интеллекта в медицине» являются:

овладение фундаментальными знаниями об основах организации технологий машинного обучения в медицине
целостное представление о науке и ее роли в развитии информационных технологий;
владеть общими вопросами организации искусственных нейронных сетей для современных ЭВМ;
овладение технологиями программирования с использованием нейросетевого подхода;
углубление практических навыков работы на персональном компьютере (основы работы с различными инструментальными средствами для проектирования и искусственных нейронных сетей).

Для эффективного изучения теоретической части дисциплины «Технологии искусственного интеллекта в медицине» необходимо:
на лекционных занятиях необходимо конспектировать изучаемый материал.
построить работу по освоению дисциплины в порядке, отвечающим изучению основных этапов, согласно приведенным темам лекционного материала;
систематически проверять свои знания по контрольным вопросам и тестам;
усвоить содержание ключевых понятий;
активно работать с основной и дополнительной литературой по соответствующим темам;
регулярно консультироваться с преподавателем, ведущим изучаемую дисциплину.

Для эффективного изучения практической части дисциплины «Технологии искусственного интеллекта в медицине» рекомендуется:

систематически выполнять подготовку к практическим занятиям по предложенным преподавателем темам;
своевременно выполнять практические задания, подготавливать доклады или рефераты.

Методические рекомендации по самостоятельной работе

Самостоятельная работа студента, безусловно - один из важнейших этапов в подготовке магистров. Она приобщает студентов к исследовательской работе, обогащает опытом и знаниями, необходимыми для дальнейшего их становления как специалистов, прививает навыки работы с литературой.

Цель самостоятельной работы - систематизация, закрепление и расширение теоретических и практических знаний с использованием современных информационных технологий и литературных источников. Данная цель может быть достигнута при решении следующего круга задач:
изучение лекционного материала;
изучение дополнительных источников информации;
выполнение лабораторных работ.