Курсова робота з інтелектуальних технологій в робототехніці - Робоча програма навчальної дисципліни (Силабус)

Реквізити навчальної дисципліни

Програма навчальної дисципліни

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

Курсова робота з дисципліни є важливим доповненням основної дисципліни «Інтелектуальні технології в робототехніці», що дозволяє студентам отримати практичні навички застосування вивчених технологій штучного інтелекту для вирішення реальних задач.

Метою навчальної дисципліни є формування та закріплення у студентів наступних компетентностей: (КЗ 3) Здатність до розуміння предметної області та професійної діяльності; (КС 6) Здатність використовувати сучасні інформаційні системи та технології (виробничі, підтримки прийняття рішень, інтелектуального аналізу даних та інші), методики захисту інформації та кібербезпеки під час виконання функціональних завдань та обов’язків; (КС 15) Здатність до розробки і використання інтелектуальних технологій, методів штучного інтелекту для вирішення прикладних задач і підтримки прийняття рішень в робототехнічних системах; (КС 17)Здатність застосовувати методи синтезу систем управління як методологічної основи інформаційного забезпечення робототехнічних систем і аналізувати показники якості систем управління; (КС 18) Здатність до застосування методів прийняття оптимальних рішень в умовах невизначеності та багатофакторної залежності щодо визначення рішення та ефективності управлінської діяльності.

Предметом дисципліни є: основні підходи до побудови інтелектуальних систем; агентний підхід до побудови інтелектуальних систем, мультиагентні системи; принципи побудови систем на основі станів, змінних та знань, їх особливості та сфери застосування; методи пошуку в просторі станів, в умовах протидії та невизначеності; місце навчання в інтелектуальних системах та навчання з підкріпленням; принципи побудови інтелектуальних робототехнічніх систем управління, зокрема в реальному часі.

В результаті вивчення дисципліни слухачі мають вміти:

• вибирати раціональні методи та технології штучного інтелекту для розв’язання поставленої задачі.

• застосовувати технології штучного інтелекту для вирішення практичних задач;

• програмно реалізовувати методи і моделі штучного інтелекту;

• розроблювати інтелектуальних агентів;

• проектувати та використовувати системи, що використовують елементи штучного інтелекту;

• оцінювати ефективність розроблених інтелектуальних моделей;

• впроваджувати інтелектуальні компоненти в робототехнічні системи, інтелектуальні системи реального часу.

Програмними результатами навчання є вміння застосовувати технології штучного інтелекту для створення інтелектуальних компонентів інформаційних систем (ПР 24)

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

Для успішного засвоєння дисципліни необхідні базові знання з вищої та дискретної математики, теорії алгоритмів, теорії імовірності та мат. статистики, навики програмування. Навчання дисципліні відбувається після засвоєння дисципліни «Робототехнічні системи та комплекси», що забезпечує вивчення апаратного середовище. Це дозволяє зробити акцент на розробці та впровадженні систем штучного інтелекту.

Результати навчання даної дисципліни використовують у дипломному проектуванні та у спеціалізованих дисциплінах подальшого циклу підготовки магістрів, наприклад: Нейротехнології та нейрокомп’ютерні системи.

Зміст навчальної дисципліни

Узагальнена тематика курсових робіт:

• Моделі машинного навчання у СШІ

• Моделі на основі станів

• Моделі на основі змінних

• Моделі на основі знань

• Практичні аcпекти застосування інтелектуальних технологій в робототехніці

Навчальні матеріали та ресурси

Базова література:

1. Рассел С., Норвиг П. Искусственный интеллект. Современный подход. – К.:Диалектика, 2007. – 1408 с. http://aima.cs.berkeley.edu/

2. Ямпольський Л.С. Гнучкі комп’ютерно-інтегровані системи: планування, моделювання, верифікація, управління. Кн. 2. Штучний інтелект в плануванні і керуванні виробничими процесами: підручник / Л.С. Ямпольський, П.П. Мельничук, К.Б .Остапченко, О.І. Лісовиченко – Житомир: ЖДТУ, 2010. – 786 с.

3. Глибовець М.М., Олецький О.В. Штучний інтелект: підручник. – К.: Вид. дім “КМ Академія”, 2002. – 368 с.

Додаткова література:

1. Ямпольський Л.С. Нейротехнології та нейрокомп’ютерні ситеми / Ямпольський Л.С., Лісовиченко О.І., Олійник В.В. // Дорадо-друк, Київ, 2016. ­– 571 с.

2. Ямпольський Л.С., Лавров О.А. Штучний інтелект у плануванні та управлінні виробництвом: Підручник. – К.: Вища шк., 1995. – 255 с.

