РОСЖЕЛДОР

Федеральное государственное бюджетное

образовательное учреждение высшего образования

"Ростовский государственный университет путей сообщения"

(ФГБОУ ВО РГУПС)

  УТВЕРЖДАЮ
Проректор по учебной работе - начальник учебно-методического управления М.А. Кравченко

30.06.2019 г.
"Для размещения в ЭИОС настоящая РПД подписана
с использованием простой электронной подписи"

Кафедра "Вычислительная техника и автоматизированные системы управления"

РАБОЧАЯ ПРОГРАММА

ДИСЦИПЛИНЫ

1Б.Ф.ДВ "Интеллектуальные системы и технологии"

по Учебному плану

бакалавриата по направлению подготовки

09.03.02 Информационные системы и технологии

Профильная направленность

Программирование и интернет-технологии

Квалификация выпускника "Бакалавр", ФГОС ВО 3++

Ростов-на-Дону

2019 г.

 



 






Автор-составитель Голубенко Евгений Владимирович предлагает настоящую Рабочую программу дисциплины 1Б.Ф.ДВ "Интеллектуальные системы и технологии" в качестве материала для проектирования Образовательной программы РГУПС и осуществления учебно-воспитательного процесса по федеральному государственному образовательному стандарту высшего образования.

Рабочая программа дисциплины рассмотрена на кафедре "Вычислительная техника и автоматизированные системы управления".





Экспертизу Рабочей программы дисциплины провел(а):

к.т.н., доц. Рыбалко И. П., доцент. каф. "ПОВТ и АС", ДГТУ.





Рекомендуемое имя и тип файла документа:
1БФДВ_Интеллектуальные с и т_Б_09.03.02_во_7_ВТиАСУ_п42360_и45404.doc


Наименование, цель и задача дисциплины

Дисциплина "Интеллектуальные системы и технологии".

Учебный план по Образовательной программе утвержден на заседании Ученого совета университета от 29.03.2019 № 10.

Целью дисциплины "Интеллектуальные системы и технологии" является подготовка в составе других дисциплин блока "Блок 1 - Дисциплины (модули)" Образовательной программы в соответствии с требованиями, установленными федеральным государственным образовательным стандартом высшего образования для формирования у выпускника общепрофессиональных, профессиональных компетенций, способствующих решению профессиональных задач в соответствии с типом задач профессиональной деятельности, предусмотренным учебным планом и профильной направленностью "Программирование и интернет-технологии".

Для достижения цели поставлены задачи ведения дисциплины:

подготовка обучающегося по разработанной в университете Образовательной программе к успешной аттестации планируемых результатов освоения дисциплины;

подготовка обучающегося к освоению дисциплин "Разработка мобильных приложений", "Технологии программирования";

подготовка обучающегося к прохождению практики;

подготовка обучающегося к защите выпускной квалификационной работы;

развитие социально-воспитательного компонента учебного процесса.


Перечень планируемых результатов обучения по дисциплине, соотнесенных с планируемыми результатами освоения Образовательной программы

Планируемые результаты обучения по дисциплине Установленные ОП компетенции и индикаторы их достижения
ОПК-1 - Способен применять естественнонаучные и общеинженерные знания, методы математического анализа и моделирования, теоретического и экспериментального исследования в профессиональной деятельности

Знает: Историю искусственного интеллекта. Принципы работы машины Тьюринга. Понятие Data Mining интеллектуального анализа данных. Основные понятия принятия решений в ИИС и пути их разрешения. Исчисление предикатов первого порядка. Выводимость и истинность. Продукционная модель представления знаний.Семантическая модель представления знаний. Фреймовая модель представления знаний.

Умеет: Определить меры близости, основанные на расстояниях, используемые в системах Data Mining. Решение прикладных вопросов интеллектуальных систем: статических экспертных систем. Решение прикладных вопросов интеллектуальных систем: экспертных систем реального времени.

