Математического обеспечения и применения ЭВМ

Содержанием дисциплины являются: история развития искусственного интеллекта; тест Тьюринга, основные постулаты Artificial Intelligent; нейроинформатика; данные, информация, знания; свойства знаний, сходство/различие понятий; модели представления знаний; достоверный логический вывод; методы правдоподобного вывода: индуктивный, абдуктивный, вероятностный, нечеткий, нейросетевой, эволюционный; эвристическое программирование; суждения и рассуждения; технологии инженерии знаний и программной инженерии; детерминированные, вероятностные, структурные и логические системы и методы распознавания образов; гипертекстовые, многоагентные и онтологические системы; интеллектуальные сенсорные системы; методы интеллектуального анализа данных; перспективные интеллектуальные системы и технологии.

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.