Наименование магистерской программы Методы анализа и синтеза проектных решений Направление подготовки
Вид материала | Документы |
СодержаниеАннотация учебной программы дисциплины Основные разделы курса Английский язык Задачами дисциплины Уровень «владеть» Общекультурные компетенции Тематический план курса Основы логического программирования. Дедуктивные базы данных. Логика Хоара. Верификация последовательных программ. Модальные и временные логики. Верификация параллельных программ. Паранепротиворечивые логики. Представления и анализа знаний. Нечеткие логики. Основные понятия искусственного интеллекта. Информационные системы, имитирующие творческие процессы. Системы интеллектуального интерфейса для информационных систем. Интеллектуальные информационно-поисковые системы. Экспертные системы. Информационные модели знаний. Логико-лингвистические и функциональные семантические сети. ... 4 ^ Аннотация учебной программы дисциплины«Философия»
Провести анализ основных проблем современной философии науки, философии языка и социальной философии. Показать взаимозависимость проблематики различных областей философии. Продемонстрировать различные подходы к решению философских проблем. Сформулировать базовые философские понятия, используемые для анализа научной теории и текста. Дать студентам представление о применении философских идей в современном обществе, зависимости между общественно-политическими отношениями и их отражением в социально-философских воззрениях. Научить самостоятельно анализировать сложный профессиональный текст при помощи средств современной философии. Дать представления о многообразии современных философских подходов к исследованию естественных и искусственных языков. Дать базовые гумманитарные сведения о современных социально-философских и политологических воззрениях. Показать роль философии в формировании общественно-политических структур.
Изучение данной дисциплины базируется на дисциплинах: «История», «Когнитивная психология», «Экономика», «Методология ИТ исследования», «Философия» (для бакалавров). Изучение дисциплины направлено на формирование следующих общекультурных и профессиональных компетенций:
В результате изучения дисциплины студент должен: Знать - основные подходы современной философии науки и философии языка; - основные проблемы современной философии и методы их решения; - роль философии в развитии научной теории, производственной и общественной практики, формировании общественных отношений; - содержание современных концепций в области философии науки и техники, философии языка, философии информатики, социальной философии и политической теории; Уметь - применять современные философские концепции для анализа сложных текстов; - анализировать значение понятий, составлять понятийный аппарат предметной области, устанавливать смысловые и структурные связи между терминами, применяемыми в различных областях профессиональной деятельности; Владеть - базовыми представлениями в области философии науки, философии языка, социальной философии; - философскими методами анализа текста ^ Основные разделы курса:
Семинарские занятия включают обсуждение философских текстов, предварительно прочитанных студентами в ходе самостоятельной подготовки. Аннотация к программе дисциплины ^ Английский язык Цель дисциплины - развития у обучаемых общеязыковых и профессионально-ориентированных лингвокоммуникативных навыков, а также умений и навыков письменного перевыражения иностранного текста на русском языке в виде полноценного письменного перевода или устного резюме заданного объема. ^ Задачами дисциплины являются: совершенствование навыков и умений чтения, говорения, письма и перевода, аудирования; овладение лексическим запасом, обеспечивающим эффективную иноязычную коммуникацию в рамках профессиональной деятельности, ознакомление с основами культуры делового общения и ведения профессиональной документации на иностранном языке Изучение данной дисциплины требует следующих компетенций студентов:
в следующем объеме: Уровень «знать»:
Уровень «уметь»:
^ Уровень «владеть»
Дисциплины, последующие по учебному плану:
В результате освоения дисциплины студент должен: Знать
Уметь
владеть
официально-деловой и научный) в письменной и устной формах; В результате освоения дисциплины у учащегося формируются следующие компетенции: ^ Общекультурные компетенции:
^ Тематический план курса
Элементы синтаксического и текстового анализа (в рамках разграничения и опознания разностилевых компонентов, обозначенных выше): • основные структуры простого предложения; • базовая структура сложносочиненного предложения; • основные структуры сложноподчиненного предложения; • конструкции с неличными формами глагола (причастие I; причастие II; причастные обороты, герундий; герундиальные обороты; инфинитив; инфинитивные обороты); • модальные глаголы и их эквиваленты, • употребление основных пунктуационных знаков в английском предложении (запятая, точка с запятой, двоеточие, дефис, тире, скобки)
Работа с текстами и упражнениями по тексту, взятыми из учебников, или разработанных преподавателями на базе материалов из дополнительных аутентичных источников, ведение диалогов и участие в дискуссиях на темы по специальности
Основы деловой переписки; составление резюме и CV; ключевые черты эффективной презентации/научного доклада; практика составления презентаций.
