Информационная безопасность

I. Содержание науки:

Целью преподавания естественных наук является обучение студентов технологиям разработки систем искусственного интеллекта, методам, моделям и алгоритмическим программным средствам нейронных сетей, а также формирование навыков их практического применения.

Задача науки — дать студентам теоретические знания, практические навыки, современные методы и инструменты для построения систем искусственного интеллекта.

II. Основная теоретическая часть (лекционные занятия)

Наука включает в себя следующие темы:

Тема 1. «Искусственный интеллект » к науке вход

Что такое искусственный интеллект? Основы искусственного интеллекта. Области применения

Тема 2. История искусственного интеллекта

Этапы развития искусственного интеллекта. С 2001 года по настоящее время – работа с большими наборами данных.

Тема 3. Интеллектуальные агенты.

Агенты и среды. Понятие рациональности. Структура агентов

Тема 4. Логика предикатов первого порядка.

Характеристики рабочей среды. Структура агента. Агентские программы

Тема 5. Решение задач в области искусственного интеллекта.

Решение проблем с помощью алгоритмов поиска. Постановка проблемы. Эвристические стратегии поиска.

Тема 6. Поиск решений с помощью классического поиска.

Алгоритмы поиска и задачи оптимизации. Поиск с использованием недетерминированных действий. Онлайн-поисковые агенты и неизвестные среды.

Тема 7. Теория игр.

Оптимальные решения в играх. Частично наблюдаемые игры. Современные игровые программы

Тема 8. Логические агенты .

Агенты, основанные на знаниях. Логика. Пропозициональная логика: простая логика. Проверка эффективной модели предложения. Агенты, основанные на пропозициональной логике.

Тема 9. Логика первого порядка.

Синтаксис и семантика логики первого порядка. Использование логики первого порядка

Тема 10. Принятие решений в логике первого порядка.

Объединение и расширение операций. Правильный алгоритм цепочки. Алгоритм обратной цепочки.

Тема 11. Логика выражений.

Логический тариф. Характеристики мышления. Логический термин. Законы логики.

Тема 12. Вопросы дизайна.

Классические подходы к планированию и методы подъема грузов. Ресурсы в дизайне: время и планирование. Другие взгляды на дизайн.

Тема 13. Проблемы представления знаний.

Объекты и события. Интеллектуальные объекты и события.

Тема 14. Определение неявного знания.

Работа в условиях неопределенности. Определение вероятности. Теорема Байеса и ее приложения.

Тема 15. Принятие решения в ситуации вероятности.

Предоставление знаний в условиях неопределенности. Байесовские сети. Байесовские сети в принятии решений, модель Маркова. Динамические байесовские сети

Тема 16. Перспективы развития искусственного интеллекта.

Может ли машина быть разумной? Может ли машина мыслить? Этика и риски развития искусственного интеллекта.

Тема 17. Современное состояние и будущее искусственного интеллекта.

Предоставление знаний в условиях неопределенности. Байесовские сети.

Тема 18. Разработка и использование экспертных систем.

Классификация экспертных систем.

Тема 19. Представление знаний в экспертных системах.

Инструменты для построения экспертных систем.

Тема 20. Типы машинного обучения.

Контролируемое и неконтролируемое обучение. Полуконтролируемое обучение. Алгоритмы обучения с подкреплением. Передача обучения. Онлайн-обучение. Групповое обучение.

Тема 21. Искусственные нейронные сети.

Понятие биологических и искусственных нейронов. Понятие нейронной сети. Выполнение логических операций над нейронами. Понятие и функция персептрона. Схематическое изображение принципа работы искусственной нейронной сети. Метод общего правила рекурсии (GPR). Построение простой нейронной сети. Весовые коэффициенты и их расчет. Слои нейронной сети.

III. Инструкции и рекомендации по проведению практических занятий

Для практического обучения рекомендуются следующие темы:

Тема 1 . Цель и проблема формировать . Искусственный интеллект основы . Области применения

Тема 2 . Проблема решение находить . Агенты и среды . Рациональность концепция . Агенты структура .

Тема 3 . Искусственный интеллект уровень оценка ( Тьюринг тест ) . Тьюринг тест , эмпирический тест, его идея

Тема 4 . Интеллектуальный агенты создавать проблемы . Агенты и среды. Рациональность концепция . Агенты структура .

Тема 5 . Машинное производство преподавание : учитель и без учителя ( руководителя , неруководителя ). Машина фактически думать получить Является ли это возможным ? Искусственный интеллект разработка этика и риски

Тема 6 . Предварительная обработка данных. Алгоритмы поиска и проблемы оптимизации

Тема 7 . Логичный классификаторы . Эксперт системы классификация

Тема 8 . Регрессоры . Регрессоры типы и быть использованным примеры . Стохастический регрессоры , эндогенные регрессоры

Тема 9 . Решения дерево основано на классификатор создание байесовских сетей в принятии решений, марковская модель. Динамические байесовские сети.

