Бази даних безпілотних систем та автономної робототехніки - Робоча програма навчальної дисципліни (Силабус)

Реквізити навчальної дисципліни

Програма навчальної дисципліни

1. Анотація:

Дисципліна «Бази даних безпілотних систем та автономної робототехніки» пропонує комплексний підхід до вивчення баз даних та їх використання в контексті безпілотних систем та автономної робототехніки. Студенти отримають також знання про основні концепції баз даних, такі як моделі даних та мова SQL.

Починаючи зі вступу до баз даних, студенти по мірі вивчення курсу знайомляться з різними моделями даних, такими як ієрархічна, мережева, реляційна та об'єктно-орієнтована моделі. Вони досліджуватимуть основи реляційних баз даних, включаючи теорію реляційних баз даних, нормалізацію, індекси та транзакції.

В подальшому, студенти розглядатимуть об'єктно-орієнтовані бази даних, включаючи поняття, моделі даних та мову запитів. Також досліджуватимуть розподілені бази даних, включаючи основи розподілених систем, реплікацію даних та фрагментацію даних.

Окрім того, студенти ознайомляться з особливостями баз даних у безпілотних системах, такими як зберігання та обробка даних, синхронізація даних. Вони також вивчатимуть архітектуру автономних роботів, включаючи компоненти автономних роботів, взаємодію компонентів, зберігання та обробку даних.

Здобувачі дізнаються методи програмування автономних роботів, включаючи мови програмування, алгоритми та структури даних, обробку сенсорних даних. Вони також досліджуватимуть застосування машинного навчання в автономній робототехніці, включаючи основи машинного навчання, алгоритми навчання та їх застосування в автономних роботах.

Також студенти будуть вивчати питання безпеки та захисту даних, включаючи загрози безпеки даних, методи захисту даних, аутентифікацію та авторизацію.

По завершенню проходження курсу студенти будуть мати можливість проектувати та розробляти бази даних для безпілотних систем, використовуючи методології проектування, моделювання даних та оптимізацію запитів.

Дана дисципліна корисна для студентів, які цікавляться розробкою безпілотних систем та автономної робототехніки, а також для тих, хто планує працювати в сфері баз даних та аналітики даних. Вона надає студентам необхідні навички та знання для розуміння та використання баз даних у сучасних технологічних рішеннях.

1.Опис навчальної дисципліни, її мета, предмет вивчання та результати навчання

Цілі курсу

Мета вивчення дисципліни – є набуття фахових компетентностей, теоретичних знань і практичних навичок, необхідних для розуміння та використання баз даних в контексті безпілотних систем та автономної робототехніки. Студенти повинні оволодіти основними принципами та методами проектування, реалізації та управління базами даних, а також розуміти їх роль у розвитку та функціонуванні безпілотних систем та автономних роботів. Крім того, метою є розвиток вмінь аналізувати, моделювати та оптимізувати бази даних для ефективного зберігання та обробки інформації в цих системах.

Предметом вивчення дисципліни є бази даних та їх використання в контексті безпілотних систем та автономної робототехніки.

Завдання вивчення дисципліни:

- вивчення основних принципів проектування баз даних для безпілотних систем та автономної робототехніки;

- ознайомлення з методами зберігання та обробки даних в базах даних безпілотних систем та автономних роботів;

- освоєння навичок аналізу, моделювання та оптимізації баз даних для ефективного використання в безпілотних системах та автономних роботах;

- дослідження різних типів баз даних, їх особливостей та можливостей застосування в контексті безпілотних систем та автономної робототехніки;

- використання баз даних для забезпечення безпеки, надійності та ефективності безпілотних систем та автономних роботів.

Навчальна дисципліна покликана допомогти студенту отримати:

– розуміння основних принципів та концепцій проектування баз даних для безпілотних систем та автономних роботів;

– вміння працювати з різними типами баз даних та використовувати їх для зберігання та обробки інформації

– навички аналізувати та оптимізувати бази даних для безпілотних систем та автономних роботів.

КОМПЕТЕНТНОСТІ

Інтегральна компетентність

Розуміння принципів та концепцій проектування баз даних, вміння працювати з різними типами баз даних, аналізувати та оптимізувати їх, оцінювати ризики та забезпечувати безпеку та надійність систем, а також вміння спілкуватися та працювати в команді. Ці компетентності допоможуть студентам використовувати бази даних для ефективного функціонування безпілотних систем та автономних роботів, розвивати свої професійні навички та досягати успіху в цій області.

