Министерство спорта Российской Федерации
Башкирский институт физической культуры (филиал) УралГУФК
РАБОЧАЯ УЧЕБНАЯ ПРОГРАММА ДИСЦИПЛИНЫ
дисциплины Б1.В.ДВ.5 интеллектуальные информационные системы
для направления 49.03.02 «Физическая культура для лиц с отклонениями в состоянии здоровья (адаптивная физическая культура)»
профиль «Физическая реабилитация»
квалификация (степень) выпускника бакалавр
Форма обучения очная
Уфа 2015
1 Организационно-методический раздел
1.1 Цель и задачи дисциплины
Целями освоения дисциплины Б1.В.ДВ.5 «Интеллектуальные информационные системы» является изучение классификации, принципов построения и функционирования интеллектуальных информационных систем, тенденций и перспектив их развития.
Задачами изучения дисциплины является обеспечение высокой профессиональной подготовки в области разработки и практического применения интеллектуальных информационных технологий по профилю будущей специальности.
1.2 Место дисциплины в структуре ООП ВПО
Дисциплина Б1.В.ДВ.5 «Интеллектуальные информационные системы» относится к вариативной части (Б1.В.) и является дисциплиной по выбору (ДВ.5) для направления подготовки 49.03.02 «Физическая культура для лиц с отклонениями в состоянии здоровья (адаптивная физическая культура)». Дисциплина преподается на 2 курсе в 4 семестре.
Данная дисциплина взаимосвязана с дисциплиной Информационные системы и технологии.
Для изучения дисциплины Б2.ДВ.5 Интеллектуальные информационные системы студенты должны владеть такими понятиями как информационные технологии, информационные системы; должны иметь представление о жизненном цикле информационных систем и об основных этапах и методах проектирования профессионально-ориентированных информационных систем.
Знания, полученные студентами при изучения дисциплины Б2.ДВ.5 Интеллектуальные информационные системы, могут быть использованы в дальнейшем при изучении других дисциплин и в ходе дипломного проектирования.
1.3 Перечень формируемых компетенций
В процессе изучения дисциплины Б2.ДВ5 «Интеллектуальные информационные системы»:
- способностью понимать сущность и значение информации в развитии современного информационного общества, сознавать опасности и угрозы, возникающие в этом процессе, соблюдать основные требования информационной безопасности, в том числе защиты государственной тайны; владением основными методами, способами и средствами получения, хранения, переработки информации (ОК-16);
- владением навыками работы с компьютером как средством управления информацией (ОК-17);
- способностью решать стандартные задачи профессиональной деятельности на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий и с учетом основных требований информационной безопасности (ОПК-1);
-способностью проводить обработку результатов исследований с использованием методов математической статистики, информационных технологий, формулировать и представлять обобщения и выводы (ПК-26);
1.4 Требования к результатам освоения дисциплины
В результате освоения дисциплины студент должен
знать:
назначение и виды интеллектуальных ИС, их состав, стадии создания;
принципы проектирования баз знаний и интерфейсов интеллектуальных информационных систем;
уметь:
проводить анализ и разрабатывать концептуальную модель предметной области;
проводить формализацию данных для интеллектуальных прикладных задач;
создавать профессионально-ориентированные интеллектуальные информационные системы;
владеть:
навыками работы с инструментальными средствами проектирования баз знаний интеллектуальных информационных систем.
1.5 Перечень и объем активных и интерактивных форм учебных занятий
В процессе проведения дисциплины применяются следующие интерактивные формы занятий:
Вводная лекция -2 ч; лекция – информация с использованием компьютерных технологий – 10 ч; использование Internet-ресурсов, информационных баз, методических разработок, специальной учебной и научной литературы. Выполнение творческих заданий -12 ч.
