Учебно-методический комплекс учебной дисциплины «Базы и хранилища знаний»

Департамент образования города Москвы

Государственное образовательное учреждение

высшего профессионального образования города Москвы

«Московский городской педагогический университет»

Институт математики и информатики

Кафедра прикладной информатики в управлении

Учебно-методический комплекс

учебной дисциплины

«БАЗЫ И ХРАНИЛИЩА ЗНАНИЙ»

230700.68 «Прикладная информатика»

Квалификация (степень) выпускника «магистр».

Программа «Прикладная информатика в образовании».

Форма обучения очная.

Курс 1.

Семестр 2.

Москва

2010

Программа составлена в соответствии с требованиями ФГОС ВПО по направлению подготовки 230700.68 «Прикладная информатика».

Автор: доцент кафедры прикладной информатики в управлении факультета прикладной информатики Института математики и информатики к. в.н., доцент

Рецензенты:

д. т.н., профессор

к. т.н., доцент

Программа одобрена на заседании кафедры прикладной информатики в управлении от «___» ______________ 2011 г., протокол № ___.

Заведующий кафедрой

прикладной информатики в управлении

1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ

Место дисциплины в учебном процессе: 1 курс (2 семестр) по очной форме обучения. Изучение предусмотрено в вариативной части цикла специальных дисциплин магистерской подготовки.

Количество аудиторных часов: 36, из них 8 часов – лекционные занятия, 12 часов – практические занятия, 16 часов – лабораторные работы.

Отчетность по дисциплине: в 1 семестре зачет.

Цель дисциплины: формирование у студентов знаний в области теории систем искусственного интеллекта; выработка практических умений и навыков разработки и эксплуатации баз знаний экспертных систем.

НЕ нашли? Не то? Что вы ищете?

Задачи дисциплины:

□ изучение основных положений теории разработки и эксплуатации баз и хранилищ знаний систем поддержки принятия решений;

□ освоение методов практического извлечения и структурирования знаний;

□ изучение моделей представления знаний в базах и хранилищах знаний;

□ овладение практическими умениями и навыками использования специализированных программных оболочек, предназначенных для создания и модификации баз знаний экспертных систем.

3. ТРЕБОВАНИЯ К РЕЗУЛЬТАТАМ ОСВОЕНИЯ ДИСЦИПЛИНЫ

Для успешного изучения данной дисциплины студенты должны обладать следующими знаниями и компетенциями:

□ основные принципы управления информационными системами;

□ современные методы проектирования и реализации информационных систем;

□ теория и практика использования реляционных систем управления базами данных (СУБД).

Процесс изучения дисциплины направлен на формирование следующих компетенций:

Общекультурные компетенции:

□ способен находить организационно-управленческие решения и готов нести за них ответственность (ОК-4);

Профессиональные компетенции:

□ способен ставить и решать прикладные задачи с использованием современных информационно-коммуникационных технологий (ПК-4);

□ способен осуществлять и обосновывать выбор проектных решений по видам обеспечения информационных систем (ПК-5);

□ способен документировать процессы создания информационных систем на всех стадиях жизненного цикла (ПК-6);

□ способен использовать технологические и функциональные стандарты, современные модели и методы оценки качества и надежности при проектировании, конструировании и отладке программных средств (ПК-7);

□ способен проводить обследование организаций, выявлять информационные потребности пользователей, формировать требования к информационной системе, участвовать в реинжиниринге прикладных и информационных процессов (ПК-8);

□ способен моделировать и проектировать структуры данных и знаний, прикладные и информационные процессы (ПК-9);

□ способен применять к решению прикладных задач базовые алгоритмы обработки информации, выполнять оценку сложности алгоритмов, программировать и тестировать программы (ПК-10);

□ способен принимать участие в создании и управлении ИС на всех этапах жизненного цикла (ПК-11);

□ способен эксплуатировать и сопровождать информационные системы и сервисы (ПК-12);

□ способен анализировать и выбирать методы и средства обеспечения информационной безопасности (ПК-18).

