Учебная дисциплина «Системы искусственного интеллекта» относится к вариативной части Блока 1 Дисциплины (модули) образовательной программы подготовки бакалавров по направлению «Математическое обеспечение и администрирование информационных систем». Для изучения данной учебной дисциплины необходимы знания, умения и навыки, формируемые такими предшествующими дисциплинами как «Дискретная математика», «Математика», «Математическая логика и теория алгоритмов», «Методы оптимизации», «Теория принятия решений».
Общая
трудоемкость дисциплины – 5 ЗЕТ.
Цель изучения дисциплины – формирование знаний о математических моделях, методах и алгоритмах искусственного интеллекта, овладение навыками представления и вывода знаний для решения интеллектуальных задач.
Содержание дисциплины: тест Тьюринга, основные постулаты ИИ; свойства знаний, сходство/различие понятий; модели представления знаний; метод резолюций, алгоритм резолютивного вывода в логике высказываний, предикатов; методы правдоподобного вывода; эвристическое программирование; суждения и рассуждения; технологии инженерии знаний; системы распознавания образов; гипертекстовые, многоагентные и онтологические системы; интеллектуальные сенсорные системы; перспективные интеллектуальные системы и технологии.
В результате освоения дисциплины обучающийся должен:
Знать: основные постулаты искусственного интеллекта, модели представления знаний, методы достоверного и правдоподобного вывода знаний.
Уметь: решать исследовательские и практические задачи по представлению знаний в междисциплинарных областях искусственного интеллекта, применять знания математического обеспечения нейросетей и нечеткой логики для задач распознавания образов, интеллектуального управления.
Владеть: навыками использования современных системных программных средств для программирования искусственной нейронной сети и решения задач распознавания образов и аппроксимации, - использования современных системных программных средств для программирования нечеткой интеллектуальной модели управления средствами инструментария нечеткой логики.
По дисциплине предусмотрены следующие варианты активных форм обучения:
• проблемные лекции;
• лабораторные занятия, в рамках которых решаются исследовательские и практические задачи по представлению экспертных знаний, программированию искусственной нейронной сети, интеллектуального управления средствами инструментария нечеткой логики, распознавания изображений.
Основными методами контроля являются выполнение и защита лабораторных и контрольных работ, а также электронный учет и контроль учебных достижений студентов.
Формы контроля:
Текущий контроль: выполнение и защита лабораторных работ.
Рубежный контроль: выполнение контрольной работы.
Промежуточная аттестация: экзамен.
- Лектор курса: Родзин Сергей Иванович