РОССИЙСКАЯ ФЕДЕРАЦИЯ
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ
Государственное образовательное учреждение
высшего профессионального образования
ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
Институт математики, естественных наук и информационных технологий
«УТВЕРЖДАЮ»:
Проректор по учебной работе
_______________________ /Волосникова Л.М./
__________ _____________ 2011 г.
Интеллектуальные информационные технологии
Учебно-методический комплекс. Рабочая программа
для студентов направления 230700.68 «Прикладная информатика» магистерской программы "Прикладная информатика в экономике" очной формы обучения
«ПОДГОТОВЛЕНО К ИЗДАНИЮ»:
Автор (ы) работы _____________________________/Кугаевских А.В./
«______»___________2011 г.
Рассмотрено на заседании кафедры информационных систем 12.04.2011 №10. Соответствует требованиям к содержанию, структуре и оформлению.
«РЕКОМЕНДОВАНО К ЭЛЕКТРОННОМУ ИЗДАНИЮ»:
Объем _________стр.
Зав. кафедрой ______________________________/Ивашко А.Г./
«______»___________ 2011 г.
Рассмотрено на заседании УМК института математики, естественных наук и информационных технологий 21.04.2011 №1
Соответствует ФГОС ВПО и учебному плану образовательной программы.
«СОГЛАСОВАНО»:
Председатель УМК ________________________/Глухих И.Н./
«______»_____________2011 г.
«СОГЛАСОВАНО»:
Зав. методическим отделом УМУ_____________/Федорова С.А./
«______»_____________2011 г.
РОССИЙСКАЯ ФЕДЕРАЦИЯ МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ
Государственное образовательное учреждение
высшего профессионального образования
ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
Институт математики, естественных наук и информационных технологий Кафедра информационных систем
Кугаевских А. В.
Интеллектуальные информационные технологии
Учебно-методический комплекс. Рабочая программа
для студентов направления 230700.68 «Прикладная информатика» магистерской программы "Прикладная информатика в экономике" очной формы обучения
Тюменский государственный университет
2011
Кугаевских А. В. Интеллектуальные информационные технологии учебно-методический комплекс. Рабочая программа для студентов направления 230700.68 «Прикладная информатика» магистерской программы "Прикладная информатика в экономике" очной формы обучения. Тюмень, 2011, 8 стр.
Рабочая программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и ПрООП ВПО по направлению и профилю подготовки.
Рабочая программа дисциплины опубликована на сайте ТюмГУ: Интеллектуальные информационные системы и технологии [электронный ресурс] / Режим доступа: http://www.umk3.utmn.ru., свободный.
Рекомендовано к изданию кафедрой информационных систем. Утверждено проректором по учебной работе Тюменского государственного университета.
ОТВЕТСТВЕННЫЙ РЕДАКТОР: заведующий кафедрой информационных систем, д.т.н., профессор А.Г. Ивашко
© Тюменский государственный университет, 2011.
© Кугаевских А.В., 2011.
1. Пояснительная записка
Цели и задачи дисциплины
Целью данной дисциплины является формирование у студентов знаний в области современных и перспективных интеллектуальных систем и принципов их построения, а также знаний по применению современных алгоритмов и технологий интеллектуальной обработки данных.
Задачи: ознакомить студентов с современным состоянием исследований в области искусственного интеллекта, робототехники и применения интеллектуальных алгоритмов к задачам анализа данных, дать основы для самостоятельной разработки новых интеллектуальных алгоритмов.
Место дисциплины в структуре ООП бакалавриата
Б. 3 Базовая (общепрофессиональная) часть.
Является продолжением дисциплины «Технологии искусственного интеллекта в управлении».
Для успешного освоения дисциплины требуются знания основ объектно-ориентированного программирования и синтаксиса языков программирования семейства C.
Компетенции выпускника ООП бакалавриата, формируемые в результате освоения данной ООП ВПО.
В результате освоения ООП бакалавриата выпускник должен обладать следующими компетенциями: способность проводить техническое проектирование (ПК-2); способность проводить моделирование процессов и систем (ПК-5); способность оценивать надежность и качество функционирования объекта проектирования (ПК-6); способность к проектированию базовых и прикладных информационных технологий (ПК-11); способность разрабатывать средства реализации информационных технологий (методические, информационные, математические, алгоритмические, технические и программные) (ПК-12); способность использовать знание основных закономерностей функционирования биосферы и принципов рационального природопользования для решения задач профессиональной деятельности (ПК-14); способность проводить сбор, анализ научно-технической информации, отечественного и зарубежного опыта по тематике исследования (ПК-23); способность участвовать в постановке и проведении экспериментальных исследований (ПК-24); способность обосновывать правильность выбранной модели, сопоставляя результаты экспериментальных данных и полученных решений (ПК-25); готовность использовать математические методы обработки, анализа и синтеза результатов профессиональных исследований (ПК-26); способность оформлять полученные рабочие результаты в виде презентаций, научно-технических отчетов, статей и докладов на научно-технических конференциях (ПК-27); способность формировать новые конкурентоспособные идеи и реализовывать их в проектах (ПК-28).
