|
|
Главная \ Методичні вказівки \ Методические указания и информация \ Кафедра інформаційних систем в економіці
Кафедра інформаційних систем в економіціДата публикации: 07.07.2020 12:35
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ДЕРЖАВНИЙ ВИЩИЙ НАВЧАЛЬНИЙ ЗАКЛАД «КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ імені ВАДИМА ГЕТЬМАНА» НАВЧАЛЬНО-НАУКОВИЙ ІНСТИТУТ «Інститут інформаційних технологій в економіці» Кафедра інформаційних систем в економіці
ЗАТВЕРДЖУЮ: Проректор з науково-педагогічної роботи
«___» ___________ 20__ р.
МЕТОДИЧНІ МАТЕРІАЛИ
Методологія наукових досліджень та патентоведення назва навчальної дисципліни
Київ – 2018 Розробники: Рамазанв С.К., д.т.н., д.е.н., проф., sramazanov@i.ua,, Кривошеев К.В., к.т.н., доцент, kinst@hotmail.com, кафедра інформаційних систем в економіці
© Рамазанов С.К., 2018 © КНЕУ, 2018
ВСТУП Формування ринкового середовища в Україні і загострення міжнародної конкуренції змушують кардинально змінювати погляди на джерела і чинники економічного зростання як підприємств зокрема, так і національної економіки в цілому. Запровадження нових підходів до технологій, спонукає до усвідомлення того, що пошук невикористаних резервів наукового потенціалу, підвищення професійної кваліфікації кадрів є надзвичайно актуальним в наш час, адже підвищення технологічного рівня і складності сучасного виробництва, зростання конкурентоспроможності продукції є неможливим без відповідного удосконалення науково-технічного та інноваційного розвитку підприємств, а це в свою чергу, потребує не лише розробки державних та регіональних науково-технічних програм, заходів щодо залучення інвестицій, але й здійснення необхідних капіталовкладень в підготовку та перепідготовку наукових працівників. Зростання вимог до підготовки і перепідготовки науково-педагогічних і наукових кадрів, а також до вищої освіти вимагає якісно нового теоретичного і методичного забезпечення науково-дослідницької діяльності. Науково-дослідна діяльність – це інтелектуальна праця, направлена на придбання знань, умінь і навиків. Що веде місце в системі багатоступінчатої підготовки і перепідготовки наукових і науково-педагогічних кадрів належить вищим учбовим закладам України. Професійна підготовка випускників ВУЗу вимагає більш активного їх залучення до науково-дослідницькій, творчій роботі. Безперервність наукової діяльності є загальновизнаною умовою її результативності. Ось тому дисципліна «Методологія наукових досліджень та патентоведення» (МНДП) є азбукою для пізнання методології наукової творчості і методів наукових досліджень. У сучасному світі інтелектуальна діяльність людини в різних сферах духовного і матеріального виробництва набуває все більшого значення. Тенденції теперішнього часу вказую на те, що до середини XXI століття світовими лідерами стануть країни, що мають наукомісткі технології. На передній план виходить підвищення значущості інтелектуальної творчої діяльності, що призводить до зростання виробництва, задоволення зростаючих потреб суспільства. Інформація і знання є основою сучасної економіки. Така економіка ґрунтується на знаннях. Це означає, що основним капіталом будь-якого підприємства є інтелектуальна власність, ноу-хау, а не тільки матеріальні активи і традиційні ресурси. Правова охорона об'єктів інтелектуальної власності, створених в ході виконання науково-дослідних, дослідно-конструкторських, технологічних робіт важлива для підтримки економічних переваг творців і законних виробників нових товарів. Таку правову охорону можна забезпечити, наприклад, шляхом патентування нових технічних рішень в якості винаходів або корисних моделей в Україні і інших державах. Мета вивчення дисципліни полягає у формуванні у студентів розуміння того, яким чином результати інтелектуальної діяльності перетворяться в об'єкти інтелектуальної власності, як забезпечується правова охорона знову створених об'єктів і як встановлюється факт їх використання. Для студента, що має кваліфікацію «магістр» навчитися аналізувати стан науково-технічної проблеми шляхом підбору, вивчення і аналізу літературних і патентних джерел, навчитися збирати, обробляти, аналізувати і систематизувати патентну інформацію з тематики досліджень; робити