Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

'Документ'
Величина надбавок (скидок) за компенсацию реактивной энергии в процентах от действующего тарифа за активную энергию без НДС Основные понятия и термин...полностью>>
'Документ'
О реформе Европейского суда по правам человека и переменах в российской судебной системе "РГ" рассказал председатель Конституционного суда Р...полностью>>
'Автореферат диссертации'
Работа выполнена на кафедре международных экономических отношений факультета мировой экономики и мировой политики Национального исследовательского уни...полностью>>
'Программа'
В рамках программы "Huygens" голландское государство предоставляет ряд стипендий гражданам России. Название этой программы является сокраще...полностью>>

Аннотация учебной программы дисциплины «Интеллектуальные системы» (2)

Главная > Документ
Сохрани ссылку в одной из сетей:

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

«Новосибирский национальный исследовательский государственный университет»

Факультет информационных технологий

УТВЕРЖДАЮ

_______________________

"_____"__________________20__ г.

Аннотации учебных дисциплин

Наименование магистерской программы

Информационное и программное обеспечение автоматизированных систем

Направление подготовки

230100 Информатика и вычислительная техника

Квалификация (степень) выпускника

Магистр

Новосибирск

2011

    Общенаучный цикл

    Базовая часть

Аннотация учебной программы дисциплины

«Интеллектуальные системы»

Целью дисциплины является подготовка магистров к созданию и применению интеллектуальных автоматизированных информационных систем.

Задачами дисциплины является построение моделей представления знаний, проектирование и разработка экспертных систем, разработка моделей предметных областей.

Дисциплина входит в базовую часть общенаучного цикла М1 образовательной магистерской программы «Технология разработки программных систем» направления подготовки магистров 230100 «ИНФОРМАТИКА И ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА»Изучение данной дисциплины требует следующих компетенций студентов:

  • Владение методиками использования программных средств для решения практических задач,

  • Умение обосновывать принимаемые проектные решения.

  • Владение методами построения и анализа формальных моделей предметных областей

  • Владение теоретическими основами программирования, основами логического и декларативного программирования

  • Владение понятиями синтаксиса и семантики формальных языков. Владение навыками формального представления содержательных знаний средствами формальных языков.

  • Знание современных тенденций развития информационных технологий

  • Владение методами трансляции, компиляции, верификации и статического анализа программ

  • Владение современными средствами управления базами данных, включая средства объектно-реляционного отображения, объектные и иерархические базы данных

Изучение дисциплины направлено на формирование следующих компетенций:

научно-исследовательская деятельность:

  • ПК-1 применять перспективные методы исследования и решения профессиональных задач на основе знания мировых тенденций развития вычислительной техники и информационных технологий;

проектно-конструкторская деятельность:

  • ПК-3 разрабатывать и реализовывать планы информатизации предприятий и их подразделений на основе Web- и CALS-технологий;

  • ПК-5 выбирать методы и разрабатывать алгоритмы решения задач управления и проектирования объектов автоматизации;

    проектно-технологическая деятельность:

  • ПК-6 применять современные технологии разработки программных комплексов с использованием CASE-средств, контролировать качество разрабатываемых программных продуктов.

В результате изучения дисциплины студент должен:

  • Знать:

  • модель представления знаний,

  • подходы и технику решения задач искусственного интеллекта,

  • информационные модели знаний,

  • методы представления знаний,

  • методы инженерии знаний;

  • модели методы формализации, автоформализации и представления знаний;

  • теорию и технологии приобретения знаний, принципы приобретения знаний;

  • математические модели представления знаний, методы работы со знаниями;

  • виды систем поддержки принятия решений;

  • основные понятия, связанные с концепцией системы, основанной на знаниях (интеллектуальная система, база знаний, механизм интерпретации знаний, подсистема объяснения, подсистема приобретения знаний, дедуктивный вывод, прямой и обратный вывод, индуктивный вывод и т. д.);

  • основные понятия, связанные с нейросетевым подходом к построению интеллектуальных информационных систем (искусственный нейрон, синаптические связи, веса синаптических связей, искусственная нейронная сеть — ИНС, обучение ИНС и т. д.)

