Мета - вивчення теоретичних основ та практичних аспектів використання інтелектуальних обчислень для проектування систем штучного інтелекту.

Завдання - надання студентам комплексу знань, необхідних для розуміння проблем, які виникають під час побудови та при використанні сучасних інтелектуальних систем та ознайомити студентів з методами і моделями обчислювального інтелекту. У процесі вивчення дисципліни у студента повинні сформуватися знання, уміння та навички, необхідні для створення програмних засобів з елементами штучного інтелекту для вирішення прикладних задач аналiзу та прогнозування стану складних об'єктiв та процесiв управлiння та проектування.

У результаті вивчення навчальної дисципліни студент повинен

знати:

• методи інтелектуальної обробки даних;
• основні операції та визначення нечіткої логіки;
• елементи теорії штучних нейро-нечітких мереж;
• моделi нейроелементiв та їхнi властивостi;
• моделi та методи навчання штучних нейро-нечітких мереж;
• сучаснi програмнi засоби для побудови нечітких моделей;
• способи видобутку iнформацiї з нейро-нечітких моделей для аналiзу складних залежностей;
• критерiї порiвняння моделей та методiв навчання нейро-нечітких мереж.

вміти:

• обирати формальний апарат для подання знань в умовах розробки експертних систем, виходячи з особливостей застосувань;
• аналізувати та застосовувати існуючі, а при необхідності створювати нові, засоби реалізації дескриптивних моделей та стратегій і методів виведення для нечіткологічних моделей подання знань в умовах автоматизованого або неавтоматизованого проектування за допомогою сучасних програмних і технічних засобів, використовуючи процедури вибору та проектування;
• будувати нечітку продукційну модель знань для розв’язання задач з області штучного інтелекту за допомогою формальних мов, використовуючи факти та правила;
• здійснювати вибір програмних засобів для створення нечітких баз знань;
• розробляти нечіткі бази знань за інформацією, отриманою з різноманітних джерел або експертів в умовах багатоекспертного середовища за допомогою мов подання знань, мов програмування штучного інтелекту, використовуючи методи виведення і прийняття рішень з нечіткими та конфліктуючими знаннями, методи оптимізації рішень;
• розробляти нечіткі експертні системи за знаннями експертів предметної галузі в умовах слабо структурованих предметних галузей за допомогою оболонок експертних систем, використовуючи технології набуття експертних та емпіричних знань, методи розпізнавання образів;
• розробляти засоби набуття знань та механізм пояснень в умовах розробки експертних систем та рішення задач з області штучного інтелекту за допомогою програмного забезпечення;
• розробляти стратегії та методи виведення для нечіткологічних моделей подання знань;
• розробляти, оцінювати та використовувати механізми логічного виведення в умовах розробки систем штучного інтелекту;
• використовувати методи нечіткої логіки для обробки даних;
• будувати нейро-нечіткі моделі залежностей.
• застосовувати емпіричні методи та засоби інженерії програмних засобів для створення інтелектуальних систем;
• порівнювати методи та моделі штучного інтелекту;
• вирішувати задачі автоматизації підтримки прийняття рішень, розпізнавання образів, діагностики, класифікації та аналізу даних;
• 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;
• подавати результати нейрообчислень у графічній та табличнiй формах;
• аналiзувати результати побудови та використання нечітких моделей.

Мета: вивчення теоретичних основ та практичних аспектів об'єктно-орієнтованого програмування.

У результаті вивчення навчальної дисципліни студент повинен

знати:

• основні принципи розробки об'єктно-орієнтованих програм з використанням мови програмування С++;
• основні принципи об'єктного підходу та взаємозв'язків об'єктно орієнтованого аналізу, об'єктно-орієнтованого проектування і об'єктно-орієнтованого програмування;

вміти:

• використовувати основні засоби об'єктно-орієнтованої моделі - інкапсуляцію, спадкування поліморфізм при створенні програм з використанням мови програмування С++;
• використовувати навички обробки об'єктно-орієнтованих даних.

Мета та завдання навчальної дисципліни

Мета - вивчення теоретичних основ та практичних аспектів використання нечіткого програмування для інженерії програмних засобів штучного інтелекту.

