| Закреплена за кафедрой | Кафедра информатики |
|---|---|
| Направление подготовки | 09.04.01. Информатика и вычислительная техника |
| Профиль | Инженерия искусственного интеллекта |
| Форма обучения | Заочная |
| Общая трудоемкость | 6 ЗЕТ |
| Учебный план | z09_04_01_Информатика и вычислительная техника_ИИИ-2025 |
|
|
||||||||||||||||
Распределение часов по курсам
| Курс | 1 | Итого | ||
|---|---|---|---|---|
| Вид занятий | УП | РПД | УП | РПД |
| Лекции | 10 | 10 | 10 | 10 |
| Лабораторные | 10 | 10 | 10 | 10 |
| Сам. работа | 183 | 183 | 183 | 183 |
| Часы на контроль | 13 | 13 | 13 | 13 |
| Итого | 216 | 216 | 216 | 216 |
| 1.1. | Целью освоения дисциплины «Математические основы искусственного интеллекта» является усвоение студентами аппарата высшей математики, наиболее востребованного в области наук о данных и приложений искусственного интеллекта. Развить алгоритмические навыки при решении формализованных задач, изучить математические методы исследования функциональных систем, дать фундаментальную математическую подготовку, необходимую для изучения дисциплин, связанных с будущей профессиональной деятельностью. |
|---|
| Цикл (раздел) ООП: Б1.О.2 |
| ОПК-1 | Способен самостоятельно приобретать, развивать и применять математические, естественнонаучные, социально-экономические и профессиональные знания для решения нестандартных задач, в том числе в новой или незнакомой среде и в междисциплинарном контексте; |
| ОПК-1.1 | Знать: математические, естественнонаучные и социально-экономические методы для использования в профессиональной деятельности. |
| ОПК-1.2 | Уметь: решать нестандартные профессиональные задачи, в том числе в новой или незнакомой среде и в междисциплинарном контексте, с применением математических, естественнонаучных, социально-экономических и профессиональных знаний. |
| ОПК-1.3 | Владеть: методами теоретического и экспериментального исследования объектов профессиональной деятельности, в том числе в новой или незнакомой среде и в междисциплинарном контексте. |
| ОПК-2 | Способен разрабатывать оригинальные алгоритмы и программные средства, в том числе с использованием современных интеллектуальных технологий, для решения профессиональных задач; |
| ОПК-2.1 | Знать: современные информационно-коммуникационные и интеллектуальные технологии, инструментальные среды, программно-технические платформы для решения профессиональных задач. |
| ОПК-2.2 | Уметь: обосновывать выбор современных информационно-коммуникационных и интеллектуальных технологий, разрабатывать оригинальные программные средства для решения профессиональных задач. |
| ОПК-2.3 | Владеть: методами разработки оригинальных программных средств, в том числе с использованием современных информационно-коммуникационных и интеллектуальных технологий, для решения профессиональных задач. |
| В результате освоения дисциплины обучающийся должен | |
| 3.1. | Знать: |
|---|---|
| 3.1.1. | Студент демонстрирует знания и понимание в области изучения на уровне указанных индикаторов и необходимые для продолжения обучения и/или выполнения трудовых функций и действий, связанных с профессиональной деятельностью. |
| 3.2. | Уметь: |
| 3.2.1. | Студент может применять свои знания и понимание в контекстах, представленных в оценочных заданиях, демонстрирует освоение умений на уровне указанных индикаторов и необходимых для продолжения обучения и/или выполнения трудовых функций и действий, связанных с профессиональной деятельностью. |
| 3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
| 3.3.1. | Студент демонстрирует опыт в области изучения на уровне указанных индикаторов. |
| Код занятия | Наименование разделов и тем | Вид занятия | Курс | Часов | Компетенции | Литература |
|---|---|---|---|---|---|---|
| Раздел 1. Введение. Основные понятия теории вероятностей | ||||||
| 1.1. | Пространство элементарных исходов. События. Вероятностная мера. Классическая вероятность. Условная вероятность. Формулы полной вероятности и Байеса. | Лекции | 1 | 1 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 1.2. | Пространство элементарных исходов. События. Вероятностная мера. Классическая вероятность. Условная вероятность. Формулы полной вероятности и Байеса. | Лабораторные | 1 | 1 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 1.3. | Пространство элементарных исходов. События. Вероятностная мера. Классическая вероятность. Условная вероятность. Формулы полной вероятности и Байеса. | Сам. работа | 1 | 20 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| Раздел 2. Введение. Случайные величины | ||||||