науково-обґрунтовані висновки за результатами теоретичних досліджень, використовуючи, у тому числі патентну інформацію на іноземній мові. При удосконаленні створюваних пристроїв, систем, технологій, матеріалів навчитися оформляти заявки на винаходи або корисні моделі з метою отримання патентів України. В результаті освоєння дисципліни студент повинен знати: загальні стани, що стосуються прав на результати інтелектуальної діяльності, основні положення, що стосуються : умов патентоспроможності винаходу, корисної моделі, промислового зразка; патентні права, що стосуються цих об'єктів; процедури отримання патенту України на винахід, корисну модель, промисловий зразок. Мати поняття про основні етапи експертизи заявок на видачу патентів України. Знати особливості правової охорони і використання секретних винаходів; основні завдання, що вирішуються при проведенні патентних досліджень; основні вимоги до документів заявок на винахід і корисну модель за законом України; загальні вимоги до патентування винаходів і корисних моделей в іноземних державах. Наукові дослідження впливають на зростання суспільного продукту. Результати наукових досліджень є проміжним, а нерідко кінцевим продуктом виробництва. У загальному обсягу виробництва швидко зростає наукоємна продукція, яка є результатом впровадження нових наукових технологій. Якість товарів, їх асортимент, техніко-економічні показники є втіленням науково-виробничого потенціалу. Мета викладення курсу «Методологія наукових досліджень та патентоведення» – допомогти слухачам здобути ґрунтовні знання з методики наукової творчості і методів наукових досліджень. Мета дисципліни «Методологія наукових досліджень та патентоведення» - надання результатів навчання, що пов’язані з науковою діяльністю магістра, відповідно до освітньо-професійної програми. Предмет і завдання курсу. З переходом до ринкових відносин у народному господарстві України виникла безліч проблем і невирішених питань. Розв’язання їх потребує використання наукових засобів, які має у своєму арсеналі економічна наука і насамперед така її галузь, як наукові дослідження. Вирішення економічних, технічних та екологічних програм потребує підготовки відповідних кадрів вищої кваліфікації, які б володіли методологією наукових досліджень проблем світової і вітчизняної економіки, нових виробничих та інформаційних технологій, світового і внутрішнього ринку, фінансового менеджменту, банківської справи, маркетингу та інші. Завданням курсу є навчання студентів методології наукових досліджень економіки, які включають основи наукознавства і методику наукових досліджень конкретної проблеми, організацію інтелектуальної праці, визначення напрямів досліджень та їх ефективність у раціональному господарюванні, постановку експерименту, узагальнення результатів наукових досліджень у наукових звітах, дисертаціях, монографіях, методиках та наукових рекомендаціях. Отже, завдання (навчальні цілі) дисципліни: здатність розв’язувати складні спеціалізовані задачі і проблеми в галузі сучасних комп’ютерно – комунікаційних технологіях і системах. Вирішення економічних і соціальних проблем розвитку суспільства покладається не лише на спеціалізовані наукові встанови, а й на використання наукового потенціалу вищої школи, поліпшення якості підготовки спеціалістів, вихованням у них споживи наукового пошуку при розв'язанні професійних завдань у практичній діяльності. З цією метою у програми спеціальності 122 – «Комп’ютерні науки» ДВНЗ «КНЕУ ім. В. Гетьмана» включене дисципліна «Методологія наукових досліджень та патентоведення». Предметом курсу є методологія наукових досліджень і методика дослідження конкретних проблем економіки на основі загальнонаукових та емпіричних методичних прийомів певної науки, що дає змогу досліджувати економічні і соціальні процеси у їх спорідненості, відмінності та історичному розвитку. Прискорення науково-технічного прогресу і переведення економіки на ринкові відносини зумовлює підвищені вимоги до якості підготовки фахівців для підприємницької діяльності і наукових кадрів. Законодавством України про освіту передбачено підготовку принципово нових фахівців з менеджменту, маркетингу, фінансів, банківської справи, обліку та аудиту. Кваліфікаційними