Изучение правил составления аннотации, конспекта, резюме и краткого содержания научных статей, а также развитие умения анализировать информацию. Аннотация к программе курса «Прикладная логика» Дисциплина "Прикладные логики" ставит своей целью ознакомление магистрантов с основными принципами и методами применения аппарата математической логики для решения различных прикладных задач, возникающих в программировании, а также при разработке и использовании современных информационных технологий. К числу таких областей, в которых математическая логика применяется наиболее широко и успешно, относятся функциональное программирование, логическое программирование, разработка и применение дедуктивных баз данных, системы формальной спецификации и верификации программ, представление и обработка знаний. В рамках этой дисциплины даются систематические знания о выразительных и вычислительных возможностях различных логических систем. Раскрывается многообразие неклассических логик, используемых для решения прикладных задач, и выработать у студентов навыки владения технологией логического программирования, современными логическими методами спецификации и верификации программ, а также методами формального представления и извлечения сложной информации (знаний). Содержание курса: Введение. Основные принципы устройства формальных логических систем (синтаксис, семантика, аксиоматика, логический вывод). Многообразие формальных логических систем и их выразительные возможности. Применение формальных логических систем в современных информационных технологиях. ^ Основы логического программирования. Парадигма логического программирования. Логическое программирование в хорновских дизъюнктах. Программные утверждения, процедуры, факты, целевые утверждения. Эрбрановские модели логических программ. Наименьшая эрбрановская модель логической программы. Теорема о наименьшей эрбрановской модели. Правильный ответ на запрос к логической программе. Декларативная Оператор непосредственного следования и его свойства. Неподвижные точки оператора непосредственного следования. Теорема о наименьшей неподвижной точке. Денотационная семантика логических программ. SLD-резолюция. SLD-резолютивный вывод как вычисление логической программы. Вычислимый ответ. Множество успеха. Операционная семантика хорновских логических программ. Теоремы корректности и полноты операционной семантики относительно декларативной. Вычислительная универсальность хорновских логических программ. Правила выбора подцелей. Переключательная лемма. Теоремы сильной полноты операционной семантики относительно декларативной. Дерево SLD-вычислений. Стратегии вычислений. Стандартная стратегия вычислений и ее неполнота. Отрицание в логическом программировании. Допущение замкнутости мира. Операционная семантика оператора отрицания. Оператор отсечения как средство управления вычислением логических программ. Основные элементы языка программирования ПРОЛОГ (оператор вычисления значений, встроенные функции и предикаты, средства модификации базы данных и др.). Применение языка ПРОЛОГ в реляционных базах данных и для решения задач искусственного интеллекта. ^ Дедуктивные базы данных. Логическое программирование как язык запросов к базам данных. Синтаксис языка Дейталог и его отличительные особенности. Декларативная, денотационная и операционная семантики языка Дейталог. Теоермы корректности и полноты операционной семантики относительно декларативной. Стратегии вычисления ответов на запросы к Дейталог-программам. Отрицание в Дейталоге. Логическое программирование с ограничениями. ^ Логика Хоара. Верификация последовательных программ. Задача проверки правильности (верификации) программного обеспечения, особенности и трудности ее решения. Теоретико-доказательный подход к решению задачи верификации. Триплеты Хоара. Постусловие и предусловие программного оператора. Инвариант цикла. Аксиомы и правила вывода триплетов Хоара. Корректность и полнота исчисления триплетов Хоара. Система построения автоматизированного построения доказательств PVS. ^ Модальные и временные логики. Верификация параллельных программ. Особенности модальных логик. Синтаксис модальных логик. Примеры законов модальных логик. Семантика возможных миров (семантика Крипке) модальных