Имеет навыки: Методы инженерии знаний. Методы представления знаний. Построение моделей представления знаний. Техника решения задач искусственного интеллекта.

Индикатор:
ОПК-1.1 - Знать: основы математики, физики,вычислительной техники и программирования

Знает: Концепция приближенного множества Примеры приближенных множеств. Понятие экспертной системы Системы нечеткого вывода: фаззификация, агрегированиеактивизация, аккумуляция, дефаззификация

Умеет: Сформулировать основные этапы разработки интеллектуального интерфейса для практических производственных задач. Проведение интеллектуального анализа данных при решении учебных и производственных задач.

Имеет навыки: Подходы к решению задач искусственного интеллекта. Интеллектуальные технологии поддержки принятия решений на основе хранилищ данных.

Индикатор:
ОПК-1.2 - Уметь: решать стандартные профессиональные задачи с применением естественнонаучных и общеинженерных знаний, методов математического анализа и моделирования

Знает: Теория технологий искусственного интеллекта: логический вывод, системы с генетическими алгоритмами, мультиагентные системы. Модели планирования поведения интеллектуальной системы. Экспертные системы на транспорте.

Умеет: Применять Байесовское правило оценки правильности распознавания. Применить на примере. Построить модель нечеткого вывода и показать пример ее применения.

Имеет навыки: Интеллектуальный анализ данных. Технологии поиска информации. Построение системы технического зрения для объекта на транспорте

Индикатор:
ОПК-1.3 - Иметь навыки: теоретического и экспериментального исследования объектов профессиональной деятельности
ОПК-8 - Способен применять математические модели, методы и средства проектирования информационных и автоматизированных систем

Знает: Историю искусственного интеллекта. Принципы работы машины Тьюринга. Понятие Data Mining интеллектуального анализа данных. Основные понятия принятия решений в ИИС и пути их разрешения. Исчисление предикатов первого порядка. Выводимость и истинность. Продукционная модель представления знаний.Семантическая модель представления знаний. Фреймовая модель представления знаний.

Умеет: Определить меры близости, основанные на расстояниях, используемые в системах Data Mining. Решение прикладных вопросов интеллектуальных систем: статических экспертных систем. Решение прикладных вопросов интеллектуальных систем: экспертных систем реального времени.

Имеет навыки: Методы инженерии знаний. Методы представления знаний. Построение моделей представления знаний. Техника решения задач искусственного интеллекта.

Индикатор:
ОПК-8.1 - Знать: методологию и основные методы математического моделирования, классификацию и условия применения моделей, основные методы и средства проектирования информационных и автоматизированных систем, инструментальные средства моделирования и проектирования информационных и автоматизированных сиситем

Знает: Концепция приближенного множества Примеры приближенных множеств. Понятие экспертной системы Системы нечеткого вывода: фаззификация, агрегированиеактивизация, аккумуляция, дефаззификация

Умеет: Сформулировать основные этапы разработки интеллектуального интерфейса для практических производственных задач. Проведение интеллектуального анализа данных при решении учебных и производственных задач.

Имеет навыки: Подходы к решению задач искусственного интеллекта. Интеллектуальные технологии поддержки принятия решений на основе хранилищ данных.

Индикатор:
ОПК-8.2 - Уметь: применять на практике математические модели, методы и средства проектирования и автоматизации систем на практике

Знает: Теория технологий искусственного интеллекта: логический вывод, системы с генетическими алгоритмами, мультиагентные системы. Модели планирования поведения интеллектуальной системы. Экспертные системы на транспорте.

Умеет: Применять Байесовское правило оценки правильности распознавания. Применить на примере. Построить модель нечеткого вывода и показать пример ее применения. Интеллектуальный анализ данных. Технологии поиска информации. Построение системы технического зрения для объекта на транспорте

Имеет навыки: Интеллектуальный анализ данных. Технологии поиска информации. Построение системы технического зрения для объекта на транспорте

Индикатор:
ОПК-8.3 - Иметь навыки: моделирования и проектирования информационных и автоматизированных систем
ПК-3 - Способен управлять программно-аппаратными средствами информационных служб инфокоммуникационной системы организации

Знает: Основные понятия принятия решений в ИИС и пути их разрешения. Исчисление предикатов первого порядка. Выводимость и истинность. Продукционная модель представления знаний.Семантическая модель представления знаний. Фреймовая модель представления знаний.