характеристиками для них встановлено професійне призначення, загальні вимоги до їх гуманітарної підготовки, оволодіння загальнотеоретичними, загальноекономічними і спеціальними дисциплінами. Ці вимоги включають застосування наукових методів в організації фінансового менеджменту та інвестицій, виконанні техніко-економічних розрахунків з прогнозування розвитку матеріального виробництва конкурентоспроможної продукції на внутрішньому та зарубіжному ринках, обліку і аудиту виробничо-господарської діяльності підприємств, виконання техніко-економічних обґрунтувань і розрахунків економічної ефективності інвестицій, а також застосуванні нових технологій з використанням комп’ютерів, економіко-математичних моделей у мікро- і макроекономіці, спрямованих на задоволення соціальних, матеріальних і культурних потреб людей в умовах суспільства з ринковою економікою. Виходячи з кваліфікаційних професійних характеристик та вимог до фахівців з вищою освітою з конкретної економіки, вони повинні поєднувати в собі знання бакалавра, магістра та економіста-дослідника, які здобуваються при виконанні науково-дослідної роботи у вищому навчальному закладі, аспірантурі. Таким чином, основними завданнями при підготовці економістів для галузей господарства є:
Отже, завдання наукових досліджень у підготовці економістів і наукових кадрів полягають у вихованні та навчанні активних, всебічно розвинених фахівців з економіки та бізнесу. Навчальна дисципліна «Методологія наукових досліджень та патентоведення» (МНДП) є однією із складових комплексної підготовки фахівців галузі знань 12 «Інформаційні технології» спеціальності 122 Комп’ютерні науки. Міждисциплінарні зв’язки: для вивчення дисципліни необхідні базові знання з таких дисциплін, як: Філософія, Вища математика, Математичні методи дослідження операцій, Теорія інформаційних систем, Системний аналіз, Теорія прийняття рішень, Методи та засоби комп'ютерних інформаційних технологій, Системи автоматичного управління, Інтелектуальний аналіз даних, Моделювання систем, Інформаційно-комунікаційні технології та системи, Технології розподілених систем та паралельних обчислювань Системи підтримки прийняття рішень, Системи управління знаннями, Проектування інформаційних систем, Системи штучного інтелекту, Еволюційні інтегровані системи та методи, Системи автоматизованого проектування, Основи кібербезпеки і Комп'ютерна математика, Технології Big data, Технології хмарних обчислень, Фахова іноземна мова, а також Інформатика та комп’ютерна техніка, Проектування систем оброблення економічної інформації, Інтелектуальні інформаційні системи в економіці та бізнесі та інші. Навчальна дисципліна «Методологія наукових досліджень та патентоведення» базується також на знаннях таких дисциплін, як: «Інформаційний менеджмент», «Моделювання економіки», «Інтелектуальні системи підтримки прийняття рішень в економіці та бізнесі» та є базою для написання магістерської роботи. В результаті вивчення навчальної дисципліни студент повинен набути такі результати навчання: 1. Знання: теоретичні засади створення і проектування систем штучного інтелекту (СШІ) і Інформаційні управляючі системи (ІУС) та основні класифікаційні ознаки МНДП для подальшого вибору по них відповідного типового проектного рішення; основні види структур МНДП для вибору структури, адекватної особливостям (спеціалізації) конкретного завдання; послідовність етапів і стадій розробки МНДП і склад робіт на кожній стадії; принципи і можливості декомпозиції комплексних завдань автоматизації, що вирішуються МНДП; принципи прийняття рішень і способи формалізації задач прийняття рішень; основні характеристики забезпечуючих підсистем МНДП. 2. Уміння: формалізувати основні типи завдань і проводити декомпозицію комплексних задач, що вирішуються МНДП; обґрунтовано проводити вибір наявних програмних і технічних засобів МНДП; використовувати підходи, методи та сучасні інформаційні технології розробки МНДП. Вивчення навчальної дисципліни передбачає формування та розвиток у студентів компетентностей та програмних результатів навчання відповідно до освітньо-професійної (освітньо-наукової) програм: «Інформаційні управляючі системи та технології» і «Системи штучного інтелекту».