Результаты образования по дисциплине студент должен:

иметь представление:

□ об основных направлениях и тенденциях научных изысканий в области создания и использования баз и хранилищ знаний систем искусственного интеллекта;

знать:

□ историю развития зарубежных и отечественных систем искусственного интеллекта;

□ сравнительную характеристику моделей представления знаний в базах и хранилищах знаний;

□ структуру и классификацию систем, основанных на знаниях;

□ технологию проектирования и разработки баз знаний экспертных систем;

□ коммуникативные и текстологические методы практического извлечения знаний.

□ основные положения теории информационных хранилищ систем поддержки принятия решений

уметь:

□ практически использовать возможности программного инструментария для создания баз знаний экспертных систем;

□ свободно ориентироваться на современном рынке баз и хранилищ знаний информационных систем.

4. ОБЪЕМ ДИСЦИПЛИНЫ И ВИДЫ УЧЕБНОЙ РАБОТЫ

(в часах и зачетных единицах)

Виды учебной работы	В часах (зач. ед)
Трудоемкость (зачетные единицы), в том числе:	72 (2з. е.)
самостоятельная работа	36
в аудитории, из них:	36
лекции;	8
практические занятия;	12
лабораторные работы.	16
индивид. занятия
курсовые экзамены

5. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ И ЕЕ РАЗДЕЛОВ

Тема 1. Введение в базы знаний интеллектуальных систем

Рождение искусственного интеллекта как научного направления. Нейрокибенетика и кибернетика черного ящика. История искусственного интеллекта в России. Направления исследований в области искусственного интеллекта. Классификация знаний. Понятие и структура базы знаний. Понятие и структура хранилища знаний.

Литература: [1, 2]

Тема 2. Модели представления знаний в базах знаний и вывод на знаниях

Модель представления знаний. Классификация моделей представления знаний. Продукционная модель представления знаний (продукции). Семантические сетевые модели представления знаний (семантические сети) в базах знаний. Фреймовые модели представления знаний (фреймы) в базах знаний. Формальные логические модели. Стратегии управления выводом. Прямой и обратный вывод. Методы поиска в глубину и в ширину.

Литература: [1, 2, 3]

Тема 3. Методы практического извлечения знаний

Пассивные коммуникативные методы извлечения знаний (наблюдения, анализ протоколов «мыслей вслух», лекции). Активные индивидуальные методы (анкетирование, интервью, свободный диалог, индивидуальные экспертные игры). Классификация вопросов. Классификация экспертных игр. Активные групповые методы извлечения знаний («мозговой штурм», круглый стол, групповые экспертные игры). Текстологические методы извлечения знаний. Алгоритм извлечения знаний из текста. Простейшие методы структурирования знаний.

Литература: [1, 2, 4]

Тема 4. Базы знаний экспертных систем

Понятие и структура базы знаний экспертной системы. Классификация баз знаний экспертных систем по решаемой задаче. Классификация баз знаний экспертных систем по связи с реальным временем. Классификация по степени интеграции с другими программами. Проблемы проектирования и разработки баз знаний промышленных экспертных систем.

Литература: [1, 4]

Тема 5. Информационные хранилища систем поддержки принятия решений

Основы построения систем поддержки принятия решений. Информационных хранилища – хранилища данных. OLAP-системы. Многомерные OLAP-инструменты в построении баз и хранилищ знаний. Реляционные OLAP-инструменты в построении баз и хранилищ знаний. Гибридные OLAP-инструменты в построении хранилищ знаний. Технологии интеллектуального анализа электронных массивов баз знаний. Методы Data Mining.

Литература: [1, 4]

6. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ

ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

а) основная литература

1. , Хорошевский знаний интеллектуальных систем. Учебник. СПб: Питер, 2008. – 384 с.

2. Р. Левин, Д. Дранг, Б. Эдельсон. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. - М.: Финансы и статистика, 2007.

3. Сырецкий . Фундаментальный курс. Том 2. Информационные технологии и системы. – СПб.: БХВ – Петербург, 2007. – 848с.