  • основные понятия и методы мягких вычислений и нечеткого моделирования

  • основные понятия и методы семантического представления и излечения информации в сети Интернет, методы разработки и применения онтологий различных предметных областей

  • Уметь:

  • разрабатывать модели предметных областей

  • разрабатывать методы исследования предметных областей

  • выполнять сравнительный анализ разработанных методов

  • применять методы представления и обработки знаний для решения научных и прикладных задач

  • Владеть:

  • способами формализации интеллектуальных задач

  • способами работы с базами данных и базами знаний

  • инструментальными средствами и технологиями работы со знаниями

  • инструментами и методами формального описания проектных решений

  • базовыми принципами и методологией построения информационных систем (ERP, EAM, MRP, CRM,PLM, САПР, АСУ, АОС и т. д.) как систем, основанных на знаниях

  • Иметь представление:

  • об основных моделях формализации знаний: логических, продукционных, фреймовых, семантических сетях, а также о методах представления и извлечения знаний.

  • Об известных методах и алгоритмах логического вывода на знаниях продукционного типа, стратегии управления ими, а также представлять себе возможные направления их развития

Тематический план курса

Модуль 1 Введение в область ИИ.

Тема 1.1. Область ИИ.

Тема 1.2. Этапы развития и основные направления ИИ.

Модуль 2. Экспертные системы

Тема 2.1. Понятие экспертной системы.

Тема 2.2. Структура ЭС

Тема 2.3. Классификации ЭС.

Тема 2.4. Коллектив разработчиков ЭС.

Тема 2.5. Подходы к созданию ЭС.

Тема 2.6. Методы извлечения знаний.

Тема 2.7. Машина вывода ЭС.

Тема 2.8. Представление неопределенности знаний в ЭС.

Тема 2.9. Компонента объяснения ЭС.

Тема 2.10. Гибридные ЭС.

Модуль 3. Системы поддержки принятия решений

Тема 3.1. Представление процесса принятия решений

Тема 3.2. Эволюция информационных систем

Тема 3.3. Определение систем поддержки принятия решений

Тема 3.4. Разработка систем поддержки принятия решений

Модуль 4. Мягкие вычисления

Тема 4.1. Нечеткое моделирование

Тема 4.2. Искусственные нейронные сети

Тема 4.3. Генетические алгоритмы и эволюционное программирование

Тема 4.4. Гибридные системы

Модуль 5. Инженерия знаний

Тема 4.1. Методы извлечения и представления знаний

Тема 4.2. Онтологии предметных областей. Разработка и применение онтологий.

Тема 4.3. Семантический Веб. Семантические методы представления, поиска и извлечения информации в Интернете.

Аннотация учебной программы дисциплины

«Методы оптимизации»

    Основной целью курса является ознакомление с базовыми математическими моделями и освоение численных методов решения классических экстремальных задач, а также знакомство с современными направлениями развития методов оптимизации. В целом материал курса ориентирован на умение правильно классифицировать конкретную прикладную задачу, выбирать наиболее подходящий метод решения и реализовывать его в виде алгоритма и программы.

Для достижения поставленной цели выделяются задачи курса:

Дать студентам представление об областях применения математического программирования и, в частности, линейного, выпуклого и нелинейного программирования.

Помочь им в изучении симплекс – метода, двойственного симплекс – метода, метода возможных направлений, метода Ньютона, градиентных методов, методов штрафов, метода отсечении Гомори, методов нулевого порядка, метода ветвей и границ, декомпозиции Бендерса, метода Келли.

Научить правильно классифицировать конкретную прикладную задачу, выбирать наиболее подходящий метод её решения и реализовывать его в виде алгоритма и программы.

Изучение данной дисциплины базируется на дисциплинах: «Математический анализ», "Алгебра и геометрия", «Математическая логика», «Дискретная математика».