1. ЗМІСТ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ ЗА ТЕМАМИ ЗМІСТОВИЙ МОДУЛЬ 1
ТЕМА 2. КРИТЕРІЙ НАУКОВОСТІ. ЗАГАЛЬНА ХАРАКТЕРИСТИКА. НАУКА, ОСВІТА, ІННОВАЦІЇ. ПРО РОЛЬ НАУКИ В СУЧАСНОМУ СУСПІЛЬСТВІ.
ТЕМА 3. МЕТОДИ НАУКОВОГО ПІЗНАННЯ. ЗАСОБИ І МЕТОДИ НАУКОВОГО ДОСЛІДЖЕННЯ. Науковий факт, проблема та гіпотеза. Теорія. Гіпотетико-дедуктивна модель наукового методу. Засоби наукового дослідження (засоби пізнання). Методи наукового дослідження. ТЕМА 4. ВИДИ НАУКОВОГО МЕТОДУ. ОРГАНІЗАЦІЯ ПРОЦЕСУ ПРОВЕДЕННЯ ДОСЛІДЖЕННЯ. Теоретичний науковий метод. Емпіричний науковий метод. Істина і упередження. Критика наукового методу. Відкриття без застосування наукового методу. ТЕМА 5. ТЕХНОЛОГІЯ ДОСЛІДНИЦЬКОЇ РОБОТИ. ЕТАПИ НАУКОВИХ ДОСЛІДЖЕНЬ. Поняття наукового дослідження. Структурні компоненти наукової діяльності (статика і динаміка). Мета, об'єкт, предмет і задачі дослідження. Формування гіпотези, методики та робочого плану дослідження. Результати наукового дослідження: види і вимоги. Фаза проектування наукового дослідження. Технологічна фаза наукового дослідження. ЗМІСТОВИЙ МОДУЛЬ 2ТЕМА 6. РОБОТА З ДЖЕРЕЛАМИ НАУКОВО-ТЕХНІЧНОЇ ІНФОРМАЦІЇ.Підготовчий етап. Проведення теоретичних і емпіричних досліджень. Робота над рукописом і її оформлення. Впровадження результатів наукового дослідження. ТЕМА 7. ОСНОВНІ ФОРМИ ПОДАННЯ РЕЗУЛЬТАТІВ НАУКОВИХ ДОСЛІДЖЕНЬ.
ТЕМА 9. ДЕЯКІ АСПЕКТИ ДІЯЛЬНОСТІ НАУКОВО - ДОСЛІДНИЦЬКИХ КОЛЕКТИВІВ, СПРЯМОВАНОЇ НА ОДЕРЖАННЯ ГРАНТІВ. ОРГАНІЗАЦІЯ КОЛЕКТИВНОГО НАУКОВОГО ДОСЛІДЖЕННЯ.
ТЕМА 10. СИСТЕМНИЙ АНАЛІЗ І ПІДХІД В НАУКОВО-ТЕХНІЧНИХ ДОСЛІДЖЕННЯХ.
ТЕМА 11. ПАТЕНТОЗНАВСТВО І ПАТЕНТОВЕДЕННЯ. Наукова творчість і евристика. Основні етапи наукової творчості. Роль інтуїції в науковій творчості. Основні методи евристики. Інтелектуальна власність як право на результати творчої діяльності людини. Система інтелектуальної власності. Організаційно-правові основи патентознавства. Авторське свідоцтво, Патент.
