Информация о курсе

О курсе

Основной целью курса является изучение методов искусственного интеллекта и получения основ по машинному обучению.
Курс предназначен для магистрантов, обучающихся в 3 семестре.
В курсе рассматриваются такие направления искусственного интеллекта, как нечеткая логика, экспертные системы, генетические алгоритмы и нейронные сети, поясняются основы работы на языке python для решения задач методами машинного обучения. 

Особое внимание уделяется практической применимости основных методов искусственного интеллекта при решении задач в области автоматизации процессов и производств, а также для управления сложными техническими объектами.

РД1: знать общие вопросы теории и практики проектирования автоматизированных систем в области контроля, управления, обеспечения и планирования качества объектов различной природы.
РД2: уметь классифицировать задачи и определять методы их обработки.
РД3: владеть специализированными программными средствами для решения задач автоматизации с использованием искусственного интеллекта и машинного обучения.
РД4: знать методы искусственного интеллекта и машинного обучения для решения задач в сфере автоматизации технологических процессов и производств.
РД5: применять методы искусственного интеллекта и машинного обучения в задачах анализа работы автоматизированных систем.
РД6: владеть информационными средствами разработки и моделирования структур автоматизированных систем, микропроцессорных модулей и систем управления верхнего уровня.

Компетенции, формируемые в курсе, помогут выполнять задачи научно-исследовательской деятельности с применением новых интеллектуальных технологий. 

Направление подготовки  магистратуры:
15.04.04 Автоматизация технологических процессов и производств
Программа курса

Раздел 1 "Методы искусственного интеллекта".
Раздел 2 "Основы машинного обучения".

Всего в курсе предусмотрено 10 лекций,  2 контрольные работы, 3 индивидуальных домашних задания, 5 практических работ и 6 лабораторных работ. Теоретические знания проверяются при выполнении тестов после каждой лекции.
Длительность курса, количественные характеристики, форма аттестации

Продолжительность курса – 18 недель.
Трудоемкость освоения курса – всего 216 часов.
Трудоемкость курса – 6 зачётных единиц.
Форма контроля: экзамен.

Мамонова Татьяна Егоровна, к.т.н., доцент ОАР,
персональный сайт: https://portal.tpu.ru/SHARED/s/STEPTE