Тема 10 . Эвристический поиск ​Изучение методов поиска. Алгоритмы поиска и задачи оптимизации. Поиск с использованием недетерминированных действий

Тема 11 . В играх поиск алгоритмы приложение . Создание нескольких базовых вариантов поиска и различных алгоритмов для них. Дополнительные функции линейного поиска.

Тема 12 . Изучение алгоритма минимакса.

Изучение методов поиска. Применение алгоритмов поиска в играх. Изучение алгоритма минимакса.

Тема 13 . Использование инструментальных средств в машинном обучении.

Работа со средой программирования Python

Тема 14 . Линейная алгебра для машинного обучения.

Программирование задач линейной алгебры

IV . Самостоятельное обучение и самостоятельная работа

Содержание самостоятельного обучения определяется студентами.

- подготовка к лекциям и практическим занятиям;

- выполнение домашнего задания;

- усвоение теоретических знаний;

- выполнение дифференцированных индивидуальных заданий;

- состоит из освоения тем, предназначенных для самостоятельного изучения.

Рекомендуемые темы для самостоятельного изучения:

1. Искусственный интеллект в поле исследования основной направления ;

2. Система знаний. Модели представления знаний;

3. Понимание экспертной системы;

4. Общие сведения о логическом программировании;

5. Интеллектуальные системы. Разница между данными и информацией. Особенности знаний

6. Создание цикла: рекурсия;

7. Структура, конструкция и функции интеллектуальных систем;

8. Модели представления знаний. Семантические сети. Преимущества и недостатки семантических сетей;

9. Машинное обучение и интеллектуальный анализ данных.

10. Современные программные средства для искусственных нейронных сетей. Матлаб, С++, Питон.

11. Искусственные нейронные сети.

12. Методология программирования нейронных сетей

Самостоятельная работа — индивидуальная работа студента в форме реферата, самостоятельной работы, доклада по заданному заданию лекционных и практических занятий.

V. Результаты обучения естественным наукам (формируемые компетенции)

Фанни мастерство как результат студенты знание нуждаться :

• В процессе анализа предметной области необходимо определить, в каких областях искусственный интеллект может быть применен и усовершенствован ;

• Машинное производство преподавание типы с знакомство с учителем и без учителя преподавание алгоритмы . Машинное производство преподавание для анализ необходимых инструментальных средств (Octave/ Matlab /Python) и возможности с знакомство выходит ;

• Должен иметь навыки применения общих методов машинного обучения и разработки собственных алгоритмов мышления ;

VI. Образовательные технологии и методы :

• лекции;
• интерактивные тематические исследования ;
• работа в группах;
• проведение презентаций;
• индивидуальные проекты;
• проекты для работы и защиты в команде .

VII. Требования для получения кредита :

В полной мере овладеть теоретическими и методическими положениями предмета, уметь правильно отражать результаты анализа, проводить самостоятельные наблюдения за изучаемыми процессами, выполнять задания и поручения, представленные в формах текущего и промежуточного контроля, представлять письменную работу на итоговый контроль.

Основная литература

1. H.N.Zaynidinov, T.A.Xo’jaqulov, M.P.Atadjanova. Sun’iy intellekt. O‘quv qo‘llanma. “Aloqachi”, Toshkent, 2018, - 261 b.
2. Q.A.Bekmuratov. Sun’iy intellekt va neyron tarmoqlari (Darslik). – T.: “Mahalla va oila nashriyoti”, 2021. – 373 bet.
3. T.A.Xo‘jaqulov, N.T.Malikova. Sun’iy intellekt. (O‘quv qo‘llanma). – T.: “Aloqachi”, 2019, 192 b.
4. Q.A.Bekmuratov. Sun’iy intellekt. Oliy ta’lim muassasasi talabalari uchun o‘quv qo‘llanma. – T.: “Aloqachi”, 2019. – 312 bet.

Дополнительная литература

1. Мирзиёев Ш.М. Буюк келажагимизни мард ва олижаноб халқимиз билан қурамиз. Тошкент. “Ўзбекистон”, НМИУ, 2017. – 488 б.
2. Мирзиёев Ш.М. Қонун устуворлиги ва инсон манфаатларини таъминлаш – юрт тараққиёти ва халқ фаравонлигинининг гарови. Тошкент. “Ўзбекистон”, НМИУ, 2017. – 48 б.
3. Галушкин А.И. Нейронные сети: основы теории. – М.: Горячая линия. Телеком, 2012. – 496 с.: ил. ISBN 978-5-99-12-0082-0

Интернет -ресурсы

1. http://tutorialspoint.com
2. http://ziyonet.uz​
3. http://edu.uz
4. https://coursera.org/
5. https://www.guru99.com/deep-learning-tutorial.html