2. ПОТОЧНА НАВЧАЛЬНА РОБОТА СТУДЕНТІВ ДЕННОЇ ФОРМИ НАВЧАННЯ
2.1. Карта навчальної роботи студента
2.2. Критерії оцінювання поточних результатів вивчення дисципліни Об’єктами поточного контролю знань студентів є:
Контроль відповідей на практичних заняттях та виконання завдань на лабораторних роботах. Максимальна оцінка за відповіді на практичних заняттях протягом семестру дорівнює 10 балам і складається з оцінок, отриманих студентом на практичних заняттях під час розв'язання завдань та відповідей на теоретичні питання. Максимальна оцінка за виконання завдань на лабораторних роботах становить 25 балів. До переліку обов’язкових лабораторних робіт входять: «Програмні та інформаційні інструментарії в наукових дослідженнях». «Основні поняття і визначення математичних методів та методів статистичної обробки наукових і експериментальних даних». «Моделювання як метод наукового дослідження. Методі аналізу і моделювання процесів і систем». «Моделі і методі прогнозування процесів і систем». «Процедура подання заявки на одержання патенту на об’єкти промислової власност»і. «Система інтелектуальної власності. Процедура подання заявки на одержання патенту на об’єкти промислової власності. Оформлення документів заявки на корисну модель». «Контроль виконання індивідуальних завдань». Самостійна робота передбачає самостійне опрацювання студентами індивідуальних завдань за вибором: написання реферату; самостійне вивчення інформаційної системи; виконання вибіркових лабораторних робіт: «Моделювання як метод наукового дослідження. Методі аналізу і моделювання процесів і систем», «Методі обробки емпіричних даних. Емпіричні методи наукового дослідження», «Моделі і методі прогнозування процесів і систем», «Система інтелектуальної власності. Процедура подання заявки на одержання патенту на об’єкти промислової власності», «Оформлення документів заявки на корисну модель». Максимальна оцінка за виконання індивідуальних завдань становить 5 балів. Контроль виконання модульних контрольних робіт Максимальна оцінка за виконання модульних контрольних робіт становить 10 балів (по 5 балів за одну роботу).
3. ПОТОЧНА НАВЧАЛЬНА РОБОТА СТУДЕНТІВ ЗАОЧНОЇ ФОРМИ НАВЧАННЯ
3.1. Карта навчальної роботи студента
3.2. Критерії оцінювання поточних результатів вивчення дисципліни Об’єктами поточного контролю знань студентів є:
Контроль відповідей на практичних заняттях та виконання завдань на лабораторних роботах. Максимальна оцінка за відповіді на практичних заняттях протягом семестру дорівнює 10 балам і складається з оцінок, отриманих студентом на практичних заняттях під час розв'язання завдань та відповідей на теоретичні питання. Максимальна оцінка за виконання завдань на лабораторних роботах становить 25 балів. До переліку обов’язкових лабораторних робіт входять: «Програмні та інформаційні інструментарії в наукових дослідженнях». «Основні поняття і визначення математичних методів та методів статистичної обробки наукових і експериментальних даних». «Моделювання як метод наукового дослідження. Методі аналізу і моделювання процесів і систем». «Моделі і методі прогнозування процесів і систем». «Процедура подання заявки на одержання патенту на об’єкти промислової власност»і. «Система інтелектуальної власності. Процедура подання заявки на одержання патенту на об’єкти промислової власності. Оформлення документів заявки на корисну модель». «Контроль виконання індивідуальних завдань». Самостійна робота передбачає самостійне опрацювання студентами індивідуальних завдань за вибором: написання реферату; самостійне вивчення інформаційної системи; виконання вибіркових лабораторних робіт: «Моделювання як метод наукового дослідження. Методі аналізу і моделювання процесів і систем», «Методі обробки емпіричних даних. Емпіричні методи наукового дослідження», «Моделі і методі прогнозування процесів і систем», «Система інтелектуальної власності. Процедура подання заявки на одержання патенту на об’єкти промислової власності», «Оформлення документів заявки на корисну модель». Максимальна оцінка за виконання індивідуальних завдань становить 5 балів. Контроль виконання модульних контрольних робіт Максимальна оцінка за виконання модульних контрольних робіт становить 10 балів (по 5 балів за одну роботу). Максимальна оцінка за відповіді на практичних заняттях протягом семестру дорівнює 10 балам і складається з оцінок, отриманих студентом на практичних заняттях під час розв'язання завдань та відповідей на теоретичні питання. Студенти, що бажають отримати високу підсумкову оцінку мають можливість додатково виконати індивідуальне завдання. Виконання індивідуального завдання сприяє поглибленню і закріпленню теоретичних знань. Індивідуальне завдання є видом позааудиторної самостійної роботи студента навчального чи навчально-дослідницького характеру, яке виконується в процесі вивчення програмного матеріалу навчального курсу і завершується разом із складанням заліку із даної навчальної дисципліни. Звіт про виконання індивідуального завдання подається у вигляді наукового повідомлення з титульною сторінкою стандартного зразка із зазначенням всіх позицій змісту завдання загальним обсягом до 10 аркушів. Індивідуальне завдання подається викладачу, який читає лекційний курс з даної дисципліни та приймає залік, за 2 тижні до заліку. Оцінка за індивідуальне завдання виставляється на заключному практичному занятті з курсу на підставі попереднього ознайомлення викладача зі змістом. Можливий захист завдання шляхом усного звіту студента про виконану роботу на практичному занятті.