2 СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
2.1 Объем дисциплины и виды учебной работы
Таблица 1 – Состав и объем дисциплины
Вид учебной работы
|
Всего
часов
|
Распределение
(в часах)
|
4сем
|
Общая трудоемкость дисциплины
|
108/3
|
108/3
|
Аудиторные занятия, всего
в т.ч. лекции (Л)
Практические занятия (ПЗ)
|
48
18
30
|
48
18
30
|
Самостоятельная работа студента (СРС)
,в том числе контрольная работа
другие виды СРС
|
60
20
30
|
60
20
30
|
Вид итогового контроля (зачет)
|
зачет
|
зачет
|
2.2 Разделы дисциплины
Введение в интеллектуальные информационные системы
Экспертные системы
Организация базы знаний
Нейронные сети
2.3 Темы дисциплины и их краткое содержание
Таблица 2 – Темы и их краткое содержание
№ п/п
|
Тема
|
Краткое содержание
|
РАЗДЕЛ 1 введение в интеллектуальные информационные системы
|
|
Тема 1.1
|
Понятие интеллектуальной информационной системы (ИИС), основные свойства. Классификация ИИС
|
РАЗДЕЛ 2 ЭКСПЕРТНЫЕ СИСТЕМЫ
|
|
Тема 2.1
|
Составные части экспертной системы: база знаний, механизм вывода, механизмы приобретения и объяснения знаний, интеллектуальный интерфейс. Статические и динамические экспертные системы. Этапы проектирования экспертной системы: идентификация, концептуализация, формализация, реализация, тестирование, опытная эксплуатация. Участники процесса проектирования: эксперты, инженеры по знаниям, конечные пользователи
|
РАЗДЕЛ 3 ОРГАНИЗАЦИЯ БАЗЫ ЗНАНИЙ
|
|
Тема 3.1
|
Предметное (фактуальное) и проблемное (операционное) знания. Декларативная и процедурная формы представления знаний. Методы представления знаний. Логический и эвристический методы рассуждения в ИИС. Рассуждения на основе дедукции, индукции, аналогии. Нечеткий вывод знаний. Немонотонность вывода. Приобретение знаний. Извлечение знаний из данных
|
РАЗДЕЛ 4 Нейронные сети
|
|
Тема 4.1
|
Биологический нейрон и формальная модель нейрона. Машинное обучение на примерах
|
2.4 Перечень примерных контрольных вопросов и заданий для самостоятельной работы
Понятие и свойства интеллекта. Понятие интеллектуальных задач.
Искусственный интеллект. Примеры классов систем искусственного интеллекта.
Понятие интеллектуальных информационных систем. Свойства интеллектуальных информационных систем. Тест Тьюринга.
История возникновения систем искусственного интеллекта.
Робототехника: история возникновения, основные проблемы, современное состояние.
Классификация интеллектуальных информационных систем. Системы с интеллектуальным интерфейсом.
Виды экспертных систем.
Самообучающиеся системы.
Адаптивные информационные системы.
Понятие знаний, базы знаний. Отличия знаний от данных. Фактуальное и операционное знания.
Классификация знаний. Метазнания.
Логическая модель представления знаний.
Продукционная модель представления знаний.
Фреймовая и семантическая модели представления знаний.
Структурирование знаний. Понятие и структура поля знаний.
Инженерия знаний. Основные стратегии получения знаний.
Психологический аспект извлечения знаний.
Лингвистический аспект извлечения знаний.
Гносеологический аспект извлечения знаний.
Коммуникативные методы извлечения знаний: пассивные методы.
Коммуникативные методы извлечения знаний: активные индивидуальные методы.
Коммуникативные методы извлечения знаний: активные групповые методы
Текстологические методы извлечения знаний.
Технология извлечения знаний из данных (KDD - Knowledge Discovery in Databases). Этапы извлечения знаний из данных.
Технология Data Mining. Типы закономерностей, выявляемых методами Data Mining.
Примеры приложений и основные классы систем Data Mining.
Понятие интеллектуального анализа данных. Методы сбора данных. Этапы построения модели анализа данных.
Методы анализа многомерных данных. Понятие и виды кластерного анализа данных.
Методы анализа многомерных данных. Метод главных компонент.
-
Понятие экспертных систем. Участники процесса проектирования экспертных систем. История появления ЭС.
Основные виды и классы экспертных систем.
Основные составные части архитектуры экспертных систем.
Модели представления знаний в экспертных системах.
Этапы проектирования экспертных систем. Этап идентификации проблемной области.
Этап концептуализации проблемной области.
Этап формализации базы знаний.
Этапы реализации и тестирования ЭС.
Стратегии логического вывода. Прямой и обратный порядок логического вывода.
Структура механизма логического вывода экспертных систем.
Стратегии поиска цели в экспертных системах. Поиск в ширину и глубину. Эвристические методы поиска.
Монотонный и немонотонный логический вывод. Примеры методов вывода нечетких знаний.
Инструментальные средства разработки экспертных систем.
Математические основы нечетких экспертных систем. Понятие нечетких множеств. Основные операции над нечеткими множествами.
Математические основы нечетких экспертных систем. Понятие лингвистической переменной. Примеры.
Основные этапы нечеткого логического вывода.
