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

5. Фонд оценочных средств

5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины
См. приложение.
5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.)
Не предусматриваются
5.3. Фонд оценочных средств для проведения промежуточной аттестации
См. приложение.

6. Учебно-методическое и информационное обеспечение дисциплины

6.1. Рекомендуемая литература
6.1.1. Основная литература
Авторы Заглавие Издательство, год Эл. адрес
Л1.1 Галушкин А.И. Нейронные сети: основы теории: учебное пособие Горячая линия - Телеком, 2012 www.studentlibrary.ru
Л1.2 Груздев А.В. Прогнозное моделирование в IBM SPSS Statistics и R: Метод деревьев решений: Самоучители и руководства Издательство "ДМК Пресс", 2016 e.lanbook.com
Л1.3 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 e.lanbook.com
Л1.4 И. А. Бессмертный — СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 2-е изд., испр. и доп. Учебное пособие для академического бакалавриата: Гриф УМО ВО М.:Издательство Юрайт, 2018 biblio-online.ru
6.1.2. Дополнительная литература
Авторы Заглавие Издательство, год Эл. адрес
Л2.1 А.С. Аметов Сахарный диабет 2-го типа. Проблемы и решения. Том 7: практическое руководство ГЭОТАР-Медиа, 2017 www.studentlibrary.ru
Л2.2 В.В. Руксин Неотложная амбулаторно-поликлиническая кардиология: краткое руководство: практическое руководство ГЭОТАР-Медиа, 2016 www.studentlibrary.ru
Л2.3 под ред. О. А. Рукавицына Гематология : национальное руководство: практическое руководство ГЭОТАР-Медиа, 2017 www.studentlibrary.ru
Л2.4 Загорулько, Ю. А. Искусственный интеллект. Инженерия знаний : учеб. пособие для вузов Юрайт, 2019 www.biblio-online.ru/book/3276B4D4-A6AE-4996-8A2D-986F8A3C4CA6
Л2.5 гл. ред. Н.А. Мухин Нефрология: практическое руководство ГЭОТАР-Медиа, 2016 www.studentlibrary.ru
Л2.6 Л.А. Зинченко, В.М. Курейчика, В.Г. Редько Бионические информационные системы и их практические применения : Физматлит, , 2011 www.biblio-online.ru
Л2.7 под ред. В. В. Салухова, М. А. Харитонова Практическая пульмонология : руководство для врачей: практическое руководство ГЭОТАР-Медиа, 2017 www.studentlibrary.ru
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
Название Эл. адрес
Э1 ЭБС "Юрайт" biblio-online.ru
Э2 ЭБС «Университетская библиотека online» biblioclub.ru
Э3 Интеллектуальные информационные системы. ЭУК в Мудл portal.edu.asu.ru
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
106Л помещение для хранения и профилактического обслуживания учебного оборудования Стеллажи – 3 шт. осциллограф, паяльная станция, источник тока, переносные ноутбуки
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
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
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.
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
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)

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.