логик. Взаимосвязь модальных логик с классической логикой предикатов первого порядка. Многообразие темпоральных логик. Темпоральные модели Крипке. ^ Паранепротиворечивые логики. Представления и анализа знаний. Немонотонные рассуждения и область их применение. Немонотонные логики. Логики умолчания. Немонотонный логический вывод. Очерчивание. ^ Нечеткие логики. Формализация нечеткости. Нечеткие множества и функции принадлежности. Нечеткие отношения. Показатель размытости нечеткости. Нечеткая логика и приближенные рассуждения. Аннотация к программе курса «Методы и системы искусственного интеллекта» Курс направлен на освоение трех базовых проблем искусственного интеллекта – поиска в пространстве решений, представления знаний и машинного обучения. Описываются предпосылки возникновения каждой из проблем, их место в проблематике искусственного интеллекта, а также методы, разработанные для их решения. В частности, описываются методы эвристического программирования и эволюционных вычислений, логические представления знаний, формальные грамматики, семантические сети и фреймы, методы дискриминантного и синтаксического распознавания образов, восстановления наборов правил и деревьев решений. Содержание курса: ^ Основные понятия искусственного интеллекта. Искусственный интеллект. Знания. Вывод путем рассуждений. Логическое программирование. Интеллектуальная система. Структура системы и ее компоненты. ^ Информационные системы, имитирующие творческие процессы. Искусственный интеллект и креативность (способность к творчеству). Логическое и образное мышление. Образы и их преобразование. Креативные информационные системы, моделирующие образное мышление. ^ Системы интеллектуального интерфейса для информационных систем. Интеллектуальный интерфейс информационных систем. Диалоговая подсистема. Лингвистические процессоры. Распознавание и понимание естественной речи. Синтез речевых сообщений. ^ Интеллектуальные информационно-поисковые системы. Методы поиска информации. Интеллектуальный поиск. Онтологии проблемной области. Машины поиска в глобальных информационных сетях. Интеллектуальные поисковые агенты. Многоагентные информационно-поисковые системы. ^ Экспертные системы. Структура экспертной системы. Процессы обработки информации в экспертных системах. Распознавание образов и принятие решений. Консультационные экспертные системы. Советующие экспертные системы. ^ Информационные модели знаний. Модели знаний в информационных системах. Лингвистические предикатные и продукционные модели. Представление информации в естественно языковой форме. Обработка естественно языковых сообщений. ^ Логико-лингвистические и функциональные семантические сети. Понятия и отношения между ними. Семантические сети. Логико-лингвистическая форма семантических сетей. Функциональные семантические сети. Расширенные сети переходов. Вывод путем наложения. ^ Фреймовые модели. Сети фреймов. Структура фрейма. Наследование типа АКО (Абстактное-Конкретное). Передача сообщений. Присоединенные процедуры. Вывод во фреймовых сетях. Информационные фреймовые системы. ^ Модель прикладных процедур, реализующих правила обработки данных. Прикладные процедуры обработки данных. Правила обработки. Обработка потоков данных. Процедуры обработки сырых данных. Функции раскопки данных. Раскрытие знаний в процессе обработки данных. ^ Методы представления знаний в базах данных информационных систем. Представление данных и знаний в информационных системах. Модели данных и знаний. Реляционная модель знаний и ее связи с реляционной моделью данных. Базы данных и знаний. Объектные базы данных и знаний. ^ Методы инженерии знаний. Когнитология – наука о знаниях. Извлечение знаний из экспертов. Типы интервью с экспертами. Автоматизированное извлечение знаний с использованием АРМов. Автоматическое получение знаний путем обучения. ^ Инструментальные средства баз данных и знаний. Системы управления данными и знаниями. Инструментальные средства проектирования баз данных. Языки программирования логических знаний (Пролог и пр.) Оболочки для формирования баз знаний. Продукционные оболочки типа OPS-5. Универсальные средства создания интеллектуальных систем типа G2. ^ Тенденции развития теории искусственного интеллекта. Развитие