Искусственные нейронные сети. Биологический нейрон. Модель формального математического нейрона.
Основные задачи, решаемые с помощью нейросетей. Примеры областей применения искусственных нейронных сетей.
Реализация логических функций математическими нейронами. Пороговая функция Мак-Каллока и Питтса.
Модель персептрона Розенблатта. Обучение персептрона по алгоритму Хебба.
Искусственные нейронные сети. Примеры моделей нейронных сетей.
Полносвязные и неполносвязные искусственные нейронные сети. Виды неполносвязных сетей.
Обучение нейронных сетей. Обучение «с учителем».
Обучение нейронных сетей. Обучение «без учителя».
Распознавание образов: основные этапы, примеры задач. Использование искусственных нейронных сетей в задачах распознавания.
Общее понятие о генетических алгоритмах.
Обзор основных направлений развития интеллектуальных ИС.
Примерный перечень вопросов к зачету
Архитектура систем искусственного интеллекта. Усвоение знаний. Формальные системы для представления знаний.
Экспертные системы. Основные понятия. Знания экспертов и их представления.
Назначение экспертных систем, примеры использования ЭС в различных областях.
Управление в экспертных системах.
Решение задач с помощью исчисления предикатов.
Элементы программирования метода резолюций.
Элементы программирования экспертных систем.
Структура экспертных систем
Этапы разработки экспертных систем
Интерфейс с конечным пользователем
Представление знаний в ЭС
Уровни представления и уровни детальности
Организация знаний в рабочей системе
Организация знаний в базе данных
Методы поиска решений в экспертных системах
Программирование полного перебора на графе "в ширину" на основе классического алгоритма со списками "открыт" и "закрыт".
Программирование перебора на графе "в глубину".
Программирование перебора на графе с учетом цены перехода между вершинами.
Программирование перебора с использованием эвристик.
Программирование перебора на И-ИЛИ-графах.
Инструментальный комплекс для создания статических экспертных систем
Средства представления знаний и стратегии управления
Инструментальный комплекс для создания экспертных систем реального времени
Базовые понятия искусственного интеллекта (ИИ). Терминология. Философские аспекты проблемы систем ИИ (возможность существования, безопасность, полезность).
История развития систем ИИ.
Архитектура и основные составные части систем ИИ
Различные подходы к построению систем ИИ (логический, структурный, эволюционный, имитационный) и методы представления знаний. Краткое ознакомление с данными подходами.
Вспомогательные системы (распознавание образов зрительных и звуковых, идентификация, моделирование) и их место в системах ИИ.
Системы распознавания образов (идентификации)
Понятие образа. Проблема обучения распознаванию образов. Геометрический и структурный подходы. Гипотеза компактности. Обучение и самообучение. Адаптация и обучение.
Методы обучения распознаванию образов - перцептроны, нейронные сети, метод потенциальных функций, метод группового учета аргументов, метод предельных упрощений, коллективы решающих правил.
Методы и алгоритмы анализа структуры многомерных данных - кластерный анализ, иерархическое группирование.
Понятие образа. Проблема обучения распознаванию образов. Геометрический и структурный подходы. Гипотеза компактности. Обучение и самообучение. Адаптация и обучение.
Нейронные сети. История исследований, модель с обратным распространением ошибки.
Нейронные сети Хемминга и Хопфилда
Метод потенциальных функций
Метод группового учета аргументов (МГУА). Метод наименьших квадратов. Общая схема алгоритмов МГУА. Алгоритм с ковариациями и квадратичными описаниями.
Метод предельных упрощений
Коллективы решающих правил
Методы и алгоритмы анализа структуры многомерных данных - кластерный анализ
Методы и алгоритмы анализа структуры многомерных данных - иерархическое группирование данных
Логический подход к построению систем ИИ
Представление в компьютере неформальных процедур. Языки логического программирования.
Элементы нечеткой логики
Неформальные процедуры: алгоритмические модели, продукционные модели, режим возвратов, логический вывод, зависимость продукций, продукционные системы с исключениями.
Метод перебора, как наиболее универсальный метод поиска решений.
Методы ускорения перебора.
Метод группового учета аргументов как представитель эволюционных методов.
Генетический алгоритм.
Автоматический синтез технических решений.
Системы продукций и искусственный интеллект. Системы продукций. Специализированные системы продукций. Комментарии к различным типам систем продукций.
Стратегии поиска для систем продукций в искусственном интеллекте.
Стратегии с возвращением.
Стратегии поиска на графе.
Неинфоpмиpованные пpоцедуpы поиска на графе.