Умеет: Определить меры близости, основанные на расстояниях, используемые в системах Data Mining. Решение прикладных вопросов интеллектуальных систем: статических экспертных систем. Решение прикладных вопросов интеллектуальных систем: экспертных систем реального времени.

Имеет навыки: Методы инженерии знаний. Методы представления знаний. Построение моделей представления знаний. Техника решения задач искусственного интеллекта.

Индикатор:
ПК-3.7 - Применять методы интеллектуального анализа данных и средства искусственного интеллекта в инфокоммуникационной системе

Место дисциплины 1Б.Ф.ДВ "Интеллектуальные системы и технологии" в структуре Образовательной программы

Дисциплина отнесена к Блоку 1Б Образовательной программы. Дисциплина входит в состав элективной части, формируемой участниками образовательных отношений (Ф.ДВ).

Требования к входным знаниям, умениям и компетенциям обучающегося, необходимым для изучения данной дисциплины, соответствуют требованиям по результатам освоения предшествующих дисциплин : "Информатика и программирование", "Информационные технологии", "Теоретические основы информационных и компьютерных технологий".

Нормативный срок освоения Образовательной программы по очной форме обучения – 4 года. Наименование формы и срока обучения из базы данных РГУПС (вид обучения): 4 года очное бакалавриат.

Обозначение-аббревиатура учебных групп, для которых данная дисциплина актуальна: АИБ.

Дисциплина реализуется в 7 семестре.

Объем дисциплины в зачетных единицах с указанием количества академических часов, выделенных на контактную работу обучающихся с преподавателем (по видам учебных занятий) и на самостоятельную работу обучающихся

Вид обучения: 4 года очное бакалавриат

Общая трудоемкость данной дисциплины 5 зачетных единиц (180 часов), в том числе контактная работа обучающегося с преподавателем (КРОП) 64 часа.

Виды учебной работы Всего часов КРОП, часов Число часов в семестре
7
Аудиторные занятия всего и в т.ч. 64 64 64
Лекции (Лек) 32 32 32
Лабораторные работы (Лаб) 32 32 32
Практические, семинары (Пр)      
       
Самостоятельная работа (СРС), всего и в т.ч. 80   80
Контрольная работа (К)      
Реферат (Р)      
Расчетно-графическая работа (РГР)      
Курсовая работа (КР)      
Курсовой проект (КП)      
Самоподготовка 80   80
Контроль, всего и в т.ч. 36   36
Экзамен (Экз) 36   36
Зачет (За)      
Общая трудоемкость, часы 180 64 180
Зачетные единицы (ЗЕТ) 5   5

Содержание дисциплины, структурированное по темам (разделам) с указанием отведенного на них количества академических часов и видов учебных занятий

Содержание дисциплины

Семестр № 7

1. Понятие искусственного интеллекта. История и направления искусственного интеллекта. (Компетенция/и ОПК-1, ОПК-8, ПК-3)

1.1. Понятие информационных технологий и интеллектуальных систем: 1) Основная терминология. 2) Экспертные системы. 3) Базы данных. 4) Базы знаний.

1.2. Методы представления знаний: 1) Семантическая, фреймовая и продукционная модели знаний. 2) Приближенные и нечеткие множества.

2. Формальные языки как модель представления знаний. Определение базы знаний. Экспертные системы. Модели представления знаний. (Компетенция/и ОПК-1, ОПК-8, ПК-3)

2.1. Понятие формального языка. Язык логики.

2.2. Формальные системы.

2.3. Основные критерии знаний. Отличие знаний от данных.