| 2.1. | Понятие случайной величины. Дискретные и непрерывные случайные величины. Распределения и числовые характеристики СВ. | Лекции | 1 | 1 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 2.2. | Понятие случайной величины. Дискретные и непрерывные случайные величины. Распределения и числовые характеристики СВ. | Лабораторные | 1 | 1 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 2.3. | Понятие случайной величины. Дискретные и непрерывные случайные величины. Распределения и числовые характеристики СВ. | Сам. работа | 1 | 40 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| Раздел 3. Введение. Выборочный метод. Основные понятия статистики | ||||||
| 3.1. | Генеральная совокупность. Случайные выборки. Дизайн исследования. | Лекции | 1 | 1 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 3.2. | Генеральная совокупность. Случайные выборки. Дизайн исследования. | Лабораторные | 1 | 2 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 3.3. | Генеральная совокупность. Случайные выборки. Дизайн исследования. | Сам. работа | 1 | 40 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| Раздел 4. Дискриминантный анализ. | ||||||
| 4.1. | Дискриминантный анализ. Обучение с учителем. | Лекции | 1 | 2 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 4.2. | Дискриминантный анализ. Обучение с учителем. | Лабораторные | 1 | 2 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 4.3. | Описательные статистики. Метод моментов. Точечные оценки параметров генеральной совокупности. Точность оценки, доверительная вероятность, доверительные интервалы. | Сам. работа | 1 | 30 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| Раздел 5. Кластеризации. Проблема качества кластеризаций. | ||||||
| 5.1. | Кластеризации. Проблема качества кластеризаций. | Лекции | 1 | 1 | ||
| 5.2. | Кластеризации. Проблема качества кластеризаций. | Лабораторные | 1 | 1 | ||
| 5.3. | Кластеризации. Проблема качества кластеризаций. | Сам. работа | 1 | 10 | ||
| Раздел 6. Анализ статистических связей. Основы эмпирического моделирования. | ||||||
| 6.1. | Анализ статистических связей. Корреляционный анализ. Эмпирическое моделирование. | Лекции | 1 | 1 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 6.2. | Анализ статистических связей. Корреляционный анализ. Эмпирическое моделирование. | Лабораторные | 1 | 1 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 6.3. | Анализ статистических связей. Корреляционный анализ. Эмпирическое моделирование. | Сам. работа | 1 | 10 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| Раздел 7. Проблема пробелов в данных. Восстановление данных. Проверка статистических гипотез. | ||||||
| 7.1. | Проблема пробелов в данных. Восстановление данных. Проверка статистических гипотез. | Лекции | 1 | 2 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 7.2. | Проблема пробелов в данных. Восстановление данных. Проверка статистических гипотез. | Лабораторные | 1 | 1 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| 7.3. | Проблема пробелов в данных. Восстановление данных. Проверка статистических гипотез. | Сам. работа | 1 | 10 | Л2.1, Л2.2, Л2.3, Л1.1, Л1.2, Л1.3, Л2.4 | |
| Раздел 8. Обогащение данных. Генерация модельных данных. | ||||||
| 8.1. | Обогащение данных. Генерация модельных данных. | Лекции | 1 | 1 | ||
| 8.2. | Обогащение данных. Генерация модельных данных. | Лабораторные | 1 | 1 | ||
| 8.3. | Обогащение данных. Генерация модельных данных. | Сам. работа | 1 | 23 | ||
| 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-4: Способен выполнять научно-исследовательские работы в области математического и имитационного моделирования на основе анализа данных. ПРИМЕРЫ ЗАДАНИЙ ЗАКРЫТОГО ТИПА 1. Случайная величина – это а. свойство объекта, изменяющееся случайно, с определенной степенью вероятности, частоты б. заранее известное значение в. оба ответа правильные 2. Генеральная совокупность – это а. совокупность всех возможных вариантов реализации случайной величины при неизменных условиях сбора данных б. способ представления предмета исследования в. оба ответа правильные 3. Дисперсия – это а. степень рассеяния случайной величины относительно среднего значения б. наибольшее значение случайной величины в. Наименьшее значение случайной величины 4. Вероятность – это а. степень