Завдання - 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 нейро-нечітких мереж. Підготувати студента до ефективного використання сучасних досягнень нечіткої логіки у подальшій професійній діяльності; допомогти набути навички практичної роботи iз програмними засобами для інтелектуальних обчислень. У процесі вивчення дисципліни у студента повинні сформуватися знання, уміння та навички, необхідні для створення програмних засобів із застосуванням нейро-нечітких мереж.

У результаті вивчення навчальної дисципліни студент повинен

знати:

• методи інтелектуальної обробки даних;
• основні операції та визначення нечіткої логіки;
• елементи теорії штучних нейро-нечітких мереж;
• моделi нейроелементiв та їхнi властивостi;
• моделi та методи навчання штучних нейро-нечітких мереж;
• сучаснi програмнi засоби для побудови нечітких моделей;
• способи видобутку iнформацiї з нейро-нечітких моделей для аналiзу складних залежностей;
• критерiї порiвняння моделей та методiв навчання нейро-нечітких мереж.

вміти:

• володіти методами та технологіями організації та застосування даних у задачах штучного інтелекту;
• вибирати формальний апарат для подання знань в умовах розробки експертних систем, виходячи з особливостей застосувань;
• аналізувати та застосовувати існуючі, а при необхідності створювати нові, засоби реалізації дескриптивних моделей та стратегій і методів виведення для нечіткологічних моделей подання знань в умовах автоматизованого або неавтоматизованого проектування за допомогою сучасних програмних і технічних засобів, використовуючи процедури вибору та проектування;
• будувати нечітку продукційну модель знань для розв’язання задач з області штучного інтелекту за допомогою формальних мов, використовуючи факти та правила;
• здійснювати вибір програмних засобів для створення нечітких баз знань;
• розробляти нечіткі бази знань за інформацією, отриманою з різноманітних джерел або експертів в умовах багатоекспертного середовища за допомогою мов подання знань, мов програмування штучного інтелекту, використовуючи методи виведення і прийняття рішень з нечіткими та конфліктуючими знаннями, методи оптимізації рішень;
• розробляти нечіткі експертні системи за знаннями експертів предметної галузі в умовах слабо структурованих предметних галузей за допомогою оболонок експертних систем, використовуючи технології набуття експертних та емпіричних знань, методи розпізнавання образів;
• розробляти засоби набуття знань та механізм пояснень в умовах розробки експертних систем та рішення задач з області штучного інтелекту за допомогою програмного забезпечення;
• розробляти стратегії та методи виведення для нечіткологічних моделей подання знань;
• розробляти, оцінювати та використовувати механізми логічного виведення в умовах розробки систем штучного інтелекту;
• використовувати методи нечіткої логіки для обробки даних;
• будувати нейро-нечіткі моделі залежностей.
• застосовувати емпіричні методи та засоби інженерії програмних засобів для створення інтелектуальних систем;
• порівнювати методи та моделі штучного інтелекту;
• вирішувати задачі автоматизації підтримки прийняття рішень, розпізнавання образів, діагностики, класифікації та аналізу даних;
• 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;
• подавати результати нейрообчислень у графічній та табличнiй формах;
• аналiзувати результати побудови та використання нечітких моделей.

Мета: засвоєння студентами основних теоретичних відомостей та практичних вмінь з курсу, підготовка студентів до ефективного використання сучасних засобів створення програмних агентів; допомогти набути навички практичної роботи з програмними засобами для проектування та розробки мультиагентних систем.

У результаті вивчення навчальної дисципліни студент повинен

знати:

• основні поняття та визначення агентних систем;
• моделі та методи побудови агентних систем та їхні властивості;
• сучасні програмні засоби для проектування i розробки агентних систем;
• критерії порівняння моделей агентів;

вміти:

• обґрунтовувати й аналізувати вибір конкретного типу моделі та методу розробки агентних систем при вирішенні відповідних практичних задач;
• використовувати сучасні програмні засоби для проектування та дослідження агентних систем;
• створювати програми на мові макросів пакету MATLAB для побудови та використання сучасних агентних систем;
• аналізувати результати побудови та використання агентних систем при вирішенні прикладних задач.