2.4. Экспертные системы.

2.5. Продукционные модели представления знаний.

2.6. Разрешение конфликтного множества в продукционных моделях.

2.7. Семантические сети.

3. Искусственные нейронные сети. (Компетенция/и ОПК-1, ОПК-8, ПК-3)

3.1. Зарождение теории искусственных нейронных сетей.

3.2. Простейшие перцептроны и способы их обучения.

3.3. Перцептроны без скрытых слоев.

3.4. Перцептроны, позволяющие решить линейно неразделимые.

4. Профессиональные информационные системы на ж.д. транспорте. (Компетенция/и ОПК-1, ОПК-8, ПК-3)

4.1. Автоматизированные системы управления перевозками: 1) АСОУП. 2) АСУ ДИСКОН. 3) АСУ ДИСПАРК. 4) САИ «ПАЛЬМА». 5) ГИД «УРАЛ-ВНИИЖТ». 6) СИРИУС.

4.2. Информационно-справочные системы: 1) Диалоговая информационная система контроля и управления оперативной работой железных дорог.

4.3. Автоматизация и информатизация станций: 1) ЭТРАН. 2) ЭКСПРЕСС. 3) Интранет.


Отведенное количество часов по видам учебных занятий и работы

Вид обучения: 4 года очное бакалавриат

Номер раздела данной дисциплины Трудоемкость в часах по видам занятий
Лекции Практические занятия, семинары Лабораторные работы Самоподготовка
1 8   8 20
2 8   8 20
3 8   8 20
4 8   8 20
Итого 32   32 80
В т.ч. по интерактивным формам 32   32  

Лабораторный практикум

Вид обучения: 4 года очное бакалавриат

Номер раздела данной дисциплины Наименование лабораторных работ Трудоемкость аудиторной работы, часы
Семестр № 7
1 Представление алгоритмов на машине Тьюринга 8
2 Распознавание образов с помощью нейронных сетей. Простой перцептрон Маккалока-Питтса 4
Кластерный анализ 4
3 Интеллектуальный анализ данных . Предобработка данных 4
Интеллектуальный анализ данных . Классификация данных 4
4 Интеллектуальный анализ данных . Кластеризация данных 8

Практические занятия (семинары)

Не предусмотрено.


Самостоятельное изучение учебного материала (самоподготовка)

Вид обучения: 4 года очное бакалавриат

Номер раздела данной дисциплины Наименование тем, вопросов, вынесенных для самостоятельного изучения Трудоемкость внеаудиторной работы, часы
Семестр № 7
1 Понятие искусственного интеллекта. История интеллектуальных систем. Предмет искусственного интеллекта. Архитектура интеллектуальных систем 20
2 Формальные системы. Продукционные и логические системы представления знаний. Семантические сети и системы фреймов. Экспертные модели. Теория приближенных множеств. Мера возможности и мера вероятности. Операции над нечеткими множествами. Нечеткие величины. Системы нечеткого вывода. 20
3 Искусственное мышление. Перцептрон. Простые искусственные нейронные сети. Многослойные искусственные нейронные сети . 20
4 Применение средств Data Mining при мониторинге транспортной инфраструктуры 20

Фонд оценочных средств для проведения промежуточной аттестации обучающихся по дисциплине

Перечень компетенций с указанием этапов их формирования в процессе освоения Образовательной программы

Компетенция Указание (+) этапа формирования в процессе освоения ОП (семестр)
7
ОПК-1 +
ОПК-8 +
ПК-3 +

Описание показателей и критериев оценивания компетенций на различных этапах их формирования

Компе-
тенция
Этап
формирования
ОП (семестр)
Показатель оценивания Критерий оценивания
ОПК-1 7 Балльная оценка на экзамене - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
Выполненная лабораторная работа - правильность выполнения заданий.
ОПК-8 7 Балльная оценка на экзамене - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
Выполненная лабораторная работа - правильность выполнения заданий.
ПК-3 7 Балльная оценка на экзамене - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
Выполненная лабораторная работа - правильность выполнения заданий.