надежности/частоты свершения некоторого события б. модуль случайной величины в. оба ответа правильные 5. Математическая модель – это а. воспроизведение в виде математических выражений и функций наиболее существенных с точки зрения рассматриваемой проблемы свойств объекта б. модель, в которой учтены только линейные связи в. оба ответа правильные 6. Доверительный интервал – это а. интервал возможных значений случайной величины, соответствующий определенному уровню доверия б. интервал, включающий в себя ровно половину значений случайной величины в. оба ответа правильные 7. Линейная модель – это а. модель, в которой используются связи линейного характера б. модель, в которой используются связи нелинейного характера в. оба ответа правильные 8. Метод исследования объектов (процессов) с учетом наличия случайных факторов путем изучения выборки вариантов реализации случайных величин (свойств объекта) из генеральной совокупности – это a. метод выборочного наблюдения б. метод максимального правдоподобия с. метод анализа иерархий 9. Обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться – это а. машинное обучение б. цифровое обучение в. оба ответа правильные 10. Тип показателя «Влажность воздуха на 01.06.2020, 16:00 (%)» : а. моментный б. интервальный в. оба ответа неправильные 11. Априорная оценка – это а. оценка риска до получения опытных, реальных данных, результатов натурного эксперимента б. оценка границ доверительного интервала в. оба ответа верны 12. Какая из перечисленных характеристик соответствует природе случайной величины: а. неопределенность б. предсказуемость в. однозначность 13. К какому виду случайной величины относится показатель «Индикатор выпадения осадков с вариантами - Да/Нет»: а. дискретный б. непрерывный в. оба ответа неверны Во всех вопросах ответ а. ПРИМЕРЫ ЗАДАНИЙ ОТКРЫТОГО ТИПА 1. Чем отличаются генеральная и выборочная совокупности наблюдений Ответ: выборочная совокупность – часть генеральной 2. Что понимают под объемом выборки наблюдений Ответ: число объектов, наблюдений в выборке 3. Назовите два типа случайной величины Ответ: дискретная и непрерывная 4. Как определяется максимум в числовой выборке Ответ: наибольшее значение случайной величины по выборке 5. Чем управляемая переменная отличается от параметра Ответ: Управляемая переменная – свойство системы, на значение которой может оказывать воздействие лицо, принимающее решения. Параметр – постоянная величина, свойство системы относительно постоянное во времени и неизменяемое в процессе моделирования. 6. Как записывается линейная, однофакторная регрессионная модель Ответ: y =ax b 7. При каком значении средней величины относительной погрешности модель считается точной Ответ: средняя величина относительной погрешности должна быть менее 10% 8. В каких пределах измеряется вероятность Ответ: от 0 до 1 (или от 0% до 100%) 9. В каких пределах измеряется риск Ответ: от 0 до 1 (или от 0% до 100%) 10. В какой форме может быть выражено свойство объекта? Ответ: количественная и качественная формы 11. Дайте определение априорным оценкам Ответ: оценка риска до получения опытных, реальных данных, результатов натурного эксперимента 12. Дайте определение апостериорным оценкам Ответ: оценки риска и ущерба, полученные на основе реальных данных частоты свершения негативных событий и реальных данных последствий полученного ущерба 13. Найдите минимальное значение по выборке (5, 9, 3, 7, 0) Ответ: 0 14. Переведите вероятность возникновения негативной ситуации 0,1 в проценты Ответ: 10% КРИТЕРИИ ОЦЕНИВАНИЯ ЗАКРЫТЫХ ВОПРОСОВ: Каждое задание оценивается 1 баллом. Оценивание КИМ теоретического характера в целом: «зачтено» – верно выполнено более 50% заданий; «не зачтено» – верно выполнено 50% и менее 50% заданий; «отлично» – верно выполнено 85-100% заданий; «хорошо» – верно выполнено 70-84% заданий; «удовлетворительно» – верно выполнено 51-69% заданий; «неудовлетворительно» – верно выполнено 50% или менее 50% заданий. КРИТЕРИИ ОЦЕНИВАНИЯ ОТКРЫТЫХ ВОПРОСОВ. «Отлично» (зачтено): Ответ полный, развернутый. Вопрос точно и исчерпывающе передан, терминология сохранена, студент превосходно владеет основной и дополнительной литературой, ошибок нет. «Хорошо» (зачтено): Ответ полный, хотя краток, терминологически правильный, нет существенных недочетов. Студент хорошо владеет пройденным программным материалом; владеет основной литературой, суждения правильны. |
| 5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.) |