Изучение дисциплины направлено на формирование следующих общекультурных и профессиональных компетенций:

  • ОК-1, ОК-2, ОК-4

  • ПК-1, ПК-5, ПК-6

В результате изучения дисциплины студент должен:

Знать:

- элементы теории сложности для анализа задач математического программирования: линейного, выпуклого, квадратичного и двухуровневого программирования;

- основы теории многогранных множеств;

- базовые понятия, основные определения теории экстремальных задач и численные методы решения;

- современнные подходы к решению задач линейного и выпуклого программирования

Уметь:

- правильно классифицировать прикладную задачу в терминах математического программирования;

- выбирать подходящий метод решения задачи и анализировать скорость его сходимости;

- профессионально работать с готовыми коммерческими программными продуктами для решения задач линейного и выпуклого программирования;

Владеть навыками:

- классическими методами решения задач математического программирования: методом Ньютона, градиентными методами, методом штрафов, симплекс-методом, методом ветвей и границ;

- методами синтеза алгоритмов решения новых классов задач.

Объем аудиторный занятий составляет 48 часов, из них лекций - 36 часов, 12 часов лабораторных занятий.

Основные разделы курса:

  • Элементы алгоритмической теории экстремальных задач

  • Классификация задач математического программирования

  • Необходимые и достаточные условия оптимальности

  • Элементы лагранжевой теории двойственности

  • Линейное программирование. Численные методы

  • Выпуклое программирование. Численные методы

  • Нелинейное программирование. Численные методы

  • Целочисленное линейное программирование. Численные методы

Лабораторный практикум заключается в приобретении навыков моделирования сложных технико – экономических проблем в виде экстремальных задач в среде современных пакетов типа GAMS и разработке алгоритмов решения средствами этих пакетов.

    Вариативная часть

Аннотация учебной программы дисциплины

"Теория принятия решений"

    Основной целью курса является ознакомление с базовыми математическими моделями и освоение алгоритмов решения дискретных экстремальных задач, а также знакомство с современными направлениями развития теории принятия решений. В целом материал курса ориентирован на умение правильно сформулировать оптимизационную задачу, классифицировать её, определить вычислительную сложность задачи и выбрать или разработать наиболее подходящий метод решения, реализовать его в виде алгоритма и программы.

Для достижения поставленной цели выделяются задачи курса:

Дать студентам представление о классах задачах, которыми занимается теория принятия решений (исследование операций), способах моделирования дискретных задач, точных и приближенных методах решения, оценки качества и вычислительной сложности алгоритмов. Помочь студентам в математическом моделировании задач смешанного целочисленного программирования, задач размещения, календарного планирования, упаковки, задач о рюкзаке, в изучении эвристических алгоритмов: имитации отжига, локальном поиске, алгоритме муравьиных колоний, генетическом алгоритме, в изучении точных методов: ветвей и границ, динамического программирования.

Научить строить математические модели сложных производственно-экономических процессов, правильно классифицировать конкретную прикладную задачу, выбирать наиболее подходящий метод решения и реализовывать его в виде алгоритмов, включая возможности современных пакетов типа GAMS.

Изучение данной дисциплины базируется на дисциплинах: «Математическая логика», «Дискретная математика», « Теория алгоритмов» и «Методы оптимизации».

Изучение дисциплины направлено на формирование следующих общекультурных и профессиональных компетенций:

  • ОК-1, ОК-2, ОК-4

  • ПК-1, ПК-3, ПК-7, ПК-11, ПК-13

В результате изучения дисциплины студент должен:

Знать

- элементы теории сложности для анализа NP-трудных задач;

- основы теории алгоритмов комбинаторной оптимизации и вычислительную сложность;

- базовые понятия и определения, математические модели классических задач исследования операций численные методы и подходы к их решению;

- современные подходы к решению актуальных задач в области теории принятия решений;

Уметь

- правильно формулировать прикладную задачу в виде математической модели;

- выбирать подходящий метод решения и реализовывать его в виде алгоритмов и программ;

- профессионально работать с готовыми коммерческими программными продуктами для решения дискретных оптимизационных задач (GAMS, CPLEX и др.);

Владеть

- общими численными методами решения задач дискретной оптимизации;

- теорией алгоритмов решения задач размещения, составления расписаний, календарного планирования, теорией игр, раскроя и упаковки, маршрутизации

Основные разделы курса:

  • Предмет и метод теории принятия решений. Математические модели. Экстремальные задачи. Системы поддержки принятия решений. Классификация задач математического программирования.