Тематика індивідуальних завдань
Контроль виконання індивідуальних завдань. Самостійна робота передбачає самостійне опрацювання студентами індивідуальних завдань за вибором: написання реферату; самостійне вивчення інформаційної системи; виконання вибіркових лабораторних робіт: «Моделювання як метод наукового дослідження. Методі аналізу і моделювання процесів і систем», «Методі обробки емпіричних даних. Емпіричні методи наукового дослідження», «Моделі і методі прогнозування процесів і систем», «Система інтелектуальної власності. Процедура подання заявки на одержання патенту на об’єкти промислової власності», «Оформлення документів заявки на корисну модель». Максимальна оцінка за виконання індивідуальних завдань становить 5 балів. Контроль виконання модульних контрольних робіт Максимальна оцінка за виконання модульних контрольних робіт становить 10 балів (по 5 балів за одну роботу). Максимальна оцінка за відповіді на практичних заняттях протягом семестру дорівнює 10 балам і складається з оцінок, отриманих студентом на практичних заняттях під час розв'язання завдань та відповідей на теоретичні питання. Студенти, що бажають отримати високу підсумкову оцінку мають можливість додатково виконати індивідуальне завдання. Виконання індивідуального завдання сприяє поглибленню і закріпленню теоретичних знань.
3.3. Критерії оцінювання результатів виконання індивідуальних завдань для самостійної роботи Максимальна сума балів поточного контролю – 50, які розподіляються:
А. КОНТРОЛЬ СИСТЕМАТИЧНОСТІ ТА АКТИВНОСТІ РОБОТИ НА КОНТАКТНИХ ЗАНЯТТЯХ ПІД ЧАС СЕСІЇ Оцінка знань студентів за контролем систематичності та активності роботи під час контактних занять над вивченням програмного матеріалу дисципліни включає такі складові: (1) відповіді (виступи) на контактних заняттях, виявлений рівень знань при обговоренні питань за темами занять; (2) виконання завдань самостійної роботи студента; (3) участь у науково-дослідній та творчій роботі (студентських наукових конференціях, гуртках, конкурсах, олімпіадах з питань даної дисципліни). При контролі відповідей (виступів) на контактних заняттях оцінці підлягають:
Оцінювання активності роботи відбувається з градацією в 1 бал:
Протягом установчої та екзаменаційної сесії кожен студент з групи на контактних заняттях повинен приймати активну участь в обговоренні проблем, які винесені на заняття. При контролі участі у науково-дослідній та творчій роботі оцінці підлягають:
Оцінювання активності роботи відбувається з градацією в 1 бал:
Б. КОНТРОЛЬ ЗА ВИКОНАННЯМ КОНТРОЛЬНИХ (МОДУЛЬНИХ) РОБІТ Завдання, винесені для контрольних (модульних) робіт включають в себе тестові питання та аналітичне завдання. Контрольна (модульна) робота складається з тестових запитань (оцінюються в 4 бали) та розрахункового програмно-технічного завдання (за правильно здійснені розрахунки максимальна оцінка – 4 бали). Оцінки виставляються з кратністю до 1 бала. За використання недозволених джерел і підказок студент отримує 0 балів. Критерії оцінювання доводяться до студентів перед модульним контролем. Письмові роботи зберігаються на кафедрі до закінчення семестру. Критерії оцінювання поточної систематичності та активності роботи студента:
Оцінювання поточної успішності студентів проводиться в балах, які виставляються в журнал. «Ціна» заняття залежить від: А) індивідуальної активності та рівня підготовки студентів; Б) видів завдань, які пропонуються викладачем за темою контактного заняття відповідно до форми його проведення. Індивідуальна «ціна заняття» за поточну аудиторну роботу для студентів може бути визначена за наступною формою:
