Мета - надання майбутньому спеціалісту чіткого розуміння про моделі і методи та програмні засоби для роботи із нейронними мережами, зокрема при вирішенні завдань побудови інтелектуальних систем.

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 нейронних мереж. У процесі вивчення дисципліни у студента повинні сформуватися знання, уміння та навички, необхідні для створення програмних засобів із застосуванням нейронних мереж.

У результаті вивчення навчальної дисципліни студент повинен

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 для моделювання нейромереж та вирiшення оптимiзацiйних задач на основi еволюцiйного пiдходу;
• створювати програми на 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.