3. Trevor Hastie, Robert Tibshirani, Jerome Friedman. Elements of Statistical Learning: Data Mining, Inference, and Prediction. Second Edition. Springer, 2009. - 767p.

4. Daphne Koller, Nir Friedman. Probabilistic Graphical Models: Principles and Techniques. MIT Press, 2009. – 1231 p.

5. Richard S. Sutton, Andrew G. Barto. Reinforcement Learning : An Introduction MIT Press, Adaptive Computation and Machine Learning Ser.: 2018. - 552 p.

6. Edward Tsang. Foundations of constraint satisfaction. Academic Press, 1996. - 440p. http://cse.unl.edu/~choueiry/Documents/TsangTextbook/Tsang-Fcs1993-Toc.pdf

7. Олійник В.В. Нейротехнології та нейрокомп’ютерні системи: методичні вказівки до виконання курсової роботи [Електронний ресурс] : навч. посіб. для студ. спеціальності 126 «Інформаційні системи та технології», освітньої програми «Інформаційне забезпечення робототехнічних систем» / В.В. Олійник, О.І. Лісовиченко ; КПІ ім. Ігоря Сікорського. – Електронні текстові дані (1 файл: 329 Кбайт). – Київ : КПІ ім. Ігоря Сікорського, 2021. – 52 с.

Навчальний контент

Методика опанування навчальної дисципліни (освітнього компонента)

В рамках обраної теми курсової роботи з запропонованого переліку або індивідуальної теми, попередньо погодженої з викладачем, необхідно виконати наступні задачі:

1. сформулювати для обраної теми мету і задачі розробки;

2. сформувати план роботи, перелік необхідних ресурсів для виконання;

3. обрати середовище для виконання роботи (програмна модель предметної області для вирішення задачі) або розробити власне;

4. обґрунтувати доцільність використання технологій штучного інтелекту для вирішення задачі;

5. вибрати конкретну інтелектуальну технологію та обґрунтувати свій вибір;

6. програмно реалізувати обрану інтелектуальну модель;

7. застосувати реалізовану модель штучного інтелекту для розв’язання поставленої задачі;

8. отримати результати та проаналізувати їх, за необхідності змінити параметри моделі;

9. провести дослідження з реалізованою системою штучного інтелекту або порівняти розроблену модель з базовою;

10. підготувати пояснювальну записку(ПЗ) по проведеній роботі.

За результатами виконання роботи готується пояснювальна записка – документ, оформлений згідно вимог діючих ДСТУ та інших відповідних нормативних документів, що описує процес виконання курсової роботи та основні одержані результати. Викладення матеріалу в пояснювальній записці повинно бути коротким, ясним і прийнятим в технічній літературі. Опис відомих положень та рішень, що викладені в довідкових матеріалах не допускається. Основне завдання студента під час виконання курсової роботи – показати рівень володіння теоретичним та практичним матеріалами застосування технологій штучного інтелекту для вирішення поставленої задачі. Тому, у першу чергу, варто описувати принципові моменти – обґрунтування прийнятих рішень. У пояснювальній записці мають бути висвітлені обсяги виконаної роботи, складність та особливості розв'язуваної задачі і використаних методів, елементи новизни, рівень практичної і теоретичної підготовки студента. Пояснювальна записка – це єдиний документ, що характеризується цілісністю викладів від постановки задачі до аналізу отриманих результатів. Взаємозв’язок окремих частин записки повинен чітко проглядатися; попередні розділи визначають напрямок рішення наступних. Кожен розділ має закінчуватися короткими висновками.

Рекомендована структура пояснювальної записки:

Структура ПЗ:

1. Титульна сторінка

2. Вступ

3. Задача.

Постановка задачі – сформулювати мету роботи, суть та особливості задачі

Мотивація та аналіз задачі – чим цікава задача, які її особливості свідчать про доцільність використання штучного інтелекту.

Формалізація задачі – виділення вхідних-вихідних параметрів, зв’язків між ними тощо

Середовище – вибір та опис програмного середовища моделювання предметної області або інтерфейсі взаємодії з апаратною частиною засобів інтелектуалізації, мова програмування, інші засоби

1. Модель СШІ.

Вибір технології штучного інтелекту – обґрунтування вибору, огляд можливих варіантів, що розглядались

Розробка моделі – створення формальної моделі для розв’язку задачі на основі обраної технології. Вибір або визначення гіперпараметрів.

Практична реалізація – короткий огляд алгоритмічної та програмної реалізації моделі в обраному середовищі.