В разі невиконання завдань поточного контролю з об’єктивних причин, студент має право, за дозволом директора (заступника директора), скласти їх під час консультацій у «дні заочника». Час та порядок складання визначає викладач. Результати поточного контролю знань студентів оформлюються під час останнього семінарського заняття та вносяться до заліково-екзаменаційної відомості без переведення їх у 4-х бальну шкалу. Результати поточної успішності студентів є показником рівня засвоєння ними робочої навчальної програми та виконання вимог Карти самостійної роботи студентів. Результати поточного та підсумкового контролю є рівноцінними показниками рівня засвоєння студентом знань, набуття умінь та сформованості навичок, що визначені відповідною робочою навчальною програмою з дисципліни «Методологія наукових досліджень та патентоведення». Студент, який набрав за результатами поточного контролю від 0 до 20 балів (включно), вважається таким, що не виконав вимоги робочої програми навчальної дисципліни «Інформаційні управляючі системи», передбаченої індивідуальним навчальним планом, і отримує з дисципліни незадовільну оцінку. Він має право за власною заявою опанувати цю дисципліну в наступному семестрі понад обсяги встановлені навчальним планом за індивідуальним графіком у формі додаткової індивідуально-консультативної роботи згідно з діючими в Університеті положеннями. Під час таких занять студент має виконувати завдання для самостійної роботи, модульні контрольні роботи, інші види робіт, передбачені робочою програмю навчальної дисципліни «Методологія наукових досліджень та патентоведення» та набрати від 21 до 50 балів (включно). Бали у кількості 21 і більше є підставою для допуску студента до заліку за конкретним завданням. Студент, який набрав за результатами поточного контролю від 0 до 20 балів (включно) і не бажає опановувати дисципліну в наступному семестрі понад обсяги встановлені навчальним планом за індивідуальним графіком у формі додаткової індивідуально-консультативної роботи, не допускається до повторного складання екзамену і вважається таким, що має академічну заборгованість.
4. ІНДИВІДУАЛЬНІ ЗАВДАННЯ ДЛЯ САМОСТІЙНОЇ РОБОТИ СТУДЕНТІВ 4.1. Вимоги до виконання індивідуальних завдань для самостійної роботи Самостійна робота студента (надалі — СРС) — це форма організації навчального процесу, при якій заплановані завдання виконуються студентом під методичним керівництвом викладача, але без його безпосередньої участі. СРС є основним засобом оволодіння навчальним матеріалом під час поза аудиторної навчальної роботи. Метою СРС є засвоєння в повному обсязі навчальної програми та послідовне формування у студентів самостійності як риси характеру, що відіграє суттєву роль у формуванні сучасного фахівця вищої кваліфікації. Перелік завдань для СРС, форми її організації та звітності, терміни виконання та кількість балів, які можна отримати за виконання завдань з СРС, визначаються кафедрою в робочій навчальній програмі дисципліни і включаються до Карти самостійної роботи студента. Карта самостійної роботи студента є основою організації СРС з дисципліни і відображає перелік конкретних форм самостійної роботи, які необхідно виконати студенту відповідно до робочої навчальної програми дисципліни, планові терміни її складання та кількість балів, які можна отримати за виконання цих робіт. перелік та форми організації індивідуальних завдань для самостійної роботи при вивченні теоретичного матеріалу навчальної дисципліни Самостійна робота студентів з дисципліни охоплює такі види роботи: І вид: самостійна робота, що забезпечує підготовку до поточних аудиторних занять; ІІ вид: пошуково-аналітична робота; ІІІ вид: наукова-дослідницька діяльність. Самостійна робота, що забезпечує підготовку до поточних аудиторних занять, проводиться в таких формах: - опрацювання теоретичних основ прослуханого лекційного матеріалу; - вивчення окремих тем і питань для самостійного опрацювання; - підготовка до практичних (контактних) занять; - систематизація матеріалу перед написанням модулю та іспитом; - виконання індивідуальних завдань (комплексний аналіз певної групи макрофінансових показників); - виконання розрахункових аналітичних завдань.