Эвристические пpоцедуpы поиска на граф.
Стратегии поиска для разложимых систем продукций.
Поиск на графах типа И/ИЛИ. Некоторые соотношения между разложимыми и коммутативными системами. Поиск на игровых деревьях.
Исчисление предикатов в области искусственного интеллекта.
Неформальное введение в исчисление предикатов. Резолюция. Использование исчисления предикатов в искусственном интеллекте.
Системы опpовеpжения на основе резолюции. Системы продукций для опpовеpжения на основе резолюции.
Стратегии управления для методов резолюции.
Стратегии упрощения.
Системы дедукции на основе правил. Обратные системы дедукции. "Резолюция" внутри графов типа И/ИЛИ.
Вычислительные дедукции и синтез программ. Комбинация прямой и обратных систем.
Управляющие знания в системах дедукции на основе правил.
Представления для стpуктуpиpованных объектов. От исчисления предикатов к блокам.
Представление в форме графов: семантические сети. Установление соответствия.
3. РАСПРЕДЕЛЕНИЕ ЧАСОВ КУРСА ПО ТЕМАМ И ВИДАМ
РАБОТ
Таблица 3 – Тематический план лекционных занятий
№ п/п
|
№ раздела
/темы
|
Наименование лекций
|
Объем, час.
|
1
|
2
|
3
|
4
|
4 семестр
|
|
|
1
|
Введение в ИИС
|
2
|
|
2
|
Понятие экспертных систем
|
6
|
|
3
|
Организация базы знаний экспертных систем
|
6
|
|
4
|
Нейронные сети
|
4
|
|
|
ИТОГО
|
18
|
Таблица 4 – Тематический план практических занятий
№ п/п
|
№раздела/
темы
|
Наименование практического занятия
|
Объем, час.
|
4 семестр
|
|
|
2
|
Знакомство с оболочками байесовских экспертных систем на примере оболочки «Малая экспертная система»
|
4
|
|
2-3
|
Проектирование базы знаний «Малой экспертной системы» с использованием программы «Редактор баз знаний»
|
4
|
|
3
|
Знакомство с системой Deductor Studio. Построение деревьев решений
|
6
|
|
4
|
Анализ данных с использованием нейронной сети
|
6
|
|
4
|
Кластеризация данных с использованием самоорганизующихся карт Кохонена
|
4
|
|
3-4
|
Использование системы Deductor Studio для комплексного анализа данных
|
6
|
|
|
ИТОГО
|
30
|
Таблица 5 – Тематический план самостоятельной работы студентов
№ п/п
|
№ раздела
|
Вид СРС (наименование задания, темы для СРС)
|
Сроки выполнения
|
Формы контроля
|
Объем, час.
|
|
2
|
Подготовка к лабораторным занятиям
|
В течение семестра -
|
Изучение принципов создания экспертных систем
|
10
|
|
3
|
Подготовка к лабораторным занятиям
|
В течение семестра
|
Изучение организация базы знаний экспертных систем
|
10
|
|
4
|
Подготовка к лабораторным занятиям
|
В течение семестра
|
Ознакомление с принципами работы нейронных сетей
|
10
|
|
1-4
|
Контрольная работа
|
В течение семестра
|
Проектирование базы знаний экспертной системы
|
30
|
|
|
ИТОГО
|
60
|
4 ФОРМа ИТОГОВОГО КОНТРОЛЯ
Входное тестирование с целью объективной проверки первоначального уровня знаний, умений и навыков студентов.
Текущий контроль.
Рейтинг посещаемости.
Согласно программе итоговый контроль в конце семестра в виде:
экзамена, включающего теоретический вопрос по изученным темам, практическое задание и автоматизированный интерактивный тест.
Для успешного изучения курса студенту необходимо:
Знать теоретический материал в объеме обязательного образовательного минимума, соответствующего госстандарту.
Выполнить практические работы.
Выполнить тест итогового контроля.
Индивидуальная работа со студентами: Проведение консультаций.
