Штучний інтелект (ММСЕП)
Тип: Нормативний
Кафедра: математичного моделювання соціально-економічних процесів
Навчальний план
| Семестр | Кредити | Звітність |
| 8 | 3 | Залік |
Лекції
| Семестр | К-сть годин | Лектор | Група(и) |
| 8 | 28 | професор Литвин В. В. | ПМа-42 |
Лабораторні
| Семестр | К-сть годин | Група | Викладач(і) |
| 8 | 28 | ПМа-42 | доцент Хімка У. Т., доцент Філь Б. М. |
Опис курсу
Навчальна дисципліна «Штучний інтелект» є компонентом освітньо-професійної програми підготовки здобувачів першого (бакалаврського) рівня вищої освіти за спеціальністю F4 – «Системний аналіз і управління. Інтелектуальний аналіз даних» галузі знань «Інформаційні технології». Стрімкий розвиток технологій машинного навчання, глибинних нейронних мереж та великих мовних моделей зробив штучний інтелект ключовим інструментом сучасного аналізу даних, автоматизації прийняття рішень та створення інтелектуальних систем. Дисципліна охоплює основи некерованого та глибинного навчання, архітектури нейронних мереж, механізми уваги, трансформери, великі мовні моделі (LLM), методи роботи з ембедінгами, RAG, промпт-інжиніринг та мультимодальні підходи. Метою курсу є формування у студентів фундаментальних теоретичних знань та практичних навичок застосування сучасних методів штучного інтелекту для вирішення задач системного аналізу, інтелектуальної обробки даних та створення адаптивних інформаційних систем.
Рекомендована література
Основна література:
1. Наука про дані: машинне навчання та інтелектуальний аналіз даних : електронний навчальний посібник комбінованого (локального та мережевого) використання / В.Б. Мокін, М.В. Дратований – Вінниця: ВНТУ, 2024. – 258 с.
2. Литвин В. В. Глибинне навчання: навч. посібник / В. В. Литвин, Р. М. Пелещак, В. А. Висоцька. – Львів: Видавництво Львівської політехніки, 2021. – 264 с. ISBN 978-966-941-664-3
3. Штовба С. Д., Козачко О. М. Machine learning: стартовий курс : електронний навчальний посібник. Вінниця : ВНТУ, 2020. 81 с. 4. Гороховатський В. О., Творошенко І. С. Методи інтелектуального аналізу та оброблення даних : навч. посіб. Харків : ХНУРЕ, 2021. 92 с. Режим доступу : https://openarchive.nure.ua/server/api/core/bitstreams/2e55d639- 52fd-48d9-b7b7-14989f49f291/content
4. Савченко А. С., Синельников О. О. Методи та системи штучного інтелекту : навч. посібник. К. : НАУ, 2017. 176 с. Режим доступу : https://pdf.lib.vntu.edu.ua/books/2020/Savchenko_2017_176.pdf
5. Олещенко Л. М. Машинне навчання: комп’ютерний практикум з дисципліни «Машинне навчання» [Електронний ресурс]: навч. посіб. для студ. спеціальності 121 «Інженерія програмного забезпечення» (освітня програма «Інженерія програмного забезпечення мультимедійних та інформаційно-пошукових систем»). Електронні текстові дані. Київ : КПІ ім. Ігоря Сікорського, 2022. 92 с.
6. Машинне навчання : навчальний посібник, призначений для студентів, що навчаються за першим (бакалаврським) рівнем вищої освіти за спеціальностями галузі знань 12 «Інформаційні технології» / Басюк Т. М., Литвин В. В., Захарія Л. М., Кунанець Н. Е., Львів : Видавництво «Новий Світ – 2000», 2019. 335 с.
7. Сергеєв-Горчинський О. О., Іщенко Г. В. Інтелектуальний аналіз даних: rомп’ютерний практикум [Електронний ресурс] : навч. посіб. для студ. спеціальності 122 «Комп’ютерні науки та інформаційні технології», спеціалізацій «Інформаційні системи та технології проектування», «Системне проектування сервісів» Електронні текстові дані (1 файл: 1,72 Мбайт). Київ : КПІ ім. Ігоря Сікорського, 2018. 73 с. Режим доступу : https://ela.kpi.ua/bitstream/123456789/24971/1/Kompprakt.pdf
Додаткова література:
8. Rosenblatt F. Principles of Neurodynamics; Perceptrons and the Theory of Brain Mechanisms / F. Rosenblatt. – Washington: Spartan Books, 1962. – 616 p.
9. Minsky M. Perceptrons: An Introduction to Computational Geometry / M. Minsky, S. Papert. – MIT Press, 1969. – 258 P.
10. Hinton G. E. A fast learning algorithm for deep belief nets / G. E. Hinton, S. Osindero, Y. Teh // Neural Computation. – 2006. – Vol. 18. – P. 1527–1554.
11. Hinton, G., Training products of experts by minimizing contrastive divergence / G. Hinton // Neural Computation. – 2002. – Vol. 14. – P. 1771–1800.
12. Hsu F.-H. Behind Deep Blue: Building the Computer That Defeated the World Chess Champion / F.-H. Hsu. – NJ: Princeton University Press, Princeton, USA, 2002. – 320 p.
13. Lenat D. B. Building large knowledge-based systems; representation and inference in the Cyc project / D. B. Lenat, R. V. Guha // Addison-Wesley Longman Publishing Co., Inc., 1989. – 372 p.
14. Linde N. The machine that changed the world, episode 3 / N. Linde // Documentary miniseries. – 1992. https://forohistorico.coit.es/index.php/ multimedia/videoteca/item/the-machine-that-changed-the-world-episode-3-the paperback-computer
15. Ranking the risk factors for cesarean: logistic regression analysis of a nationwide study / [S. Mor-Yosef, A. Samueloff, B. Modan, D. Navot, J. G. Schenker] // Obstet Gynecol. – 1990. – Vol. 75(6). – P. 944–947.
Інтернет ресурси:
2. Keras: Deep Learning for humans
3. Kaggle: Your Machine Learning and Data Science Community