Загальні компетентності

Спеціальні (фахові, предметні) компетентності

ПРОГРАМНІ РЕЗУЛЬТАТИ НАВЧАННЯ

Пререквізити та постреквізити дисципліни (місце в структурно-логічній схемі навчання за відповідною освітньою програмою)

Для вивчення цієї дисципліни необхідні базові знання з наступних дисциплін:

Програмування (ПО), Теорія алгоритмів (ПО4), Бази даних (ПО6)

Зміст навчальної дисципліни

Тема 1. Основи баз даних: вступ до баз даних, моделі даних, мова SQL.

Основні поняття та принципи баз даних, включаючи різні моделі даних (реляційні, об'єктно-орієнтовані, NoSQL) та мову SQL, яка використовується для маніпулювання даними..

Тема 2. Реляційні бази даних: теорія реляційних баз даних, нормалізація, індекси, транзакції.

Реляційні бази даних, їх теоретичні основи, процес нормалізації для видалення аномалій та забезпечення цілісності даних, використання індексів для покращення продуктивності, а також робота з транзакціями для забезпечення консистентності та відновлення бази даних.

Тема 3. Об'єктно-орієнтовані бази даних: поняття об'єктно-орієнтованих баз даних, моделі даних, мова запитів.

Концепція об'єктно-орієнтованих баз даних, їх моделі та особливості, а також мова запитів, яка дозволяє виконувати складні операції з об'єктами.

Тема 4. Розподілені бази даних: основи розподілених систем, реплікація даних, фрагментація даних.

основні принципи розподілених систем, включаючи реплікацію даних для забезпечення доступності та надійності, а також фрагментацію даних для покращення продуктивності та ефективного використання ресурсів.

Тема 5. Бази даних у безпілотних системах: особливості баз даних у контексті безпілотних систем, зберігання та обробка даних, синхронізація даних.

Особливості баз даних, які використовуються у безпілотних системах, включаючи зберігання та обробку даних з сенсорів та інших джерел, а також синхронізаціюяданих між різними компонентами системи.

Тема 6. Архітектура автономних роботів: компоненти автономних роботів, взаємодія компонентів, зберігання та обробка даних.

Компоненти автономних роботів, їх взаємодія та способи зберігання та обробки даних, необхідних для роботи системи.

Тема 7. Програмування автономних роботів: мови програмування, алгоритми та структури даних, обробка сенсорних даних

Мови програмування, алгоритми та структури даних, які використовуються для програмування автономних роботів, а також способи обробки сенсорних даних.

Тема 8. Машинне навчання в автономній робототехніці: основи машинного навчання, алгоритми навчання, застосування в автономних роботах.

Основи машинного навчання, різні алгоритми навчання та їх застосування в автономних роботах для покращення їх функціональності та адаптації до змінних умов.

Тема 9. Безпека та захист даних: загрози безпеки даних, методи захисту даних, аутентифікація та авторизація.

Загрози безпеки даних, методи захисту від цих загроз, а також методи аутентифікації та авторизації для забезпечення безпеки даних у системах безпілотних систем та автономних роботів.

Тема 10. Проектування та розробка баз даних для безпілотних систем: методології проектування, моделювання даних, оптимізація запитів.

Вивчення методологій проектування та розробки баз даних для безпілотних систем, включаючи моделювання даних та оптимізацію запитів для забезпечення ефективності та продуктивності системи.

Навчальні матеріали та ресурси

Базова література.

1. "Database Systems: The Complete Book" by Hector Garcia-Molina, Jeffrey D. Ullman, and Jennifer Widom - 1,144 pages (2008)

2. "Database Management Systems" by Raghu Ramakrishnan and Johannes Gehrke - 1,296 pages (2002)

3. "Big Data: A Revolution That Will Transform How We Live, Work, and Think" by Viktor Mayer-Schönberger and Kenneth Cukier - 256 pages (2013)

4. "NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence" by Martin Fowler and Pramod Sadalage - 192 pages (2012)

5. "Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking" by Foster Provost and Tom Fawcett - 414 pages (2013)

6. "Data Mining: Concepts and Techniques" by Jiawei Han, Micheline Kamber, and Jian Pei - 744 pages (2011)

7. "Introduction to Autonomous Robots: Kinematics, Perception, Localization and Planning" by Nikolaus Correll, Bradley Hayes, and George Kantor - 520 pages (2011)

8. "Robotics: Modelling, Planning and Control" by Bruno Siciliano, Lorenzo Sciavicco, Luigi Villani, and Giuseppe Oriolo - 652 pages (2009)

9. "Autonomous Robots: From Biological Inspiration to Implementation and Control" by George A. Bekey - 404 pages (2005)

10. "Robotics, Vision and Control: Fundamental Algorithms in MATLAB" by Peter Corke - 472 pages (2011)

11. "Introduction to Robotics: Mechanics and Control" by John J. Craig - 464 pages (2004)

12. "Robotics: Science and Systems" edited by Sebastian Thrun, Wolfram Burgard, and Dieter Fox - 1,088 pages (2005)

Політика та контроль

1. Політика навчальної дисципліни (освітнього компонента)

Форми організації освітнього процесу, види навчальних занять і оцінювання результатів навчання регламентуються Положенням про організацію освітнього процесу в Національному технічному університеті України «Київському політехнічному інституті імені Ігоря Сікорського».