  • Метод динамического программирования.

  • Задачи о рюкзаке. Задачи раскроя и упаковки. Модели календарного планирования. Задачи маршрутизации. Задачи о покрытии. Игровые задачи размещения. Задачи двухуровневого программирования и равновесия Штаккельберга.

  • Приближенные алгоритмы с оценками. Аппроксимационные схемы. Эвристики: алгоритмы локального, алгоритм локального поиска с чередующимися окрестностями, генетический алгоритм, алгоритм имитации отжига, алгоритм муравьиных колоний.

  • Классификация задач теории расписаний. Задачи на одной машине. Алгоритм Лаулера. Перестановочный прием. Задачи на параллельных машинах.

  • Теория матричных игр. Чистые и смешанные стратегии. Теорема Фон-Неймана. Дилемма о заключенных.

  • Вычислительная сложность задач. Основные классы вычислительной сложности.

  • Теория матроидов. Пересечение матроидов.

Семинарские занятия включают практикум по приобретению навыков моделирования сложных производственно-экономических проблем в виде оптимизационных задач в среде современных пакетов типа GAMS и разработке алгоритмов решения средствами этих пакетов.

Аннотация учебной программы дисциплины

«Теория нечетких множеств»

Дисциплина «Теория нечетких множеств» предназначена для того, чтобы изложив и закрепив соответствующий комплекс знаний, сформировать у обучающихся цельное представление об основных нечетких технологиях, используемых для поддержки принятия решений в различных областях человеческой деятельности.

В соответствии с назначением целью изучения дисциплины является изложение теоретических аспектов теории нечетких множеств и практических результатов использования нечетких технологий для обработки слабоструктурированной информации для определения эффективных решений.

Исходя из данной цели, в процессе изучения дисциплины решаются следующие задачи:

  • усвоение основных понятий, категорий, терминов и определений, относящихся к нечетким технологиям;

  • усвоение методов прогнозирования на основе нечетких технологий;

  • усвоение существа основных нечетких методов диагностики в решении разнообразных прикладных задач;

  • усвоение программных комплексов, в основе которых лежат нечеткие технологии, позволяющих решать различные экспертно-аналитические задачи;

  • усвоение основных понятий, связанных с нечеткими базами данных и нечеткими компьютерами;

  • усвоение методов и подходов для описания нечетких ситуаций или объектов с помощью лингвистических переменных.

Дисциплина входит в вариативную часть общенаучного цикла магистерской программы «Информационное и программное обеспечение автоматизированных систем» направления подготовки 230100 Информатика и вычислительная техника.

Изучение данной дисциплины базируется на следующих курсах: «Математическая логика», «Неклассические логики», «Программирование», «Математический анализ», «Теория вероятностей», «Базы данных». Дисциплина является предшествующей для написания магистерской диссертации.

Изучение дисциплины направлено на формирование следующих общекультурных и профессиональных компетенций:

общекультурные компетенции:

  • способностью совершенствовать и развивать свой интеллектуальный и общекультурный уровень ;

  • способностью к самостоятельному обучению новым методам исследования, к изменению научного и научно-производственного профиля своей профессиональной деятельности ;

  • способностью самостоятельно приобретать с помощью информационных технологий и использовать в практической деятельности новые знания и умения, в том числе в новых областях знаний, непосредственно не связанных со сферой деятельности ;

профессиональные компетенции :

научно-исследовательская деятельность:

  • способность применять перспективные методы исследования и решения профессиональных задач на основе знания мировых тенденций развития вычислительной техники и информационных технологий;

проектно-конструкторская деятельность:

  • способностью выбирать методы и разрабатывать алгоритмы решения задач управления и проектирования объектов автоматизации

  • готовность участия в анализе технических заданий на проектирование, в выполнении технических и рабочих проектов автоматизированных систем с учетом действующих нормативных и методических документов;

По окончанию изучения дисциплины слушатель должен:

