Код: 317714

Назва:

Бази знань

Анотація: Метою і завданням навчальної дисципліни "Бази знань" є висвітлення основних сучасних підходів до проектування і програмування інтелектуальних програмних систем, які базуються на знаннях, орієнтовані на зберігання, пошук та генерацію нових знань. Предмет навчальної дисципліни "Бази знань" розглядає застосування класичних методів штучного інтелекту та найважливіших підходів до проектування моделі знань, яка закладається в основу інтелектуальної системи. Центральне місце займає висвітлення онтологічного підходу, який відтворює людський спосіб формалізації знань про певну предметну область, використовуючи при цьому автоматизацію обробки природньої мови, застосування апарату дескриптивної логіки та логічного виводу. Розглядаються класифікація баз знань, важливі прикладні застосування, зокрема аналіз великих даних, створення рекомендаційних систем тощо. Знання та практичний досвід, що будуть отримані в процесі вивчення курсу, дозволять значно розширити можливості студентів при написанні дипломних проектів.

Тип дисципліни: нормативна

Рік навчання: 2

Семестр: осінь

Кількість кредитів: 3,0 (загальна кількість годин - 90 год.; лекції - 16 год.; практичні заняття - 14 год.; самостійна робота - 60 год.)

Форма контролю: екзамен

Викладач(і): Жежерун О.П., к.ф.м.н., доц.

Результати навчання: Знання та практичний досвід, що будуть отримані в процесі вивчення курсу, дозволять значно розширити можливості студентів при написанні дипломних проектів.

Необхідні обовязкові попередні й супутні модулі: Теоретичною базою для вивчення курсу “Бази знань” є наступні нормативні дисципліни для магістрів: “Проблеми штучного інтелекту”, “Аналіз великих даних”, “Машинне навчання”.

Зміст дисципліни: Дисципліна “Бази знань” призначена для вивчення ролі знань, особливостей їх отримання, представлення, подання при різних підходах у створенні систем штучного інтелекту та аналізу великих даних.. Розглядаються особливості побудови баз знань різного рівня, «класичних» експертних систем, які призначені для знаходження способу вирішення специфічних проблем, так і величезних баз знань типу Вікіпедії.


Рекомендована література: 1. Глибовець М.М. Штучний інтелект / М.М.Глибовець, О.В.Олецький. - ?.: ?? Ака¬демія, 2002. -366с.
2. В.В. Литвин, В.В. Пасічник, Ю.В. Яцишин Інтелектуальні системи, Видавництво «Новий світ – 2000», Львів – 2009, 309с.

3. Субботін С. О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навч. посібник. – Запоріжжя, ЗНТУ, 2008. – 431 с.
4. Р
5. Gruber Том. The Acquisition of Strategic Knowledge, 1989
6. Gruber Том. Collective Knowledge Systems:
Where the Social Web meets the Semantic Web*
Web Semantics: Science, Services and Agents on the World Wide Web (2007), doi:10.1016/j.websem.2007.11.011
7. THE DESCRIPTION LOGIC HANDBOOK:
Theory, implementation, and applications Edited by Franz Baader, 2006, 510 с.
8. Лазурик, В. М., & Тимошенко, Є. С. (2019). Застосування графових баз даних для моделювання соціальних графів. Вісник Харківського національного університету імені В.Н. Каразіна, серія «Математичне моделювання. Інформаційні технології. Автоматизовані системи управління», 43, 46-53. https://doi.org/10.26565/2304-6201-2019-43-06



Форми та методи навчання: лекції, практичні заняття, самостійна робота

Методи й критерії оцінювання: рейтингове оцінювання за 100-бальною системою: поточний контроль - 60 балів (опитування, практичні заняття, індивідуальне письмове завдання); підсумковий контроль - 40 балів (екзамен)

Мова навчання: українська