Описание шкал оценивания компетенций

Значение оценки Уровень освоения компетенции Шкала оценивания (для аттестационной ведомости, зачетной книжки, документа об образования) Шкала оценивания (процент верных при проведении тестирования)
Балльная оценка - "удовлетворительно". Пороговый Оценка «удовлетворительно» выставляется обучающемуся, который имеет знания только основного материала, но не усвоил его деталей, допускает неточности, недостаточно правильные формулировки, нарушения последовательности изложения программного материала и испытывает трудности в выполнении практических навыков. От 40% до 59%
Балльная оценка - "хорошо". Базовый Оценка «хорошо» выставляется обучающемуся, твердо знающему программный материал, грамотно и по существу его излагающему, который не допускает существенных неточностей в ответе, правильно применяет теоретические положения при решении практических работ и задач, владеет необходимыми навыками и приемами их выполнения. От 60% до 84%
Балльная оценка - "отлично". Высокий Оценка «отлично» выставляется обучающемуся, глубоко и прочно усвоившему программный материал, исчерпывающе, последовательно, грамотно и логически стройно его излагающему, в ответе которого тесно увязываются теория с практикой. При этом обучающийся не затрудняется с ответом при видоизменении задания, показывает знакомство с литературой, правильно обосновывает ответ, владеет разносторонними навыками и приемами практического выполнения практических работ. От 85% до 100%
Дуальная оценка - "зачтено". Пороговый, Базовый, Высокий Оценка «зачтено» выставляется обучающемуся, который имеет знания, умения и навыки, не ниже знания только основного материала, может не освоить его детали, допускать неточности, недостаточно правильные формулировки, нарушения последовательности изложения программного материала и испытывает трудности в выполнении практических навыков. От 40% до 100%
Балльная оценка - "неудовлетворительно", Дуальная оценка - "не зачтено". Не достигнут Оценка «неудовлетворительно, не зачтено» выставляется обучающемуся, который не знает значительной части программного материала, допускает ошибки, неуверенно выполняет или не выполняет практические работы. От 0% до 39%

Типовые контрольные задания или иные материалы, необходимые для оценки знаний, умений, навыков, характеризующих этапы формирования компетенций в процессе освоения образовательной программы

Типовые контрольные задания

Курсовые проекты (работы)

1. Идентификация инфраструктурных объектов железнодорожного транспорта;

2. Исследование эффективности существующих средств идентификации объектов РЖД;

3. Исследование информативности признаков сегментирования и распознавания объектов земной поверхности;

4. Разработка и исследование программных средств контурного распознавания объектов РЖД;

5. Разработка и исследование нейронной сети по оценке пригодности местности к железнодорожному строительству;

6. Разработка и исследование программных средств контурного распознавания объектов сельскохозяйственной инфраструктуры;

7. Разработка алгоритмических и программных средств предварительной обработки информации;

8. Разработка алгоритмических и программных средств тематической обработки космических снимков;

9. Разработка программных средств оценки экологической обстановки территорий железнодорожной инфраструктуры;

10. Разработка сайта с изобретениями по способам и устройствам распознавания объектов на изображениях;

11. Разработка алгоритмических и программных средств оценки надёжности клиента банка;

12. Разработка алгоритмических и программных средств распознавания предкризисного состояния банка;

13. Разработка алгоритмических и программных средств выделения контуров на бинарных изображениях в прямоугольных растрах;

14. Разработка алгоритмических и программных средств выделения контуров на бинарных изображениях в гексогональных растрах;

15. Разработка алгоритмических и программных средств для системы распознавания объектов на космических снимках.