б) дополнительная литература

4. Питер Джексон. Введение в экспертные системы. – М.: «Вильямс», 2001. – 624 с.

5. , Червинская и структурирование знаний для экспертных систем. М: Радио и связь. 1992. – 200с.

6. , Ткалич консалтинг. Учебное пособие. Экономика, 2006 – 206с.

7. , и др. Статические и динамические экспертные системы: Учеб. пособие – М.: Финансы и статистика, 1996. - 320с.: ил.;

8. Д. Дюбуа, А. Прад. Теория возможностей. Приложения к представлению знаний в информатике. - М.: Радио и связь, 1990.

9. Р. Левин, Д. Дранг, Б. Эдельсон. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. - М.: Финансы и статистика, 1990.

10. Дж. Элти, М. Кумбс. Экспертные системы. Концепции и примеры. – М.: Финансы и статистика, 1987.

11. http://www. binbank. ru/rus/private/car/infoservice/index. wbp.

в) программное обеспечение современных информационно-коммуникационных технологий

5. Аналитическая платформа Deductor Studio, SQL Server 2005 Enterprise.

7. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ

ДИСЦИПЛИНЫ

Для проведения лекционных занятий требуется аудитория на курс, оборудованная меловой или интерактивной доской, мультимедийным проектором с экраном.

Для проведения лабораторных работ и практических занятий требуется специализированный компьютерный класс с установленными на ПЭВМ аналитической платформой Deductor Studio, SQL Server 2005 Enterprise.

ЧАСТЬ II. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ И ПЛАН

ОСВОЕНИЯ УЧЕБНОЙ ДИСЦИПЛИНЫ

1. КАЛЕНДАРНО-ТЕМАТИЧЕСКИЙ План ОСВОЕНИЯ

ДИСЦИПЛИНЫ

№	Тема	Общая трудоемкость	Самостоятельная работа	Лекции	Практ. занятия	Лаборат. работы	Всего аудиторных	Курсовые экз.
1 семестр
1	Тема 1. Введение в базы знаний интеллектуальных систем	«	16	2			6
2	Тема 2. Модели представления знаний в базах знаний и вывод на знаниях	«	16	4		4	8
3	Тема 3. Методы практического извлечения знаний	«	16	4	10	4	8
4	Тема 4. Базы знаний экспертных систем	«	16	4	«	4	8
5	Тема 5. Информационные хранилища систем поддержки принятия решений	«	20	6	«	4	6
	Форма отчетности:	Зачет
	Итого за 1 семестр	72 (2з. е.)	36	8	12	16	36

3. ОСНОВНОЕ СОДЕРЖАНИЕ ДИСЦИПЛИНЫ

3.1. ЛЕКЦИОННЫЕ ЗАНЯТИЯ

Тема 1. Введение в интеллектуальные информационные системы (2 часа)

Рождение искусственного интеллекта как научного направления. Нейрокибенетика и кибернетика черного ящика. История искусственного интеллекта в России. Направления исследований в области искусственного интеллекта. Классификация знаний. Понятие и структура базы знаний. Понятие и структура хранилища знаний.

Изучив данную тему, студент должен:

знать

- понятие интеллектуальной информационной системы (ИИС);

- классификацию и структуру базы (хранилища) знаний;

- основные свойства баз знаний;

- основные направления исследований в области разработки и проектирования баз и хранилищ знаний;

уметь

- выявлять отличительные особенности баз (хранилищ) знаний.

Литература: [1, 2]

Тема 2. Модели представления знаний в базах и хранилищах знаний (4 часа)

Изучив данную тему, студент должен:

знать:

- модели представления знаний в базах и хранилищах знаний;

- продукционные семантические, фреймовые модели представления знаний в базах и хранилищах знаний;

- стратегии управления выводом;

- технологии прямого и обратного вывода;

уметь:

- разрабатывать модели представления знаний в базах и хранилищах знаний;

- использовать стратегии управления выводом;

владеть:

- навыками осуществления поиска в ширину и глубину.