| Примерная тематика домашних работ: Условная вероятность. Дискретные случайные величины. Проверка статистических гипотез. Анализ статистических связей. Примерная тематика контрольных работ: Комбинаторика и классическое определение вероятности. Оценка параметров генеральной совокупности. |
| 5.3. Фонд оценочных средств для проведения промежуточной аттестации |
| Промежуточная аттестация заключается в проведении в конце семестра экзамена (для обучающихся, не получивших зачет по результатам текущей успеваемости) по всему изученному курсу. Зачет проводится в устной форме по билетам. В билет входит 2 вопроса теоретического характера. ВОПРОСЫ ТЕОРЕТИЧЕСКОГО ХАРАКТЕРА Основные понятия теории вероятностей. Особенности применения классической формулы вероятности Основные понятия теории вероятностей. Вероятность суммы и произведения событий Условная вероятность. Формулы полной вероятности и Байеса Дискретные случайные величины. Основные характеристики, примеры Непрерывные случайные величины. Основные характеристики, примеры Нормальное распределение. Основные характеристики, примеры Система нескольких случайных величин Основные понятия статистики. Классификация выборок и описательные статистики Метод моментов. Доверительные интервалы Метод максимального правдоподобия Проверка статистических гипотез Анализ статистических связей Регрессионные модели Факторный анализ 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. |
| 6.1. Рекомендуемая литература | ||||
| 6.1.1. Основная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л1.1 | Мхитарян В.С. - Отв. ред. | Анализ данных: Учебник для академического бакалавриата | М.:Издательство Юрайт, 2018 | urait.ru |
| Л1.2 | 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 |
| Л1.3 | Флах П. | Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных: | Издательство "ДМК Пресс", 2015 | e.lanbook.com |
| 6.1.2. Дополнительная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л2.1 | Эсбенсен К. | Анализ многомерных данных. Избранные главы.: | Изд-во АлтГУ, 2003 | |
| Л2.2 | Крянев А. В., Лукин Г. В. | Математические методы обработки неопределенных данных : | М.: Физматлит, 2006 | biblioclub.ru |
| Л2.3 | Айвазян С. А. , Мхитарян В. С. , Зехин В. А. | Практикум по многомерным статистическим методам : | М.: МГУЭСИ, 2003 | biblioclub.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 |
| 6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
| Название | Эл. адрес | |||
| Э1 | Курс в Moodle | portal.edu.asu.ru | ||
| Э2 | Сайт библиотеки АлтГУ | www.lib.asu.ru | ||
| Э3 | электронно-библиотечная система издательства «Лань» | www.e.lanbook.com | ||
| 6.3. Перечень программного обеспечения | ||||
| Браузер (Google Chrome, Mozilia Firefox)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 | ||||
| нет | ||||
| Аудитория | Назначение | Оборудование |
|---|---|---|
| 320Л | медиатека, читальный зал – помещение для самостоятельной работы | Учебная мебель на 15 посадочных мест; персональные компьютеры с выходом в информационно-телекоммуникационную сеть Интернет и электронную информационно-образовательную среду; |
| 107Л | 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 18 посадочных мест; компьютеры: марка HP, модель ProOne 400 - 18 единиц; проектор: марка SMART, модель UF70 - 1 единица; интерактивная доска: марка SMART Board модель SMB680 - 1 единица |
| Шкала оценивания достижения результатов обучения (индикаторов) по уровням Характеристика уровней достижения результатов обучения (индикаторов) № п/п Содержание уровня выполнения критерия оценивания результатов обучения (выполненное оценочное задание) Шкала оценивания Традиционная характеристика уровня Качественная характеристика уровня 1. Результаты обучения (индикаторы) достигнуты в полном объеме, замечаний нет Отлично (80-100 баллов) Зачтено Высокий (В) 2. Результаты обучения (индикаторы) в целом достигнуты, имеются замечания, которые не требуют обязательного устранения Хорошо (60-79 баллов) Средний (С) 3. Результаты обучения (индикаторы) достигнуты не в полной мере, есть замечания Удовлетворительно (40-59 баллов) Пороговый (П) 4. Освоение результатов обучения не соответствует индикаторам, имеются существенные ошибки и замечания, требуется доработка Неудовлетворительно (менее 40 баллов) Не зачтено Недостаточный (Н) 5. Результат обучения не достигнут, задание не выполнено Недостаточно свидетельств для оценивания Нет результата |