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 "Системы искусственного интеллекта"

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 "Системы искусственного интеллекта" 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_Системы и и_Б_09.03.02_во_7_ВТиАСУ_п42577_и45405.doc


Наименование, цель и задача дисциплины

Дисциплина "Системы искусственного интеллекта".

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

Целью дисциплины "Системы искусственного интеллекта" 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 "Системы автоматизированного проектирования", "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: - место теории искусственного интеллекта в современном мире. - основные модели представления знаний; классификацию интеллектуальных систем, структуру, конфигурацию интеллектуальных технологий, общую характеристику процесса проектирования интеллектуальных сиcтем; основные виды и процедуры обработки информации, модели и методы решения задач обработки информации (генерация отчетов, поддержка принятия решений, анализ данных, искусственный интеллект, обработка изображений)

Умеет: - применять математические методы для построения систем искусственного интеллекта; использовать математические методы обработки, анализа и синтеза в системах искусственного интеллекта; решать прикладные вопросы интеллектуальных систем , статических экспертных систем, экспертных систем реального времени

Имеет навыки: - методами интеллектуального анализа данных и представления знаний, используемыми для решения прикладных задач; информационными технологиями поиска информации и способами их реализации (поиска документов в гетерогенной среде, поиска релевантной информации в текстах, поиска релевантных документов на основе онтологии, на основе поисковых роботов, интеллектуальных агентов),технологиями интеллектуального анализа данных, интеллектуальными технологиями поддержки принятия решений (на основе хранилищ данных, оперативной аналитической обработки информации и интеллектуального анализа данных); построением моделей представления знаний, подходами и техникой решения задач искусственного интеллекта, информационных моделей знаний, методами представления знаний, методы инженерии знаний

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

Знает: - место теории искусственного интеллекта в современном мире. - основные модели представления знаний; классификацию интеллектуальных систем, структуру, конфигурацию интеллектуальных технологий, общую характеристику процесса проектирования интеллектуальных сиcтем

Умеет: - применять математические методы для построения систем искусственного интеллекта; использовать математические методы обработки, анализа и синтеза в системах искусственного интеллекта

Имеет навыки: - методами интеллектуального анализа данных и представления знаний, используемыми для решения прикладных задач; информационными технологиями поиска информации и способами их реализации ,технологиями интеллектуального анализа данных, интеллектуальными технологиями поддержки принятия решений (на основе хранилищ данных, оперативной аналитической обработки информации и интеллектуального анализа данных)

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

Знает: - логику высказываний и предикатов; - современные тенденции развития информатики и вычислительной техники, компьютерных технологий; - место теории искусственного интеллекта в современном мире. - основные модели представления знаний; классификацию интеллектуальных систем, структуру, конфигурацию интеллектуальных технологий, общую характеристику процесса проектирования интеллектуальных сиcтем

Умеет: - применять математические методы для построения систем искусственного интеллекта; использовать математические методы обработки, анализа и синтеза в системах искусственного интеллекта; решать прикладные вопросы интеллектуальных систем , статических экспертных систем, экспертных систем реального времени

Имеет навыки: - методами интеллектуального анализа данных и представления знаний, используемыми для решения прикладных задач; информационными технологиями поиска информации и способами их реализации (поиска документов в гетерогенной среде, поиска релевантной информации в текстах, поиска релевантных документов на основе онтологии, на основе поисковых роботов, интеллектуальных агентов),технологиями интеллектуального анализа данных, интеллектуальными технологиями поддержки принятия решений (на основе хранилищ данных, оперативной аналитической обработки информации и интеллектуального анализа данных); построением моделей представления знаний, подходами и техникой решения задач искусственного интеллекта, информационных моделей знаний, методами представления знаний, методы инженерии знаний

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: - место теории искусственного интеллекта в современном мире. - основные модели представления знаний; основные виды и процедуры обработки информации, модели и методы решения задач обработки информации (генерация отчетов, поддержка принятия решений, анализ данных, искусственный интеллект, обработка изображений)

Умеет: - применять математические методы для построения систем искусственного интеллекта; использовать математические методы обработки, анализа и синтеза в системах искусственного интеллекта; решать прикладные вопросы интеллектуальных систем , статических экспертных систем, экспертных систем реального времени

Имеет навыки: - методами интеллектуального анализа данных и представления знаний, используемыми для решения прикладных задач; - языками процедурного и объектно-ориентированного программирования, навыками разработки и отладки программ не менее чем на одном из алгоритмических процедурных языков программирования высокого уровня; построением моделей представления знаний, подходами и техникой решения задач искусственного интеллекта, информационных моделей знаний, методами представления знаний, методы инженерии знаний

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: - логику высказываний и предикатов; - современные тенденции развития информатики и вычислительной техники, компьютерных технологий; методы и средства обеспечения формационной безопасности компьютерных систем; современные тенденции развития информатики и вычислительной техники, компьютерных технологий; современные технические и программные средства взаимодействия с ЭВМ