искусственного интеллекта и интеллектуальных систем. Когнитивные системы обработки и поиска информации. Искусственный разум – интеграция искусственного интеллекта и креативности. Аннотация к программе курса «Инженерия знаний» Курс направлен на освоение одного из важных направлений современного программирования, занимающееся развитием языков, методов и систем представления и обработки знаний на компьютерах. Содержание курса: Введение. Что такое обработка знаний. Проблемы современных вычислительных систем. Возможности обработки знаний. Установление новых человеко-машинных отношений. ^ Описание и формализация проблемы. Различие форм представления проблем и его влияние на компьютеризацию. Формы представления информации. Классификация типов представления знаний. ^ Языки систем обработки знаний. Необходимость языков декларативного типа. Семантика процедурных и декларативных языков. Уровни представления в обработке информации. Обработка языков. Декларативные языки и структура данных. Математическая структура данных в декларативных языках. ^ Основы построения систем инженерии знаний. Границы обработки знаний. Два типа обработки знаний. Оценка и моделирование. Методы создания систем инженерии знаний. Условия создания систем. Языки представления знаний в качестве языков описания моделей. Человеко-машинное взаимодействие в системах обработки знаний. Представление знаний как универсальное средство описания моделей. ^ Структура языков представления знаний. Свойства логики предикатов как языка представления знаний. Методы построения универсальных моделей. Процесс синтеза по иерархическим структурам. Аннотация к программе курса «Интеллектуальный анализ данных и его приложения» Курс направлен на ознакомление с технологией интеллектуального анализа данных (ИАД), подробно рассматриваются методы, инструментальные средства и применение ИАД. Описание каждого метода сопровождается конкретным примером его использования. Обсуждаются отличия ИАД от классических статистических методов анализа и OLAP-систем, рассматриваются типы закономерностей, выявляемых ИАД (ассоциация, классификация, последовательность, кластеризация, прогнозирование). Описывается сфера применения ИАД. Вводится понятие Web Mining. Подробно рассматриваются методы ИАД: нейронные сети, деревья решений, методы ограниченного перебора, генетические алгоритмы, эволюционное программирование, кластерные модели, комбинированные методы. Знакомство с каждым методом проиллюстрировано решением практической задачи с помощью инструментального средства, использующего технологию ИАД.Излагаются основные концепции хранилищ данных и места ИАД в их архитектуре. Вводятся понятия OLTP, OLAP, ROLAP, MOLAP.Обсуждается процесс анализа данных с помощью технологии ИАД. Содержание курса: ссылка скрыта Возникновение, перспективы, проблемы ИАД. Понятие данных. Значение понятий объект и атрибут, выборка, зависимая и независимая переменная. Типы шкал. Понятия базы данных и СУБД. ^ Методы и стадии ИАД. Стадии ИАД и действия, выполняемые в рамках этих стадий. Классификации методов ИАД. Сравнительная характеристика некоторых методов, основанная на их свойствах. ^ Задачи ИАД. Информация и знания. Основная суть задач ИАД и их классификация. Понятия "информация", "знания", а также дано сопоставление и сравнение этих понятий. Классификация и кластеризация. Прогнозирования. Понятие временного ряда, его компоненты, параметры прогнозирования, виды прогнозов. Визуализация данных. ^ Сферы применения ИАД. Основные сферы деятельности человека, где может успешно применяться технология ИАД. Понятия Web Mining, Text Mining, Call Mining. Методы классификации и прогнозирования. Метод деревьев решений. Элементы дерева решения, процесс его построения. Алгоритмы конструирования деревьев решений CART и C4.5. Методы классификации и прогнозирования. Метод опорных векторов. Метод "ближайшего соседа". Байесовская классификация. Метод нейронных сетей:элементы и архитектура, процесс обучения и явление переобучения нейронной сети. Модель нейронной сети как персептрон. Самоорганизующиеся карты Кохонена. ^ Методы кластерного анализа. Иерархические методы. Основы кластерного анализа, математические характеристики кластера. Две группы иерархического кластерного анализа: агломеративные и дивизимные методы. Пример иерархического кластерного анализа в SPSS. ^ Методы кластерного анализа. Итеративные методы. Итеративные методы на примере алгоритма k-средних. Основа факторного анализа и итеративная кластеризация в SPSS. Процесс кластерного анализа. Сравнительный анализ иерархических и неиерархических методов. ссылка скрыта. Суть задачи поиска ассоциативных правил. Алгоритм Apriori. Пример решения задачи в аналитическом пакете Deductor. ^ Способы визуального представления данных. Методы визуализации. Средства визуального представления информации. Способы представления информации в одно-, двух-, трехмерном измерениях. Принципы качественной визуализации. Основные тенденции в области визуализации. ^ Процесс ИАД. Начальные этапы: процесс подготовки данных, введены понятия качества данных, грязных данных, этапы очистки данных. Очистка данных: две классификации инструментов очистки и редактирования данных. Построение и использование модели. ^ Инструменты ИАД. SAS Enterprise Miner. Система PolyAnalyst. Программные продукты Cognos и система STATISTICA Data Miner. ссылка скрыта. ссылка скрыта. Аннотация к программе курса «Современные методы информационного поиска» Цель курса – ознакомить магистрантов с предметной областью теории информационного поиска и лингвистической информатики. Лекционный курс охватывает теорию индексирования, теорию реферирования, теорию кластеризации социтирования, теорию логико-смыслового моделирования. Содержание курса: Введение. Историческое развитие лингвистической информатики. Закон рассеяния информации Бредфорда. Закон Ципфа и ранжирование по частоте встречаемости.Интеграционные тенденции в современной лингвистической информатике. ^ Информационно-лингвистические модели. Отличительные признаки. Виды ИЛМ: лексико-семантические, логико-грамматические, дискретные, непрерывные. Гносеологический и онтологический планы лингвистической информатики. Индексирование как вид информационно-лингвистического моделирования. Понятие информационно-поискового языка. Дескрипторные и классификационные информационно-поисковые языки. УДК как пример классификационного языка. Основные процедуры, выполняемые в процессе индексирования. Структуры баз данных АИПС. Поисковый образ. Критерий смыслового соответствия. Интерпретация индексирования в терминах теории множеств. ^ Оценка эффективности функционирования поисковой системы. Понятия пертинентности, релевантности, полноты и точности поиска, информационного шума, потери информации. Количественные методы определения информационного шума и потери информации. Способы повышения эффективности функционирования поисковой системы. Кластеризация социтирования. Гипертекстовые системы. ^ Информационно-поисковые системы Интернета (ИАИПС). Особенности электронных баз данных и поведения пользователей Интернетаю Виды ИАИПС: предметные катологи и индексные ИАИПС, локальные ИАИПС, мета- ИАИПС. Особенности функционирования поисковых машин и робота-индексировщика. Языки запроса, логические операторы, особенности интерфейса. Критерии оценки эффективности функционирования ИАИПС. ^ Системы автоматического реферирования. Основные компоненты и процедуры реферирования. Понятие степени компрессии текста в процессе реферирования. Уровни реферирования и систем автоматического реферирования. Тематические словари и словари неключевой лексики. Иерархическая структура текста и значение ее анализа для процесса реферирования. ^ Маркерное реферирование. Маркеры, индикаторы, коннекторы. Симметричное реферирование, общий алгоритм. Принципы симметричности. Возможности изменения параметров поиска. Методика составления словаря для автоматического реферирования. Формальные методы определения размера реферата. Аннотация учебной программы дисциплины "^ Математические модели принятия решений"