Контрольные работы, расчетно-графические работы, рефераты

разработка экспертной системы по оценке готовности диспетчера к работе;;

разработка советующей системы по устранению неисправностей на объектах АСУ ЖТ;;

разработка советующей системы для оценки рисков и безопасной работы на объектах ЖДТ;;

разработка экспертной системы по компоновке компьютеров для информационных систем конкретного предназначения;;

разработка средств интеллектуального анализа данных эксплуатации объектов подвижного состава на ЖДТ;;

разработка средств распознавания систем технического зрения при коммерческом осмотре подвижных единиц железнодорожной техники;;

разработка программных средств интеллектуальной поддержки руководителя подразделения ЖДТ.


Перечни сопоставленных с ожидаемыми результатами освоения дисциплины вопросов (задач):

Экзамен. Семестр № 7

Вопросы для оценки результата освоения "Знать":

1) Основные проблемы принятия решений в интеллектуальных информационных системах и пути их разрешения
2) Искусственные нейронные сети. Порядок обучения персептрона на одной выборке
3) Основные виды и процедуры обработки информации: анализ данных
4) Основные виды и процедуры обработки информации искусственный интеллект
5) Основные виды и процедуры обработки информации: обработка изображений
6) Теория технологий искусственного интеллекта: математическое описание экспертной системы
7) Теория технологий искусственного интеллекта: логический вывод
8) Теория технологий искусственного интеллекта: системы с генетическими алгоритмами
9) Теория технологий искусственного интеллекта: мультиагентные системы
10) Методы и алгоритмы предварительной обработки информации в системе распознавания зрительных образов. Нормализация изображений
11) Методы представления изображений в цифровом виде
12) Методы и модели описания ИИС.
13) Классификация систем распознавания образов
14) Концепция баз данных.
15) Метрики, используемые в при обработке изображений
16) Способы хранения изображений
17) Сеть Кохонена
18) Преобразование Хафа
19) Нейросетевая классификация данных
19) Классы моделей распознавания образов
20) Общие характеристики нейросетей. Методы распознавание зрительных образов.
21) Области применения информационных технологий на ж/д транспорте
22) Интеллектуальная информационная система как носитель искусственного интеллекта - агенты и их типы.
23) Преобразование Фурье.

Вопросы для оценки результата освоения "Уметь":

1) Определить меры близости, основанные на расстояниях, используемые в алгоритмах распознавания образов
2) Решение прикладных вопросов интеллектуальных систем: статических экспертных систем
3) Решение прикладных вопросов интеллектуальных систем: экспертных систем реального времени
4) Сформулировать основные этапы разработки интеллектуального интерфейса для практических производственных задач
5) Проведение интеллектуального анализа данных при решении учебных и производственных задач.
6) Байесовское правило оценки правильности распознавания. Применить на примере
7) Построить модель системы распознавания образов под конкретное применение
8) Построить статистическую модель распознавания образов
9) Организация соревновательного обучения в нейросетях
10) Использовать методы распознавания образов на основе последовательности выборок

Вопросы для оценки результата освоения "Иметь навыки":

1) Алгоритмы кластеризации данных.

2) Построение нечеткой нейронной сети ANFIS.

3) Алгоритм сжатия JPEG.

4) Методы представления знаний.

5) Построение нейронной сети обратного распространения средставами объектно-ориентированного программирования.

6) Метод распознавания образов на основе анализа ключевых точек.

7) Распознавание изображений с помощью многоклассовой нейронной сети.

8) Построение системы технического зрения для объекта на транспорте.

9) Нечеткие подходы к решению задач искусственного интеллекта.

10) Проективные преобразования изображений. Устранение дисторсии.


Методические материалы, определяющие процедуру оценивания знаний, умений, навыков, характеризующих этапы формирования компетенций

№ п/п Библиографическое описание
1 Методические указания, определяющие процедуру оценивания знаний, умений, навыков, характеризующих этапы формирования компетенций. Ресурс ЦМКО РГУПС.
2 Методические рекомендации по составлению и апробации фондов оценочных средств (КИМ, КОС) по дисциплинам направлений подготовки (специальностей) высшего образования [Текст, Электронный ресурс] : учеб.-метод. пособие / М. С. Тимофеева, Д. В. Глазунов, А. В. Симонцева [и др.] ; ФГБОУ ВПО РГУПС. - Ростов н/Д : [б. и.], 2015. - 86 с.

