Мета: Забезпечення студентів теоретичними знаннями та практичними навиками з верифікації та атестації програмного забезпечення.

Завдання: Ознайомити студентів з методами оцінювання якості, та навчити використовувати методи тестування програмного забезпечення.

У результаті вивчення навчальної дисципліни студент повинен

знати:

• основні стандарти, що використовуються на різних етапах життєвого циклу програмних засобів для оцінювання якості,
• існуючі моделі якості,
• метрики, що використовуються для оцінювання якості,
• методи тестування.

вміти:

• визначати та вимірювати атрибути якості,
• здійснювати модульне та комплексне тестування ПЗ
• застосовувати емпіричні методи та засоби інженерії якості.

Метою викладання дисципліни є отримання фундаментальних знань у галузі управління ризиками з метою використання їх у процесі розроблення програмного забезпечення та практичне використання отриманих знань і вмінь у процесі розв’язання прикладних завдань.

У результаті вивчення навчальної дисципліни студент повинен

знати:

• методи управління ризиками;
• етапи управління ризиками;
• особливості основних парадигм програмування;
• принципи компонентно-орієнтованого програмування;
• принципи прототипного програмування.

вміти:

• аналізувати об’єкти на наявність ризиків;
• керувати процесом розроблення програмного забезпечення з метою систематичного зменшення ризиків;
• оптимізовувати програмний код для повторного використання та використовувати його.

Мета та завдання навчальної дисципліни

Метою викладання навчальної дисципліни “Технологія та використання штучних нейронних мереж” є надання майбутньому спеціалісту чіткого розуміння про моделі і методи та програмні засоби для роботи із нейронними мережами, зокрема при вирішенні завдань побудови інтелектуальних систем.

Основними завданнями вивчення дисципліни “Технологія та використання штучних нейронних мереж” є надання студентам комплексу знань, необхідних для розуміння проблем, які виникають під час побудови та при використанні сучасних програмних систем, що вирішують інтелектуальні завдання, та ознайомити студентів з основними принципами побудови нейронних мереж. У процесі вивчення дисципліни у студента повинні сформуватися знання, уміння та навички, необхідні для створення програмних засобів із застосуванням нейронних мереж.

Згідно з вимогами освітньо-професійної програми студенти повинні:

знати:

• нейромережні методи інтелектуальної обробки даних;
• методи обробки результатів нейромоделювання;
• критерії оцінювання точності і адекватності нейромоделей;
• типи нейромоделей;
• елементи теорії штучних нейромереж;
• розподільні обчислення на основі нейронних мереж;
• основні поняття та визначення нейроiнформатики;
• моделi нейроелементiв та їхнi властивостi;
• моделi та методи навчання штучних нейромереж;
• сучаснi програмнi засоби для побудови нейромережевих моделей;
• критерiї порiвняння моделей та методiв навчання нейромереж.

вміти:

• володіти методами та технологіями організації та застосування даних у задачах штучного інтелекту;
• застосовувати емпіричні методи та засоби інженерії програмних засобів для створення інтелектуальних cистем;
• розв'язувати математичні задачі шляхом створення відповідних застосувань;
• здійснювати вибір програмних засобів для вирішення задач штучного інтелекту;
• порівнювати методи та моделі штучного інтелекту;
• вирішувати задачі автоматизації підтримки прийняття рішень, розпізнавання образів, діагностики, rласифікації та аналізу даних;
• аргументовано переконувати колег у правильності пропонованого рішення, вміти донести до інших свою позицію;
• визначати та вимірювати атрибути якості моделей штучного інтелекту та програмних засобів, що їх реалізують;
• використовувати методи ідентифікації та класифікації інформації;
• ідентифікувати параметри математичної моделі, аналізувати адекватність моделі реальному об’єкту або процесу;
• розробляти розподілені системи штучного інтелекту в умовах обмеження ресурсів та необхідності декомпозиції задач обробки інформації;
• будувати моделі прийняття рішень на основі нейромереж ;
• порівнювати методи навчання та моделі нейромереж;
• вирішувати задачі автоматизації підтримки прийняття рішень, розпізнавання образів, діагностики, класифікації та аналізу даних на основі нейромереж.
• обґрунтовувати та аналiзувати вибiр конкретного типу моделi та методу навчання нейромережi для вирiшення вiдповiдних практичних задач;
• використовувати сучаснi програмнi засоби (пакети MATLAB, Statistica Neural Networks та iн.) для моделювання нейромереж та вирiшення оптимiзацiйних задач на основi еволюцiйного пiдходу;
• створювати програми на мовi макросiв пакету MATLAB та алгоритмiчних мовах програмування для побудови та використання нейромережевих моделей багатомiрних залежностей за точковими даними;
• здiйснювати пiдготовку та первинну обробку даних для побудови нейромережевих моделей;
• використовувати нейроннi мережi та еволюцiйнi алгоритми для вирiшення практичних задач технiчної та бiомедичної дiагностики, прогнозування у економiцi, технiцi, соцiологiї.
• подавати результати нейрообчислень у графічній та табличнiй формах;
• аналiзувати результати побудови та використання нейромережевих моделей й вирiшення оптимiзацiйних задач на основi еволюцiйних алгоритмів.

Мета: вивчення теоретичних основ та практичних аспектів використання паралельних обчислювальних систем для вирішення складних прикладних задач з великим об’ємом обчислень.

У результаті вивчення навчальної дисципліни студент повинен

знати:

• основні положення сучасної концепції процесу;
• формальні моделі паралельного програмування;
• принципи організації взаємодії паралельних процесів;
• принципи побудови апаратних засобів паралельних обчислювальних систем і організації паралельних обчислень в локальних мережах;

вміти:

• розробляти вимоги і специфікації апаратного та програмного забезпечення для реалізації паралельної обробки інформації;
• паралельні програми середньої складності, орієнтовані на реалізацію в середовищі MPI;
• визначати якісну та кількісну оцінки ефективності розроблених паралельних алгоритмів та програм.