В результате освоения дисциплины обучающийся должен:
Знать: основные виды, особенности функционирования и области применения систем искусственного интеллекта; основные методы построения интеллектуальных систем.
Уметь: проводить анализ предметной области и определять задачи, для решения которых целесообразно использование технологий интеллектуальных систем; определять назначение, выбирать методы и средства для построения прикладных интеллектуальных систем.
Владеть: навыками разработки интеллектуальных систем с использованием всех достижений науки и навыками разработки новых алгоритмов и технологий систем искусственного интеллекта.
Структура и трудоемкость дисциплины.
Семестр: 7.
Форма промежуточной аттестации: экзамен.
Общая трудоемкость дисциплины составляет 5 зачетных единиц 180 часов.
Тематический план.
Таблица 1.
Тематический план
№
|
Тема
|
недели семестра
|
Виды учебной работы и самостоятельная работа, в час.
|
из них в интерактивной форме, в час.
|
Итого часов по теме
|
Итого количество баллов
|
Лекции
|
Лабораторные занятия
|
Самостоятельная работа
|
1
|
2
|
3
|
4
|
6
|
7
|
8
|
9
|
10
|
|
Модуль 1
|
|
|
|
|
|
|
|
1.
|
Современное состояние исследований в области искусственного интеллекта и робототехники.
|
1-2
|
4
|
3
|
4
|
0
|
11
|
0-6
|
2.
|
Многоагентные системы
|
3
|
2
|
4
|
4
|
1
|
10
|
0-12
|
3.
|
Интеллектуальный анализ данных. Кластеризация
|
4
|
2
|
6
|
10
|
1
|
18
|
0-12
|
|
Всего
|
4
|
8
|
13
|
18
|
2
|
39
|
0-30
|
|
Модуль 2
|
|
|
|
|
|
|
|
1.
|
Распознавание образов. Бустинг
|
5-7
|
6
|
4
|
12
|
1
|
22
|
0-5
|
2.
|
Генетические алгоритмы
|
8
|
2
|
4
|
12
|
1
|
18
|
0-10
|
3.
|
Искусственные нейронные сети
|
9-10
|
4
|
9
|
17
|
1
|
30
|
0-15
|
|
Всего
|
6
|
12
|
17
|
41
|
3
|
70
|
0-30
|
|
Модуль 3
|
|
|
|
|
|
|
|
1.
|
Автоматизация рассуждений
|
11-12
|
4
|
7
|
12
|
1
|
23
|
0-10
|
2.
|
Алгоритмы принятия решений
|
13-14
|
4
|
7
|
12
|
1
|
23
|
0-15
|
3.
|
Автоматическое планирование поведения агента
|
15-17
|
6
|
7
|
12
|
2
|
25
|
0-15
|
|
Всего
|
7
|
14
|
21
|
36
|
4
|
71
|
0-40
|
|
Итого (часов, баллов):
|
17
|
34
|
51
|
95
|
9
|
180
|
0 – 100
|
|
из них часов в интерактивной форме
|
|
0
|
5
|
4
|
9
|
|
|
Таблица 2.
Виды и формы оценочных средств в период текущего контроля
№ темы
|
Устный опрос
|
Письменные работы
|
Технические формы контроля
|
Итого количество баллов
|
собеседование
|
лабораторная работа
|
реферат
|
комплексные ситуационные задания
|
Модуль 1
|
|
|
|
|
|
1.
|
0-1
|
0-3
|
0-2
|
|
0-6
|
2.
|
0-2
|
0-6
|
0-2
|
0-2
|
0-12
|
3.
|
0-2
|
0-6
|
0-2
|
0-2
|
0-12
|
Всего
|
0-5
|
0-15
|
0-6
|
0-4
|
0-30
|
Модуль 2
|
|
|
|
|
|
1.
|
0-1
|
0-1
|
0-1
|
0-2
|
0-5
|
2.
|
0-1
|
0-7
|
0-2
|
|
0-10
|
3.
|
0-1
|
0-9
|
0-2
|
0-3
|
0-15
|
Всего
|
0-3
|
0-17
|
0-5
|
0-5
|
0-30
|
Модуль 3
|
|
|
|
|
|
1.
|
0-1
|
0-4
|
0-2
|
0-3
|
0-10
|
2.
|
0-1
|
0-9
|
0-2
|
0-3
|
0-15
|
3.
|
0-1
|
0-9
|
0-2
|
0-3
|
0-15
|
Всего
|
0-3
|
0-22
|
0-6
|
0-9
|
0-40
|
Итого
|
0-11
|
0-54
|
0-17
|
0-18
|
0 – 100
|
Таблица 3.