Для достижения поставленной цели выделяются задачи курса: Дать студентам представление об областях применения математических моделей исследования операций и, в частности, моделей целочисленного линейного программирования, двухуровневого программирования, многокритериальной оптимизации и соответствующих численных методах. Помочь студентам в изучении методов Лагранжевых релаксаций и Лагранжевой декомпозиции, динамического программирования, построения апросимационных схем и алгоритмов с гарантированными оценками качества, итерационных методов локального поиска: имитация отжига, вероятностный поиск с запретами, генетические алгоритмы. Научить правильно классифицировать прикладную задачу, выбирать подходящий метод её решения и реализовывать его в виде алгоритмов и программ. Изучение данной дисциплины базируется на базовых курсах бакалавратуры: «Математический анализ», "Алгебра и геометрия", «Математическая логика», «Дискретная математика». Изучение дисциплины направлено на формирование следующих общекультурных и профессиональных компетенций:
В результате изучения дисциплины студент должен: Знать: - элементы теории сложности для анализа задач исследования операций: линейного, целочисленного, двухуровневого и многокритериального программирования; - основы теории многогранников; - базовые понятия, основные определения теории экстремальных задач и итерационные методы их решения; - современнные подходы к решению задач целочисленного линейного программирования. Уметь: - строить математические модели различных прикладных задач исследования операций; - выбирать подходящий метод решения, анализировать его трудоемкость и затраты требуемой памяти; - профессионально работать с готовыми коммерческими программными продуктами для решения задач линейного и целочисленного линейного программирования. Владеть навыками: - классическими методами комбинаторной оптимизации: методом динамического программирования, вероятностными методами локального поиска, методом ветвей и границ, Лагранжевых релаксаций, методами декомпозиции. Основные разделы курса:
Программа курса предполагает получение навыков научной работы, выступление с рефератами научных статей и презентации собственных результатов научной деятельности студентов. Аннотация учебной программы дисциплины "^ Теория расписаний"
Для достижения поставленной цели выделяются задачи курса: Дать студентам представление об областях применения моделей составления расписаний и, в частности, моделей типа Flow-shop, Open-shop, Job-shop, моделей на параллельных машинах и машинах с разными скоростями выполнения заданий, моделей с директивными сроками и заданными временами поступления заданий на выполнение, моделей для минимизации общего времени завершения всех заданий, минимизации максимального нарушения директивных сроков и числа запаздывающих заданий. Помочь студентам в изучении перестановочных методов, методов динамического программирования, построения апросимационных схем получения рассписаний и алгоритмов с гарантированными оценками качества, итерационных методов локального поиска. Научить правильно классифицировать задачи теории расписаний, выбирать подходящий метод её решения и реализовывать его в виде алгоритмов и программ. Изучение данной дисциплины базируется на базовых курсах бакалавриата: «Математический анализ», "Алгебра и геометрия", «Математическая логика», «Дискретная математика». Изучение дисциплины направлено на формирование следующих общекультурных и профессиональных компетенций:
В результате изучения дисциплины студент должен: Знать: - элементы теории сложности для анализа задач теории расписаний: теорию линейного и целочисленного линейного программирования; - основы теории сводимости NP-полных задач; - базовые понятия, основные определения и классификацию задач теории расписаний и основные методы их решения; - современнные подходы к решению экстремальных задач на перестановках. Уметь: - строить математические модели различных прикладных задач на перестановках; - выбирать подходящий метод решения, анализировать его трудоемкость и затраты требуемой памяти; - профессионально работать с готовыми коммерческими программными продуктами для решения задач линейного и целочисленного линейного программирования. Владеть навыками: - классическими методами комбинаторной оптимизации: методом динамического программирования, вероятностными методами локального поиска, методом ветвей и границ, методами декомпозиции. Основные разделы курса:
Программа курса предполагает получение навыков научной работы, выступление с рефератами научных статей и презентации собственных результатов научной деятельности студентов. Аннотация учебной программы дисциплины |