иметь представление о круге проблем и задачах, связанных с проблематикой курса, о возможных подходах к их решению на основе нечетких технологий, о научных результатах, являющихся основой учебной дисциплины, о месте данной дисциплины среди других, об основных областях практического применения полученных знаний;

знать объект, предмет, основные понятия, категории, термины, определения, фактологический материал, признаки, параметры, характеристики и свойства объекта и предмета изучения, средства, методы и способы решения задач, классификацию, критерии, оценки и границы применимости нечетких технологий;

уметь вычленять предметную область дисциплины, выдвигать гипотезы о причинах возникновения конкретных ситуаций и возможных вариантах их изменения и последствий, определять и оценивать признаки, параметры и характеристики, выбирать способы, методы и средства для решения, прогнозировать развитие событий, анализировать, обобщать и интерпретировать полученные результаты.

Объем необходимого учебного времени – 3 зачетных ед. (108 часов), из них аудиторных – 36 часов. Форма окончательного контроля – экзамен.

Дисциплина включает следующие разделы:

  • Нечеткие множества.

  • Нечеткие отношения и их применение к анализу сложных систем.

  • Принятие решений при нечетком отношении предпочтения на множестве альтернатив.

  • Понятие лингвистической переменной.

  • Нечеткая логика и нечеткие модели.

  • Нечеткие языки.

  • Нечеткие компьютеры.

  • Применение теории нечетких множеств в автоматизированных системах управления технологическими процессами

Лабораторный практикум включает работы по освоению нечетких языков программирования и нечетких баз данных, а также решению задач идентификации и диагностики в нечетких системах.

    Дисциплины по выбору студента

Аннотация учебной программы дисциплины

Английский язык

Цель дисциплины - развития у обучаемых общеязыковых и профессионально-ориентированных лингвокоммуникативных навыков, а также умений и навыков письменного перевыражения иностранного текста на русском языке в виде полноценного письменного перевода или устного резюме заданного объема.

Задачами дисциплины являются: совершенствование навыков и умений чтения, говорения, письма и перевода, аудирования; овладение лексическим запасом, обеспечивающим эффективную иноязычную коммуникацию в рамках профессиональной деятельности, ознакомление с основами культуры делового общения и ведения профессиональной документации на иностранном языке

Изучение данной дисциплины требует следующих компетенций студентов:

  • владеет одним из иностранных языков на уровне не ниже разговорного ;

в следующем объеме:

Уровень «знать»:

  • основные грамматические явления, характерные для английского языка; лексический минимум в объеме 3000-4000 единиц общего и терминологического характера;

  • о роли невербального общения (нормах и правилах поведения в инокультурной среде) в бытовой и профессиональной сферах;



Скачать документ

Похожие документы:

  1. Аннотация учебной программы дисциплины «Интеллектуальные системы» (1)

    Документ
    Задачами дисциплины является построение моделей представления знаний, проектирование и разработка экспертных систем, разработка моделей предметных областей.
  2. Аннотация учебной программы дисциплины «Интеллектуальные системы» (3)

    Документ
    Задачами дисциплины является построение моделей представления знаний, проектирование и разработка экспертных систем, разработка моделей предметных областей.
  3. Аннотация учебной программы дисциплины "Интеллектуальные системы" (1)

    Документ
    Дисциплина входит в базовую часть общенаучного цикла образовательной программы магистра. Изучение данной дисциплины базируется на базовых знаниях поступающего в магистратуру.
  4. Аннотация учебной программы дисциплины "Интеллектуальные системы" (2)

    Документ
    Дисциплина входит в базовую часть общенаучного цикла образовательной программы магистра. Изучение данной дисциплины базируется на базовых знаниях поступающего в магистратуру.
  5. Аннотация примерной программы дисциплины «Информационные технологии и инфокоммуникации» Рекомендуется для направления подготовки

    Документ
    Целью преподавания дисциплины является изучение студентами особенностей современных инфокоммуникационных технологий. В результате изучения дисциплины у студентов должны сформироваться знания, умения и навыки, позволяющие понимать

Другие похожие документы..