Результати вирішення задачі – продемонструвати вирішення обраної задачі розробленою СШІ, наводяться кількісні результати та висновки щодо можливості використання обраної технології для поставленої задачі, якості та точності її розв'язання, бажано порівняти з відомими аналогами

1. Експериментальне дослідження обраної моделі ШІ

Планування експерименту – прикладом дослідженням може бути: порівняння класичних підходів до розв’язку задачі з обраним інтелектуальним, базової моделі з розробленою(покращеною), моделей різного рівня інтелектуальності (як впливає на результат збільшення інтелектуальності моделі), дослідження впливу параметрів моделі та задачі на результати. Підготовка експерименту: формування гіпотез та опис механізму їх перевірки.

Результати експерименту – отримані результати та їх значення

1. Висновки

2. Список використаної літератури

Самостійна робота студента/аспіранта

Самостійна робота окремою складовою навчальним планом не передбачення і є частиною виконання курсової роботи.

Політика та контроль

Політика навчальної дисципліни (освітнього компонента)

Порядок виконання та захисту курсової роботи

Студент виконує курсову роботу самостійно або у бригаді з двох осіб в особливих випадках (з відповідним збільшенням обсягів роботи та погодження з викладачем).

Демонстрація поточних результатів, обговорення питань по роботі та ін. відбувається в час консультації викладача або при наявності вільного часу за розкладом практичних/лабораторних робіт.

Для захисту студент попередньо здає оформлену пояснювальну записку через Google Class. Після цього у призначений для захисту час студент демонструє програмну реалізацію та відповідає на запитання по прийнятим в роботі рішенням, результатам та пов’язаному теоретичному матеріалу (3-5 питань).

При виконанні курсової роботи необхідно дотримуватись календарного плану:

Вибір теми – 2 тиждень

Затвердження теми – 4 тиждень

Надання короткого звіту з планом роботи – 7 тиждень

Подання ПЗ на розгляд – 14 тиждень

За подання ПЗ на розгляд після встановленого терміну без поважних причин, або невиконання інших календарних вимог, максимальний бал за роботу знижується : -2 бали за кожен наступний тиждень після (але не більше - 10 балів).

Заохочувальні бали

Студент має змогу отримати додаткові заохочувальні бали за проведення наукового пошуку, застосування сучасних наукових результатів в роботі та власне проведення актуальних наукових досліджень - надається від 1 до 10 заохочувальних балів. Загальна сума стартових балів за роботу не має перевищувати 60.

Політика щодо академічної доброчесності

Усі курсові роботи (перевіряються на наявність плагіату і допускаються до захисту із коректними текстовими запозиченнями не більше 20%. Роботи що містять більшу кількість до розгляду і оцінювання не приймаються.

Види контролю та рейтингова система оцінювання результатів навчання (РСО)

Рейтинг студента з дисципліни складається з балів:

1) стартова складова;

2) захист курсової роботи;

Система рейтингових (вагових) балів та критерії оцінювання

1. Стартова складова

Ваговий бал - 60. Складові стартової складової представлені у таблиці:

2. Захист роботи

Ваговий бал – 40.

Складові захисту:

1. Ступінь володіння теоретичним матеріалом – 10 балів

2. Ступінь обґрунтування прийнятих рішень- 15 балів

3. Якість відповідей на питання та вміння захищати свою думку – 15 балів

Умови позитивної проміжної атестації

Для отримання “зараховано” з першої проміжної атестації (8 тиждень) студент повинен обрати тему роботи та надати короткий план/звіт до роботи.

Для отримання “зараховано” з другої проміжної атестації (14 тиждень) студент повинен надати чорновий варіант пояснювальної записки без оформлення.

Розрахунок шкали (R) рейтингу

Сума вагових балів контрольних заходів протягом семестру складається зі стартового рейтингу R_C

оцінка за захист роботи R_З .

Загальний рейтинг студента: R_D=R_C + R_З

Максимальне значення стартової шкали R_C =60 балів.

Максимальне значення захисту R_З =40 балів.

Всього R_D = 60 + 40 = 100 балів.

Для отримання студентом відповідних оцінок (ЕСТS та традиційних) його рейтингова оцінка R_D переводиться згідно з таблицею:

Додаткова інформація з дисципліни (освітнього компонента)

Передбачена можливість зарахування сертифікатів проходження дистанційних чи онлайн курсів по технологіям штучного інтелекту у вигляді виконання проекту відповідного рівня за умови відповідності програми не менше ніж на 60%. Остаточне рішення по кожному сертифікату приймається викладачем з урахуванням вказаних вимог.

Робочу програму навчальної дисципліни (силабус):

Складено доцентом кафедри ІСТ, к.т.н., доц. Олійником В.В.

Ухвалено кафедрою ІСТ (протокол № 17 від 26.06.2024)

Погоджено Методичною комісією факультету (протокол № 10 від 21.06.2024)