Литература: [1, 2, 3]

Тема 3. Методы практического извлечения знаний (4 часа)

Изучив данную тему, студент должен:

знать:

- пассивные и активные коммуникативные методы извлечения знаний, предназначенных для загрузки в базы и хранилища знаний;

- активные индивидуальные методы извлечения знаний, предназначенных для загрузки в базы и хранилища знаний;

- активные групповые методы извлечения знаний, предназначенных для загрузки в базы и хранилища знаний;

- текстологические методы извлечения знаний;

уметь:

- использовать алгоритмы извлечения знаний из текста;

- структурировать знания;

владеть:

- навыками использования методов извлечения знаний.

Литература: [1, 2, 4]

Тема 4. Базы знаний экспертных систем (4 часа)

Изучив данную тему, студент должен:

знать:

- понятие и структурные элементы баз и хранилищ знаний;

- проблемы проектирования и разработки баз и хранилищ знаний;

уметь:

- выполнять разработку баз и хранилищ знаний;

владеть:

- навыками разработки баз и хранилищ знаний.

Литература: [1, 4]

Тема 5. Информационные хранилища систем поддержки принятия решений (6 часов)

знать:

- основы построения баз и хранилищ знаний СППР;

- многомерные, реляционные и гибридные OLAP-инструменты;

- методы Data Mining;

уметь:

- использовать многомерные, реляционные и гибридные OLAP-инструменты;

- использовать методы Data Mining;

владеть:

- навыками использования информационных хранилищ СППР.

Литература: [1, 4]

3.2. ЛАБОРАТОРНЫЙ ПРАКТИКУМ

Лабораторная работа № 1. «Создание базы знаний экспертной системы» (4 часа).

Цель работы: изучение интерфейса Exsys CORVID на примере создания базы знаний простейшей экспертной системы.

Задачи работы:

□ овладение процедурой определения и добавления необходимых переменных;

□ выработка умений и навыков построения логических блоков;

□ овладение навыками добавления командных блоков.

Место проведения: специализированный компьютерный класс.

Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная система Windows XP), оболочка Exsys CORVID.

Лабораторная работа № 2. «Улучшение интерфейса пользователя экспертной системы» (4 часа).

Цель работы: изучение возможностей системы Exsys CORVID по форматированию интерфейса пользователя экспертной системы.

Задачи работы:

□ овладение процедурой изменения способа представления результатов работы системы;

□ выработка умений тестирования выполненных изменений, использования активных зон.

Место проведения: специализированный компьютерный класс.

Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная система Windows XP), оболочка Exsys CORVID.

Лабораторная работа № 3. «Усиление логики работы экспертной системы» (4 часа).

Цель работы: усовершенствование логического блока имеющейся экспертной системы.

Задачи работы:

□ овладение процедурой создания новых узлов;

□ выработка умений добавления создаваемых новых узлов в логический блок.

Место проведения: специализированный компьютерный класс.

Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная система Windows XP), оболочка Exsys CORVID.

Лабораторная работа № 4. «Обратная связь в EXYS CORVID» (4 часа).

Цель работы: Изучить возможности EXYS CORVID по организации обратной связи.

Задачи работы:

□ овладение процедурой разложения сложной проблемы на мелкие, легко определяемые сегменты;

□ выработка умений контроля автоматического использования системой новых сегментов.

Место проведения: специализированный компьютерный класс.

Программно-аппаратное обеспечение: ПЭВМ IBM PC (операционная система Windows XP), оболочка Exsys CORVID.

3.3. ПРАКТИЧЕСКИЕ ЗАНЯТИЯ

Практическое занятие № 1 «Методы практического извлечения знаний» (10 часов)

Цель занятия: освоение технологий извлечения и структурирования знаний для баз и хранилищ знаний.

Задачи занятия:

□ изучение индивидуальных активных и пассивных методов извлечения знаний;

□ изучение групповых активных и пассивных методов извлечения знаний;

□ изучение текстологических методов извлечения знаний.