Умеет: использовать математические методы обработки, анализа и синтеза в системах искусственного интеллекта; решать прикладные вопросы интеллектуальных систем , статических экспертных систем, экспертных систем реального времени

Имеет навыки: построением моделей представления знаний, подходами и техникой решения задач искусственного интеллекта, информационных моделей знаний, методами представления знаний, методы инженерии знаний; работы средствами разработки и оформления технической документации; владения языками процедурного и объектно-ориентированного программирования, разработки и отладки программ не менее чем на одном из алгоритмических процедурных языков программирования высокого уровня

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

Знает: - логику высказываний и предикатов; - современные тенденции развития информатики и вычислительной техники, компьютерных технологий; базы данных и системы управления базами данных для информационных систем различного назначения; современные тенденции развития информатики и вычислительной техники, компьютерных технологий; методы и средства обеспечения формационной безопасности компьютерных систем; современные тенденции развития информатики и вычислительной техники, компьютерных технологий; современные технические и программные средства взаимодействия с ЭВМ

Умеет: - применять математические методы для построения систем искусственного интеллекта; выбирать, комплексировать и эксплуатировать программно-аппаратные средства в создаваемых вычислительных и информационных системах и сетевых структурах; инсталлировать, тестировать,испытывать и использовать программно-аппаратные средства вычислительных и информационных систем; использовать математические методы обработки, анализа и синтеза в системах искусственного интеллекта

Имеет навыки: - методами интеллектуального анализа данных и представления знаний, используемыми для решения прикладных задач; - языками процедурного и объектно-ориентированного программирования, навыками разработки и отладки программ не менее чем на одном из алгоритмических процедурных языков программирования высокого уровня; построением моделей представления знаний, подходами и техникой решения задач искусственного интеллекта, информационных моделей знаний, методами представления знаний, методы инженерии знаний

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: - место теории искусственного интеллекта в современном мире. - основные модели представления знаний; классификацию интеллектуальных систем, структуру, конфигурацию интеллектуальных технологий, общую характеристику процесса проектирования интеллектуальных сиcтем; основные виды и процедуры обработки информации, модели и методы решения задач обработки информации (генерация отчетов, поддержка принятия решений, анализ данных, искусственный интеллект, обработка изображений)

Умеет: - применять математические методы для построения систем искусственного интеллекта; выбирать, комплексировать и эксплуатировать программно-аппаратные средства в создаваемых вычислительных и информационных системах и сетевых структурах; инсталлировать, тестировать,испытывать и использовать программно-аппаратные средства вычислительных и информационных систем; решать прикладные вопросы интеллектуальных систем , статических экспертных систем, экспертных систем реального времени

Имеет навыки: - методами интеллектуального анализа данных и представления знаний, используемыми для решения прикладных задач; информационными технологиями поиска информации и способами их реализации ,технологиями интеллектуального анализа данных, интеллектуальными технологиями поддержки принятия решений (на основе хранилищ данных, оперативной аналитической обработки информации и интеллектуального анализа данных); работы средствами разработки и оформления технической документации; владения языками процедурного и объектно-ориентированного программирования, разработки и отладки программ не менее чем на одном из алгоритмических процедурных языков программирования высокого уровня

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

Место дисциплины 1Б.Ф.ДВ "Системы искусственного интеллекта" 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".

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. Возникновение искусственного интеллекта.

1.2. Цели и задачи искусственного интеллекта.

1.3. Характеристики интеллектуальной системы.

1.4. Предпосылки создания экспертных систем.

1.5. Прикладные интеллектуальные системы.

1.6. Архитектура интеллектуальных систем.

1.7. Современный этап и перспективы развития искусственного.

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

2.1. Понятие формального языка. Язык логики.

2.2. Формальные системы.

3. Определение базы знаний. Экспертные системы. (Компетенция/и ОПК-1, ОПК-8, ПК-3)

3.1. Основные критерии знаний. Отличие знаний от данных.

3.2. Экспертные системы.

4. Модели представления знаний. (Компетенция/и ОПК-1, ОПК-8, ПК-3)

4.1. Продукционные модели представления знаний.

4.2. Разрешение конфликтного множества в продукционных моделях.

4.3. Примеры использования и преимущества продукционных систем.

4.4. Семантические сети.

4.5. Системы фреймов.

5. Приближенные множества. (Компетенция/и ОПК-1, ОПК-8, ПК-3)

5.1. Основные понятия.

5.2. Аппроксимация множества.

5.3. Анализ таблиц решений.

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

6.1. Зарождение теории искусственных нейронных сетей.

6.2. Простейшие перцептроны и способы их обучения.

6.3. Перцептроны без скрытых слоев.