5 УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
5.1 Перечень рекомендуемой литературы
Таблица 6
№
|
Литература
|
Наличие в библиотеке БИФК
|
a) основная литература
|
|
Петров, П. К. Информационные технологии в физической культуре и спорте [Текст] : учеб. пособие / П.К. Петров. - М. : Академия, 2008. - 287 с.: ил.
|
20
|
|
Ляхович В. Ф. Основы информатики [Текст] : учеб. пособие / В.Ф. Ляхович, С.О. Крамаров. - 4-е изд. - Ростов н/Д : Феникс, 2004. - 700 с.: ил.
|
98
|
|
Ляхович В. Ф. Основы информатики [Текст] : учеб. пособие / В.Ф. Ляхович, С.О. Крамаров. - 3-е изд. - Ростов н/Д : Феникс, 2003. - 700 с.: ил.
|
12
|
a) дополнительная литература
|
|
Назарова М.Д. Основы информатики и ИКТ методом проекта с CD приложением: методические рекомендации / М.Д.Назарова. Уфа: Инф.-изд.отдел, 2007. 113 с.
|
10
|
|
Назарова М.Д. Курс интерактивных лекций. Информационные технологии. Информационные системы. Оргтехника: учебно-методическое пособие / М.Д. Назарова, Д.В. Селезнев, С.В. Назаров. Уфа: РИЦ БИФК, 2009. 201 с.
|
10
|
|
Назарова М.Д. Электронный учебник «Курс интерактивных лекций. Информационные технологии. Информационные системы. Оргтехника». / М.Д. Назарова, Д.В. Селезнев. 2008.
|
10
|
|
Султанбаева А.В. Информационные технологии в научно-исследовательской работе: учеб-метод. пособие / А.В.Султанбаева, Т.Р.Садыков. Уфа: РИЦ БашИФК, 2006. 68 с.
|
10
|
|
Ковырялова Т.Н. Информатика [Электронный ресурс] : учебник / Т.Н. Ковырялова Электрон. дан.. - . - Ярославль : МУБиНТ, 2006. - 1 электрон. опт. диск (CD-R)
|
1
|
|
Основы высшей математики, статистики и информатики [Электронный ресурс] / гл. ред. М.А. Пальцев Электрон. дан.. - . - М. : Рус. врач, 2004. - 1 электрон. опт. диск (CD-R). - Электронная библиотека для высшего медицинского и фармацевтического образования. Т. 5).
|
1
|
Всего
|
142
|
5.2 Перечень методических рекомендаций и указаний
Таблица 8
№№
|
Наименование методических указаний по дисциплине
|
Назначение
|
|
Информационные технологии в научно-исследовательской работе: учеб.-метод. пособие / А.В. Султанбаева, Т.Р. Садыков. – Уфа: Инф.-издат. отдел БашИФК, 2006. – 68 с.
|
Практические занятия 1 – 8
|
|
Харсеева Л.А. Практикум по информатике: учебн. пособие / Л.А. Харсеева, Е.П. Жилко – Уфа: Вагант, 2007. – 108с.
|
Практические занятия 2 – 5
|
|
Пособия Microsoft, поставляемые с лицензионным продуктом: 1) Приступая к работе. Подробное знакомство с преимуществами Windows 2007, 2) Знакомство с Microsoft Office 2007. Стандартный выпуск и выпуск для малого бизнеса.
|
Практические занятия 2 – 5
|
Перечень обучающих, контролирующих компьютерных программ, учебных фильмов, мультимедийных материалов
Microsoft. Лицензионный пакет MS Windows.
Microsoft. Лицензионный пакет MS Office Professional.
Attestat.
ДубльГис.
Statistica.
Test Office Pro.
Adobe Acrobat reader.
Gimp.
WinRar, 7-Zip.
Программа оптического распознавания текста Abby FineReader.
Программа для записи оптических дисков Nero.
Антивирусные программы: DrWeb, Касперский, Symantec.
Справочно-правовая система Консультант ПЛЮС.
Программный комплекс «Само-Тур».
Тестирующая интерактивная программная оболочка (элемент мультимедийной дидактической среды «Уроки Помогайки», авторы Назарова М.Д., Назаров С.В.).
Аудиофайлы для проведения аутотренингов, релаксаций, разминок и физкультминуток (Автор В.В. Петрусинский).
Иллюстративный материал к курсу лекций (набор мультимедиа презентаций).
Иллюстративный материал к компьютерному практикуму (набор мультимедиа презентаций).
Имитационные диски для работы в Интернет, коллекции электронных ресурсов для проектной работы.
Электронный сборник лучших деятельностных проетов (студенческие работы и работы тьюторов программы Интел «Обучение для будущего»).
Раздаточные материалы (листы взаимоодобрения, листы планирования работы проектных групп, методика научно-исследовательской деятельности студента, составные части деятельностного проекта).
Электронные методические материалы для самостоятельного выполнения лабораторных работ и инструкции по составлению отчетов (набор текстовых файлов с заданиями и инструкциями).
|