Для каждого результата обучения по дисциплине определены

Показатели и критерии оценивания сформированности компетенций на различных этапах их формирования

Резуль-
тат
обуче-
ния
Компе-
тенция
Этап
формиро-вания в
процессе
освоения
ОП
(семестр)
Этапы
формирования
компетенции
при изучении
дисциплины
(раздел
дисциплины)
Показатель
сформиро-
ванности
компетенции
Критерий
оценивания
  ОПК-1 7 1, 2, 3, 4 Балльная оценка на экзамене - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
1, 2, 3, 4 Выполненная лабораторная работа - правильность выполнения заданий.
  ОПК-8 7 1, 2, 3, 4 Балльная оценка на экзамене - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
1, 2, 3, 4 Выполненная лабораторная работа - правильность выполнения заданий.
  ПК-3 7 1, 2, 3, 4 Балльная оценка на экзамене - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
1, 2, 3, 4 Выполненная лабораторная работа - правильность выполнения заданий.

Шкалы и процедуры оценивания

Значение оценки Уровень
освоения
компетенции
Шкала оценивания
(для аттестационной
ведомости, зачетной
книжки, документа
об образовании)
Процедура оценивания
Балльная оценка -
"отлично",
"хорошо",
"удовлетворительно".
Дуальная оценка -
"зачтено".
Пороговый, Базовый, Высокий В соответствии со шкалой оценивания в разделе РПД "Описание шкал оценивания компетенций" Экзамен (письменно-устный).
Выполнение лабораторной работы (подготовка отчета).
Балльная оценка -
"неудовлетворительно".
Дуальная оценка -
"не зачтено".
Не достигнут

Перечень учебной литературы для освоения дисциплины

№ п/п Библиографическое описание Ресурс
1 Станкевич, Л. А. Интеллектуальные системы и технологии : учебник и практикум для бакалавриата и магистратуры / Л. А. Станкевич. — М. : Издательство Юрайт, 2018. — 397 с. — (Серия : Бакалавр и магистр. Академический курс). — ISBN 978-5-534-02126-4. ЭБС Юрайт
2 Суханов, А.В. Интеллектуальные информационные системы: учеб. пособие / А.В. Суханов, З.В. Лященко; ФГБОУ ВО РГУПС. – Ростов н/Д, 2017. – 124 с.: ил. – Библиогр.: с. 122–123. ЭБС РГУПС
3 Интеллектуальные методы, модели и алгоритмы организации учебного процесса в современном вузе [Текст] : монография / В. В. Храмов, О. В. Витченко, Е. О. Ткачук [и др.] ; ФГБОУ ВО РГУПС. - Ростов н/Д : [б. и.], 2016. - 151 с. ЭБС РГУПС
4 Журнал «Автоматика, связь, информатика» ЭБ public.ru
5 Храмов В.В., Гвоздев Д.С. Интеллектуальные информационные системы: интеллектуальный анализ данных.Учебное пособие- Ростов-на Дону: РГУПС, 2012.- 97 с. ЭБС РГУПС
6 Бессмертный, И. А. Интеллектуальные системы : учебник и практикум для академического бакалавриата / И. А. Бессмертный, А. Б. Нугуманова, А. В. Платонов. — М. : Издательство Юрайт, 2018. — 243 с. — (Серия : Бакалавр. Академический курс). — ISBN 978-5-534-01042-8. ЭБС Юрайт
7 Иванов Ф. Ф. Интеллектуальные транспортные системы [Текст] / Иванов Ф. Ф. - Минск : Белорусская наука, 2014. - 216 с. ЭБС IPRBooks
8 Головина Е. Ю. Интеллектуальные методы для создания систем поддержки принятия решений [Электронный ресурс] : Учебное пособие / Головина Е. Ю. - Москва : Издательский дом МЭИ, 2011. - 104 с. ЭБС IPRBooks

