СТАНДАРТ ОРГАНИЗАЦИИ
Система качества АлтГТУ
Образовательный стандарт
высшего профессионального образования АлтГТУ
ОБРАЗОВАТЕЛЬНЫЙ СТАНДАРТ
УЧЕБНОЙ ДИСЦИПЛИНЫ
«Инженерия знаний и системы искусственного интеллекта »
231000.68 «Программная инженерия» М1.Б2
(направление подготовки) (код дисциплины)
ФГБОУ ВПО «Алтайский государственный технический университет
им. И. И. Ползунова»
Предисловие
1 РАЗРАБОТАН кафедрой прикладной математики АлтГТУ им. И. И.Ползунова.
2 Стандарт дисциплины разработан на основе учебных планов и ФГОС ВПО № 000 тех/дс от 01.01.2001 для направления подготовки 231000.68 «Программная инженерия» квалификация (степень) магистр.
3 Стандарт дисциплины «Инженерия знаний и системы искусственного интеллекта» по своему назначению, структуре и содержанию полностью соответствует требованиям УМКД.
4 Введен впервые.
Содержание
1 Область применения ……………………………………………………………........ | 1 |
2 Общие сведения о дисциплине. Паспорт дисциплины ………………………... | 1 |
2.1 Выписка из рабочего учебного плана ООП…………………………………….. 2.2 Цели и задачи освоения дисциплины. …………………………………………. 2.3 Место дисциплины в структуре ООП направления (специальности) …….. 2.4 Требования к результатам освоения дисциплины ………………………….. 2.5 Объем и виды занятий по дисциплине……………………………………….. | 1 2 2 2 4 |
3 Рабочая программа дисциплины…………………………………………………… 3.1 Содержание дисциплины…………………………………………………………. 3.1.1 Тематический план дисциплины……………………………………………… 3.1.2 Учебно-методическое и информационное обеспечение дисциплины… | 4 4 4 7 |
3.1.3 Формы и содержание текущей и промежуточной аттестации по дисциплине 3.1.4 Учебно-методическая карта дисциплины………………………………….. | 8 9 |
3.2 Условия освоения и реализации дисциплины………………………………. 3.2.1 Методические рекомендации студентам по изучению дисциплины …. | 9 9 |
3.2.2 Организация самостоятельной работы студентов……………… ……….. | 10 |
3.2.3 Методические рекомендации преподавателю дисциплины….. ………... | 11 |
3.2.4 Образовательные технологии………………………………………………… 3.2.5 Особенности преподавания дисциплины…………………………………… | 12 12 |
3.2.6 Материально-техническое обеспечение дисциплины……………………. 4 Лист согласования рабочей программы дисциплины…………………………… 5 Изменения к стандарту дисциплины…………………………………………. …..... Приложение А Методические указания к лабораторным работам Приложение Б Примеры заданий на расчетное задание Приложение В Комплект оценочных средств (контролирующих материалов) по дисциплине Приложение Г Силлабус (памятка) учебной дисциплины | 13 14 14 16 20 22 33 |
Стандарт организации
Система качества АлтГТУ
Образовательный стандарт высшего
профессионального образования АлтГТУ
ОБРАЗОВАТЕЛЬНЫЙ СТАНДАРТ Введён впервые
УЧЕБНОЙ ДИСЦИПЛИНЫ
__« Инженерия знаний и системы искусственного интеллекта» ___
(наименование дисциплины)
1 Область применения
1.1 Стандарт дисциплины устанавливает общие требования к содержанию, структуре, объему дисциплины «Инженерия знаний и системы искусственного интеллекта» и условиям ее реализации в АлтГТУ.
1.2 Действие стандарта распространяется:
- на студентов, обучающихся в магистратуре по направлению 231000.68 “Программная инженерия“;
- на преподавателей и сотрудников структурных подразделений, задействованных в образовательном процессе по дисциплине.
2 Общие сведения о дисциплине. Паспорт дисциплины
2.1 Выписка из рабочего учебного плана ООП
№ п. п. | Наименование циклов и дисциплин | Распределение по семестрам | Трудо-ёмкость | Часы учебных занятий |
| |||||||||||
Всего | Всего без СРС в период сессий | Аудиторные занятия | Из них | СРС | ||||||||||||
экзамены | зачеты | Курсовые проекты (работы) | Расчетные задания | ФГОС | РУП | Лекции | Лабораторные занятия | Практические | В семестре | В период сессий В | ||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 |
|
М.1 | Общенаучный цикл |
| ||||||||||||||
Базовая часть |
| |||||||||||||||
Б2 | Инженерия знаний и системы искусственного интеллекта | 1 | 1 | 5 | 5 | 180 | 144 | 45 | 15 | 30 | 0 | 99 | 36 |
| ||
Продолжение таблицы
Распределение по курсам | Кафедра | Перечень реализуемых компетенций | В интерактивной форме |
| |||||||||
I курс | II курс | III курс | IV курс |
| |||||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| |||||
Недель в семестре |
| ||||||||||||
15 | 10 | 15 | 17 |
| |||||||||
Часов в неделю (лекции/лаб. зан./ практ. зан) / Часов СРС в семестре |
| ||||||||||||
17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | |||
1 2 0 99 | ПМ | ОК6, ПК6 | 2 |
| |||||||||
2.2 Цели и задачи освоения дисциплины
Целью курса "Инженерия знаний и системы искусственного интеллекта" является изучение основ построения и исследования математических моделей проблемных ситуаций, систем распознавания образов и принципов функционирования различных моделей нейрокомпьютерных систем, методов их обучения, анализу их применимости в различных областях деятельности человека.
2.3 Место дисциплины в структуре ООП направления (специальности)
1. Дисциплина «Инженерия знаний и системы искусственного интеллекта» рассчитан на студентов, имеющих подготовку по курсам программирования, объектно-ориентированного программирования, вычислительным методам, компьютерным сетям.
2. Изучение дисциплин «Нечеткое моделирование и системы принятия решений» (3 семестр); «Интеллектуальные технологии обработки изображений» (2 семестр) опирается на данную дисциплину.
Изучается в 1 семестре
2.4 Требования к результатам освоения дисциплины
В результате освоения дисциплины студент должен:
· Знать:
основные модели искусственных нейронных сетей (персептрон, модель обратного распространения ошибки, карты Кохонена);
основные методы обучения нейронных сетей прямое, обратное и двунаправленное распространение ошибки, обучение первого порядка (адаптивный, пороговый, с возмущением, сопряженных градиентов), обучение второго порядка (метод Бройдена-Флетчера-Гольдфарба-Шенно, метод Левенберга-Маркварда);
основные принципы работы генетических алгоритмов и современных моделирующих алгоритмов, типа муравьиных;
методы, используемые в экспертных системах;
байесовский подход к построению экспертных систем.
· Уметь:
создавать компьютерные программы, основанные на принципах обучения нейронных сетей первого и второго порядка;
применять нейросетевые модели для решения задач распознавания образов и анализа временных рядов;
разрабатывать программы на основе генетических алгоритмов для решения сложных проблем с большой размерностью, не поддающихся традиционными методами программирования;
использовать методы построения экспертных систем на основе баз знаний при разработке сложных программных проектов;
применять байесовский подход для построения собственных несложных экспертных систем при анализе плохо формализуемых проблемах.
|
Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4 5 |
Основные порталы (построено редакторами)