2. МЕТОДИЧЕСКИЕ УКАЗАНИЯ

ПО ВЫПОЛНЕНИЮ И ОФОРМЛЕНИЮ

ЛАБОРАТОРНЫХ РАБОТ

Указания выполнены в виде отдельных брошюр, которые следует получить у ведущего преподавателя.

3. ПРОМЕЖУТОЧНАЯ АТТЕСТАЦИЯ СТУДЕНТОВ

Промежуточная аттестация по дисциплине включает обязательное компьютерное тестирование с использованием тестовой программы «Базы и хранилища знаний». По результатам тестирования производится автоматическое выставление оценка и формирование бланка электронного отчета.

4. ТЕМАТИКА САМОСТОЯТЕЛЬНОЙ РАБОТЫ СТУДЕНТОВ

4.1. ВОПРОСЫ, ТЕМЫ ДОКЛАДОВ ДЛЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ И ДОМАШНИЕ ЗАДАНИЯ

Тема 1. Введение в интеллектуальные информационные системы (16 часов)

Домашнее задание. Подготовьте сообщение посвященное основным направлениям исследований в области искусственного интеллекта.

Литература: [1, 2]

Тема 2. Модели представления знаний в базах и хранилищах знаний (16 часов)

Домашнее задание. Подготовьте сообщение, посвященное моделям представления знаний в базах и хранилищах знаний.

Литература: [1, 2, 3]

Тема 3. Методы практического извлечения знаний (16 часов)

Домашнее задание. Подготовьте сообщение посвященное активным групповым методам извлечения знаний.

Литература: [1, 2, 4]

Тема 4. Базы знаний экспертных систем (16 часов)

Домашнее задание. Подготовьте сообщение по проблемам проектирования и разработки баз и хранилищ знаний.

Литература: [1, 4]

Тема 5. Информационные хранилища систем поддержки принятия решений (20 часов)

Домашнее задание. Подготовьте сообщение или реферат, посвященный использованию OLAP-технологий при работе с базами и хранилищами знаний.

Литература: [1, 4]

4.2. ТЕМЫ ДОКЛАДОВ ПО ДИСЦИПЛИНЕ

1. Латентные структуры знаний и психосемантика.

2. Визуальное проектирование баз знаний.

3. Проектирование гипермедиа баз данных и адаптивных обучающих систем.

4. Программный инструментарий разработки баз знаний.

5. Программный инструментарий разработки хранилищ знаний.

6. Модели жизненного цикла интеллектуальных систем.

7. Языки программирования для искусственного интеллекта.

8. Языки представления знаний в базах знаний.

9. Представление данных и знаний в Интернете.

10. Язык HTML и представление знаний.

11. Системы и средства представления онтологических знаний.

12. Интеллектуальные Интернет-технологии.

13. Программные агенты и мультиагентные системы.

14. Проектирование и реализация агентов и мультиагентных систем.

15. Информационный поиск в среде Интернет.

16. Направления исследований в области искусственного интеллекта.

17. Классификация баз знаний.

18. Классификация моделей представления знаний в базах знаний.

19. Сущность, достоинства и недостатки продукционной модели представления знаний.

20. Семантические сети.

21. Фреймовые модели представления знаний.

22. Формальные логические модели.

23. Стратегии управления выводом.

24. Прямой и обратный вывод.

25. Пассивные коммуникативные методы извлечения знаний.

26. Активные индивидуальные методы извлечения знаний.

27. Активные групповые методы извлечения знаний.

28. Текстологические методы извлечения знаний.

29. Простейшие методы структурирования знаний.

30. OLAP технологии в разработке баз и хранилищ знаний.

4.3. ПРИМЕРНЫЕ ВОПРОСЫ К ЗАЧЕТУ ПО ДИСЦИПЛИНЕ

1. История зарождение искусственного интеллекта.

2. Понятие нейрокибенетики и кибернетики черного ящика.

3. История искусственного интеллекта в России.

4. Направления исследований в области искусственного интеллекта.

5. Классификация баз знаний.