Перечень учебно-методического обеспечения

№ п/п Библиографическое описание Ресурс
1 Голубенко Е.В. Учебно-наглядное пособие - тематические иллюстрации по дисциплине "Интеллектуальные системы и технологии". РГУПС. - Ростов н/Д, 2019. ЭИОС РГУПС
2 А.В. Суханов, Лященко З.В. Интеллектуальные системы и технологии и системы искусственного интеллекта [Электронный ресурс]: учебно-методическое пособие для выполнения лабораторных работ/ А.В. Суханов, Лященко З.В.; ФГБОУ ВО РГУПС. – Ростов н/Д, 2017. – 39 с. ЭБС РГУПС
3 А.В. Суханов, Лященко З.В. Интеллектуальные системы и технологии и системы искусственного интеллекта [Электронный ресурс]: учебно-методическое пособие для выполнения практических работ/ А.В. Суханов, Лященко З.В.; ФГБОУ ВО РГУПС. – Ростов н/Д, 2017. – 37 с. ЭБС РГУПС
4 А.В. Суханов, З.В. Лященко Интеллектуальные системы и технологии и системы искусственного интеллекта : Методические указания для самостоятельной работы / А.В. Суханов, З.В. Лященко; ФГБОУ ВО РГУПС. – Ростов н/Д, 2017. – 29 с. ЭБС РГУПС
5 Храмов, В. В.Интеллектуальные информационные системы. Тестовые задания по дисциплине [Текст] : учеб. пособие / В. В. Храмов ; ФГБОУ ВО РГУПС. - Ростов н/Д : [б. и.], 2016. - 107 с. ЭБС РГУПС

Электронные образовательные ресурсы в сети "Интернет"

№ п/п Адрес в Интернете, наименование
1 http://rgups.ru/. Ресурс ЭИОС РГУПС
2 http://www.iprbookshop.ru/. Электронно-библиотечная система "IPRBooks"
3 https://www.biblio-online.ru/. Электронно-библиотечная система "Юрайт"
4 http://www.umczdt.ru/. Электронная библиотека "УМЦ ЖДТ"
5 http://jirbis2.rgups.ru/jirbis2/. Электронно-библиотечная система РГУПС
6 https://rgups.public.ru/. Электронная библиотека "public.ru"

Профессиональные базы данных и информационно-справочные системы

№ п/п Адрес в Интернете, наименование
1 http://www.glossary.ru/. Глоссарий.ру (служба тематических толковых словарей)
2 http://www.consultant.ru/. КонсультантПлюс

Лицензионное и свободно распространяемое программное обеспечение

№ п/п Наименование Произ-
во
1 Операционная система ОС Microsoft Windows. Офисное программное обеспечение Microsoft Office. Общесистемное ПО Acrobat Reader. И
2 Deductor Studio Academiс (прикладное ПО специального назначения,свободно распространяемое, для исследования алгоритмов интеллектуального анализа данных) И
3 Microsoft Office (прикладное ПО общего назначения, лицензионное) И
4 Visual Studio - интегрированная среда разработки программного обеспечения (ПО специального назначения, свободно распространяемое) И

О - программное обеспечение отечественного производства

И - импортное программное обеспечение


Описание материально-технической базы, необходимой для осуществления образовательного процесса по дисциплине

Помещения(аудитории):

учебные аудитории для проведения учебных занятий;

помещения для самостоятельной работы.

Для изучения настоящей дисциплины в зависимости от видов занятий используется:

Учебная мебель;

Технические средства обучения (включая стационарный либо переносной набор демонстрационного оборудования);

Персональные компьютеры.

Самостоятельная работа обучающихся обеспечивается компьютерной техникой с возможностью подключения к сети "Интернет" и ЭИОС.


"____" _________________20___г.


Код РПД: 45404.