6.4. Перцептроны, позволяющие решить линейно неразделимые.

7. Основы теории нечетких множеств. (Компетенция/и ОПК-1, ОПК-8, ПК-3)

7.1. Мера возможности и мера вероятности.

7.2. Основные определения теории нечетких множеств.

7.3. Способы задания нечетких множеств.

7.4. Операции над нечеткими множествами.

7.5. Нечеткие величины.

7.6. Лингвистическая переменная.

7.7. Нечеткая логика.


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 6   4 10
2 6   4 10
3 4   4 10
4 4   4 10
5 4   4 12
6 4   8 14
7 4   4 14
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 4
2 Распознавание образов с помощью нейронных сетей. Простой перцептрон Маккалока-Питтса 4
3 Кластерный анализ 4
4 Интеллектуальный анализ данных . Предобработка данных 4
5 Интеллектуальный анализ данных . Классификация данных 4
6 Интеллектуальный анализ данных . Кластеризация данных 8
7 Интеллектуальный анализ данных . Кластеризация данных(продолжение) 4

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 10
2 Формальные системы. 10
3 Семантические сети и системы фреймов. Экспертные модели. 10
4 Продукционные и логические системы представления знаний. 10
5 Теория приближенных множеств. Мера возможности и мера вероятности. 12
6 Искусственное мышление. Перцептрон. Простые искусственные нейронные сети. Многослойные искусственные нейронные сети . 14
7 Операции над нечеткими множествами. Нечеткие величины. Системы нечеткого вывода. 14

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 системы компьютерного зрения для распознавания номеров вагонов;;

- разработка системы поддержки принятия решений в условиях возникновения нештатных ситуаций на транспорте;;

- исследование практического примения нечетких моделей и мягких вычислений;;

- исследование прикладных систем моделирования поведения.


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

Экзамен. Семестр № 7

Вопросы для оценки результата освоения "Знать":

1) История искусственного интеллекта. Машина Тьюринга
2) Понятие Data Mining интеллектуального анализа данных.
3) Основные проблемы принятия решений в ИИС и пути их разрешения
4) Исчисление предикатов первого порядка. Выводимость и истинность
5) Продукционная модель представления знаний
6) Семантическая модель представления знаний
7) Фреймовая модель представления знаний
8) Концепция приближенного множества
9) Примеры приближенных множеств
10) Понятие экспертной системы
11) Системы нечеткого вывода. Фаззификация.
12) Системы нечеткого вывода. Агрегирование
13) Системы нечеткого вывода. Аактивизация
14) Системы нечеткого вывода. Аккумуляция
15) Системы нечеткого вывода. Дефаззификация
16) Теория технологий искусственного интеллекта: логический вывод
17) Теория технологий искусственного интеллекта: системы с генетическими алгоритмами
18) Теория технологий искусственного интеллекта: мультиагентные системы
19) Модели планирования поведения интеллектуальной системы
20) Экспертные системы на транспорте

Вопросы для оценки результата освоения "Уметь":

1) Определить меры близости, основанные на расстояниях, используемые в системах Data Mining
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 нечеткого вывода и показать пример ее применения

Вопросы для оценки результата освоения "Иметь навыки":

1) Методы инженерии знаний.

2) Методы представления знаний.

3) Построение моделей представления знаний.

4) Техника решения задач искусственного интеллекта.

5) Подходы к решению задач искусственного интеллекта.

6) Интеллектуальные технологии поддержки принятия решений на основе хранилищ данных.

7) Интеллектуальный анализ данных.

8) Технологии поиска информации.

9) Построение системы технического зрения для объекта на транспорте.


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, 5, 6, 7 Балльная оценка на экзамене - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
1, 2, 3, 4, 5, 6, 7 Выполненная лабораторная работа - правильность выполнения заданий.
  ОПК-8 7 1, 2, 3, 4, 5, 6, 7 Балльная оценка на экзамене - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
1, 2, 3, 4, 5, 6, 7 Выполненная лабораторная работа - правильность выполнения заданий.
  ПК-3 7 1, 2, 3, 4, 5, 6, 7 Балльная оценка на экзамене - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
1, 2, 3, 4, 5, 6, 7 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 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
2 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
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

Перечень учебно-методического обеспечения

№ п/п Библиографическое описание Ресурс
1 Голубенко Е.В. Учебно-наглядное пособие - тематические иллюстрации по дисциплине "Системы искусственного интеллекта". 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 практических работ/ А.В. Суханов, Лященко З.В.; ФГБОУ ВО РГУПС. – Ростов н/Д, 2017. – 37с. ЭБС РГУПС
3 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
4 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. – 37с. 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 MS Office( прикладное ПО общего назначения, лицензионное, для выполнения лабораторных и практических работ) И
3 Среда программирования Visual Studio (ПО специального назначения, свободно распространяемое, для лабораторных работ) 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: 45405.