Планирование самостоятельной работы студентов
№
|
Модули и темы
|
Виды СРС
|
Неделя семестра
|
Объем часов
|
Кол-во баллов
|
обязательные
|
дополнительные
|
Модуль 1
|
|
|
|
|
|
1.1
|
Современное состояние исследований в области искусственного интеллекта и робототехники.
|
Проработка лекций;
|
Реферат
|
1-2
|
4
|
0-6
|
1.2
|
Многоагентные системы
|
Проработка лекций; Выполнение заданий по программам практикумов;
|
Реферат; Анализ ситуаций;
|
3
|
4
|
0-12
|
1.3
|
Интеллектуальный анализ данных. Кластеризация
|
Проработка лекций; Выполнение заданий по программам практикумов;
|
Реферат; Анализ ситуаций;
|
4
|
10
|
0-12
|
|
Всего по модулю 1:
|
|
0-30
|
Модуль 2
|
|
|
|
|
|
2.1
|
Распознавание образов. Бустинг
|
Проработка лекций; Выполнение заданий по программам практикумов;
|
Реферат; Анализ ситуаций;
|
5-7
|
12
|
0-5
|
2.2
|
Генетические алгоритмы
|
Проработка лекций; Выполнение заданий по программам практикумов;
|
Реферат
|
8
|
12
|
0-10
|
2.3
|
Искусственные нейронные сети
|
Проработка лекций; Выполнение заданий по программам практикумов;
|
Реферат; Анализ ситуаций;
|
9-10
|
17
|
0-15
|
|
Всего по модулю 2:
|
|
0-30
|
Модуль 3
|
|
|
|
|
|
3.1
|
Автоматизация рассуждений
|
Проработка лекций; Выполнение заданий по программам практикумов;
|
Реферат; Анализ ситуаций;
|
11-12
|
12
|
0-10
|
3.2
|
Алгоритмы принятия решений
|
Проработка лекций; Выполнение заданий по программам практикумов;
|
Реферат; Анализ ситуаций;
|
13-14
|
12
|
0-15
|
3.3
|
Автоматическое планирование поведения агента
|
Проработка лекций; Выполнение заданий по программам практикумов;
|
Реферат; Анализ ситуаций;
|
15-17
|
12
|
0-15
|
|
Всего по модулю 3:
|
|
0-40
|
|
ИТОГО:
|
|
0-100
|
Разделы дисциплины и междисциплинарные связи с обеспечиваемыми (последующими) дисциплинами
№ п/п
|
Наименование обеспечиваемых (последующих) дисциплин
|
Темы дисциплины необходимые для изучения обеспечиваемых (последующих) дисциплин
|
1.1
|
1.2
|
1.3
|
2.1
|
2.2
|
2.3
|
3.1
|
3.2
|
3.3
|
1.
|
Технологии искусственного интеллекта в управлении
|
+
|
|
+
|
|
|
|
+
|
+
|
|
2.
|
Методы и средства принятия решений
|
|
|
|
|
|
|
|
+
|
|
Содержание дисциплины.
Модуль 1.
Тема 1.1. Понятие интеллектуальной информационной системы, основные свойства. Области применения и классификация ИИС. Современное состояние исследований в области искусственного интеллекта и робототехники. Тест Тьюринга.
Тема 1.2. Многоагентные системы. Понятие многоагентных систем. Программирование на примере библиотеки Jade.
Тема 1.3. Интеллектуальный анализ данных. Основные области применения. Классификация алгоритмов. Алгоритмы кластеризации (k-средних, Fuzzy C-means и др.).
Модуль 2.
Тема 2.1. Распознавание образов. Классификация образов и алгоритмов их распознавания. Бустинг. Описание алгоритма усиления Gentle AdaBoost. Применение на примере распознавания изображений и поиска лиц на изображении. Машины опорных векторов. Описание ядерных машин опорных векторов. Скрытые марковские модели. Применение на примере распознавания рукописного ввода символов и распознавания речи.
Тема 2.2. Генетические алгоритмы (назначение, основные этапы, классификация операторов кроссовера).
Тема 2.3. Искусственные нейронные сети (назначение, классификация, понятие формального нейрона). Многослойный перцептрон. Сети свертки (неокогнитрон, LeNet-5). Карты Кохонена.
Модуль 3.
Тема 3.1. Автоматизация рассуждений. Дедуктивный вывод. Индуктивный вывод методом JSM. Автоматическое порождение гипотез.