Політика виставлення оцінок: кожна оцінка виставляється відповідно до розроблених викладачем та заздалегідь оголошених студентам критеріїв, а також мотивується в індивідуальному порядку на вимогу студента; у випадку не виконання студентом усіх передбачених навчальним планом видів занять (практичних робіт, контрольних робіт) до екзамену він не допускається; пропущені заняття обов’язково мають бути відпрацьовані.

Відвідування є обов'язковим (за винятком випадків, коли існує поважна причина, наприклад, хвороба чи дозвіл працівників деканату). Якщо студент не може бути присутніми на заняттях, він все одно несете відповідальність за виконання завдань, що проводились в комп’ютерному класі.

Порядок зарахування пропущених занять. Відпрацювання пропущеного заняття з лекційного курсу здійснюється шляхом підготовки і захисту реферату за відповідною темою у вигляді презентації. Захист реферату відбувається відповідно до графіку консультацій викладача, з яким можна ознайомитись на кафедрі. Відпрацювання пропущеного практичного заняття здійснюється шляхом самостійного виконання завдання і його захисту відповідно до графіку консультацій викладача.

Реферати також можуть підготувати студенти, у яких недостатньо рейтингових балів.

Політика академічної поведінки та доброчесності: конфліктні ситуації мають відкрито обговорюватись в академічних групах з викладачем, необхідно бути взаємно толерантним, поважати думку іншого. Плагіат та інші форми нечесної роботи неприпустимі. Всі індивідуальні завдання та курсову роботу студент має виконати самостійно із використанням рекомендованої літератури й отриманих знань та навичок. Цитування в письмових роботах допускається тільки із відповідним посиланням на авторський текст. Недопустимі підказки і списування у ході захисту лабораторних робіт, на контрольних роботах, на іспиті.

Норми академічної етики: дисциплінованість; дотримання субординації; чесність; відповідальність; робота в аудиторії з відключеними мобільними телефонами. Повага один до одного дає можливість ефективніше досягати поставлених командних результатів. При виконанні

лабораторних робіт студент може користуватися ноутбуками. Проте під час лекційних занять та обговорення завдань лабораторних робіт не слід використовувати ноутбуки, смартфони, планшети чи комп’ютери. Це відволікає викладача і студентів групи та перешкоджає навчальному процесу. Якщо ви використовуєте свій ноутбук чи телефон для аудіо- чи відеозапису, необхідно заздалегідь отримати дозвіл викладача.

Дотримання академічної доброчесності студентів й викладачів регламентується кодекс честі Національного технічного університету України «Київський політехнічний інститут», положення про організацію освітнього процесу в КПІ ім. Ігоря Сікорського

Види контролю та рейтингова система оцінювання результатів навчання (РСО)

РОЗПОДІЛ БАЛІВ, ЯКІ ОТРИМУЮТЬ СТУДЕНТИ ПІД ЧАС ВИВЧЕННЯ ДИСЦИПЛІНИ

R=8*11+2*6=100

Календарний контроль: провадиться двічі на семестр як моніторинг поточного стану виконання вимог силабусу.

За результатами навчальної роботи за перші 7 тижнів максимально можлива кількість балів – 50 балів. На першій атестації (8-й та 9-й тиждень) студент отримує “зараховано”, якщо його поточний рейтинг не менше 30 балів.

За результатами 13 тижнів навчання максимально можлива кількість балів – 100 балів. На другій атестації (14-й тиждень) студент отримує “зараховано”, якщо його поточний рейтинг не менше 60 балів.

Семестровий контроль: залік.

Таблиця відповідності рейтингових балів оцінкам за університетською шкалою:

Робочу програму навчальної дисципліни (силабус):

Складено посада, науковий ступінь, вчене звання, ПІБ доцент, к.ф.-м.н. Пономаренко Р. М.

Ухвалено кафедрою ІСТ (протокол №_ від __.__.2023 р.

Погоджено Методичною комісією факультету (протокол №_ від __.__.2023 р.)