6. Классификация моделей представления знаний в базах знаний.

7. Сущность, достоинства и недостатки продукционной модели представления знаний в базах знаний.

8. Семантические сети.

9. Фреймовые модели представления знаний.

10. Формальные логические модели.

11. Стратегии управления выводом.

12. Прямой и обратный вывод.

13. Методы поиска в глубину и в ширину.

14. Пассивные коммуникативные методы извлечения знаний.

15. Активные индивидуальные методы извлечения знаний.

16. Активные групповые методы извлечения знаний.

17. Текстологические методы извлечения знаний.

18. Простейшие методы структурирования знаний.

19. Понятие и структура экспертной системы.

20. Классификация экспертных систем.

21. Коллектив разработки баз знаний экспертной системы.

22. Технология разработки базы знаний экспертной системы.

23. Проблемы проектирования и разработки баз знаний промышленных экспертных систем.

24. Основы построения систем поддержки принятия решений.

25. Основные положения концепции хранилищ данных.

26. Общая характеристика методов Data Mining.

27. Многомерные OLAP-инструменты.

28. Реляционные OLAP-инструменты.

29. Гибридные OLAP-инструменты.

30. Технологии интеллектуального анализа данных баз знаний.

Наименование

дисциплины / курса

Уровень образования

Статус дисциплины

в рабочем учебном плане

Количество зачетных единиц

Форма отчетности

Семестр

Математические и инструментальные методы

систем поддержки принятия решений

Магистратура

М.1.1

зачет

Смежные дисциплины по учебному плану (бакалавриат):
Хранилища данных.
ВВОДНЫЙ МОДУЛЬ (проверка «остаточных» знаний по смежным дисциплинам)
Тема или задание текущей аттестационной работы	Виды текущей аттестации	Аудиторная или внеаудиторная	Минимальное количество баллов	Максимальное количество баллов



Итого:

БАЗОВЫЙ МОДУЛЬ (проверка знаний и умений по дисциплине)
Тема или задание текущей аттестационной работы	Виды текущей аттестации	Аудиторная или внеаудиторная	Минимальное количество баллов	Максимальное количество баллов
Посещение занятий	Контроль посещения	Аудиторная	3	6
Практическое занятие №1	Устный опрос	Аудиторная	4	8
Лабораторная работа №1	Устный опрос	Аудиторная	5	10
Лабораторная работа №2	Отчет по лабораторной работе	Аудиторная	8	16
Промежуточное тестирование в системе «Прометей»	Тестирование	Аудиторная	4	8
Лабораторная работа №3	Отчет по лабораторной работе	Аудиторная	16	32
Лабораторная работа №4	Отчет по лабораторной работе	Аудиторная	5	10
Итого минимум:	(45)	90
ДОПОЛНИТЕЛЬНЫЙ МОДУЛЬ
Тема или задание текущей аттестационной работы	Виды текущей аттестации	Аудиторная или внеаудиторная	Минимальное количество баллов	Максимальное количество баллов
Доклад по реляционной модели хранения данных	Оценка качества доклада	Внеаудиторная	1	4
Разработка доклада на конференции по проблематике баз и хранилищ данных	Оценка качества доклада	Внеаудиторная	3	6
Или
Доклад по структурам баз знаний	Оценка качества доклада	Внеаудиторная	1	4
Расширенный тест по тематике курса в системе «Прометей»	Тестирование	Внеаудиторная	3	6
Итого максимум:	4	(10)

Необходимый минимум для допуска к промежуточной аттестации 49 баллов.

Дополнительные требования для студентов, отсутствующих на занятиях по уважительной причине: устное собеседование с преподавателем по проблемам лекционного курса и практических занятий, обязательное выполнение всех лабораторных работ, обязательное выполнение двух любых заданий из дополнительного модуля (по выбору преподавателя), представление конспектов лекций.

Учебно-методический комплекс учебной дисциплины «Базы и хранилища знаний»

Домашний очаг

Справочная информация

Техника

Общество

Образование и наука

Мир

Бизнес и финансы