Тема 3.2. Алгоритмы принятие решений.
Тема 3.3. Алгоритмы автоматического планирования поведения агента. Формирование стратегий действий.
Темы лабораторных работ (Лабораторный практикум).
Разработка простейшей многоагентной системы
Нечеткая кластеризация Fuzzy C-means
Бустинг на примере алгоритма Gentle AdaBoost для распознавания ситуаций
Разработка генетических алгоритмов для решения различных задач
Многослойный перцептрон для распознавания букв
ИНС LeNet-5 для распознавания букв
Машины опорных векторов для распознавания букв
Скрытые марковские модели (HMM) для распознавания речи
Реализация метода JSM
Учебно - методическое обеспечение самостоятельной работы студентов. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины.
Методическое пособие по выполнению лабораторных работ.
Комплект электронных контрольно-измерительных материалов
Вопросы к экзамену:
Понятие интеллектуальной системы, основные свойства
Теории искусственного интеллекта
Тест Тьюринга и его варианты
Области применения ИИС и их классификация
Многоагентные системы (понятие, основные элементы)
Кластеризация данных (основные алгоритмы)
Основы интеллектуального анализа данных
Распознавание образов (понятие, основные алгоритмы)
Бустинг
Машины опорных векторов
Скрытые марковские модели для распознавания образов
Генетические алгоритмы
Искусственные нейронные сети (понятие, классификация)
Понятие формального нейрона. Классификация функций активации
Многослойный перцептрон
Сети свертки
Карты Кохонена
Автоматизация рассуждений (основные алгоритмы)
Метод JSM
Основные алгоритмы принятия решений
Примерные темы рефератов:
Передовые разработки в области робототехники
Основные теории организации ИИ (алгоритмическая, нейроморфные структуры и др.)
Применение ИИ для анализа бизнес-данных
Многозначные логики и их применение в автоматизации рассуждений
Алгоритмы решения задач
Робоэтика
Образовательные технологии
В рамках учебного курса предусматривается разбор конкретных ситуаций (комплексные ситуационные задания) по темам 1.2, 1.3, 2.1, 2.3 и 3.1-3.3.
Предусмотрены интерактивные формы проведения занятий:
компьютерное моделирование и анализ результатов;
организация дискуссий и круглых столов;
проведение семинаров в диалоговом режиме.
Учебно-методическое и информационное обеспечение дисциплины.
9.1. Основная литература:
Автоматическое порождение гипотез в интеллектуальных системах / Сост. Е.С. Панкратова, В.К. Финн. - М.: Либроком, 2009
ДСМ-метод автоматического порождения гипотез. Логические и эпистемологические основания / Сост. О.М. Аншаков, Е.Ф. Фабрикантова. - М.: Либроком, 2009
Барсегян А.А. Анализ данных и процессов. – СПб.: БХВ-Петербург, 2009
Вагин В.Н. и др. Достоверный и правдоподобный вывод в интеллектуальных системах. - Физматлит, 2008
Рассел С., Норвиг П. Искусственный интеллект. Современный подход. - Вильямс, 2007
Люгер Дж. Искусственный интеллект. Стратегии и методы решения сложных проблем. - Вильямс, 2005
Осипов Г.С. Лекции по искусственному интеллекту. - Красанд, 2009
Хайкин С. Нейронные сети. Полный курс. - Вильямс, 2006
Пегат А. Нечеткое моделирование и управление. - Бином, 2009
Лю Б. Теория и практика неопределенного программирования. - Бином, 2009
9.2. Дополнительная литература:
Жданов А.А. Автономный искусственный интеллект. - М.: Бином, 2009
Рапопорт Г.Н., Герц А.Г. Биологический и искусственный разум. Часть 1. Сознание, мышление и эмоции. - М.: Либроком, 2011
Рапопорт Г.Н., Герц А.Г. Биологический и искусственный разум. Часть 2. Модели сознания. Может ли робот любить, страдать и иметь другие эмоции? - М.: Либроком, 2011
Форсайт Д. Компьютерное зрение. Современный подход. - Вильямс, 2004
Бишоп О. Настольная книга разработчика роботов. - МК-Пресс, 2010
Юревич Е.И. Основы робототехники. – СПб.: БХВ-Петербург, 2010
Шамис А.Л. Пути моделирования мышления. Активные синергические нейронные сети, мышление и творчество, формальные модели поведения и "распознавания с пониманием". - КомКнига, 2006
Minsky M. The emotion machine. NY: Simon&Schuster, 2006
9.3. Программное обеспечение и Интернет – ресурсы:
Технические средства и материально-техническое обеспечение дисциплины.
Лекционная аудитория с проектором.
Компьютерный класс.
|