4.2. Критерії оцінювання результатів виконання індивідуальних завдань для самостійної роботи Самостійна робота передбачає самостійне опрацювання студентами індивідуальних завдань за вибором: написання реферату; самостійне вивчення інформаційної системи; виконання вибіркових лабораторних робіт. Максимальна оцінка за виконання індивідуальних завдань становить 5 балів.
5. ПІДСУМКОВЕ ОЦІНЮВАННЯ РЕЗУЛЬТАТІВ ВИВЧЕННЯ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ Підсумкове оцінювання знань студентів з дисципліни здійснюється на основі результатів поточного контролю. Максимально можлива підсумкова кількість балів, здобута за результатами поточного оцінювання з дисципліни, не може перевищувати 100 балів. Підсумковий бал оформлюється під час останнього семінарського (практичного, лабораторного) заняття відповідного семестру, а на заочній формі навчання – за розкладом екзаменаційно-лабораторної сесії. Кількість балів (оцінка, округлена до найближчого числа, кратного 5) вноситься до відомості обліку успішності і є основою для визначення загальної успішності студента з даної навчальної дисципліни предмета. Переведення даних 100-бальної шкали оцінювання в 4-х бальну та шкалу за системою ECTS здійснюється в такому порядку:
Студент, який набрав за результатами поточного оцінювання від 0 до 20 балів (включно), вважається таким, що не виконав вимоги робочої навчальної програми з дисципліни, передбаченої індивідуальним навчальним планом, і отримує з дисципліни незадовільну оцінку. Він має право за власною заявою опанувати цю дисципліну в наступному семестрі понад обсяги встановлені навчальним планом за індивідуальним графіком у формі додаткової індивідуально-консультативної роботи згідно з діючими в Університеті положеннями. Студент, який набрав за результатами поточного оцінювання від 0 до 20 балів (включно) і не бажає опановувати дисципліну в наступному семестрі понад обсяги встановлені навчальним планом за індивідуальним графіком у формі додаткової індивідуально-консультативної роботи, не допускається до повторного складання екзамену і вважається таким, що має академічну заборгованість. Студенти, які за результатами підсумкового контролю набрали від 0 до 59 балів (включно), після належної підготовки мають право повторно скласти залік у формі виконання індивідуальної контрольної роботи. Індивідуальна контрольна робота має складатися з 10 завдань, кожне з яких оцінюється за шкалою
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ДЕРЖАВНИЙ ВИЩИЙ НАВЧАЛЬНИЙ ЗАКЛАД «КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ імені ВАДИМА ГЕТЬМАНА»
Інститут інформаційних технологій в економіці Кафедра інформаційних систем в економіці
ЗАТВЕРДЖУЮ: Проректор з науково-педагогічної роботи
9 січня 2019 р.
МЕТОДИЧНІ МАТЕРІАЛИ
Мультиагентні системи в економіці назва навчальної дисципліни
Київ – 2018 Розробник: Гужва В.М, к.е.н., проф., volodymyr.huzhva@kneu.ua, кафедра інформаційних систем в економіці
© автор(и), 2018 © КНЕУ, 2018
ВСТУП Міждисциплінарні зв’язки: для вивчення дисципліни необхідні базові знання з таких дисциплін, як: "Інформатика та комп’ютерна техніка", "Проектування систем оброблення економічної інформації", "Системи управління знаннями", “Системи підтримки прийняття рішень”. Мета дисципліни: сформувати у студентів теоретичні основи щодо проектування мультиагентних систем та здобути практичні навички їх створення. Завдання (навчальні цілі) дисципліни: здатність розв’язувати складні спеціалізовані задачі та проблеми, пов’язані з розробкою та впровадженням мультиагентних систем в соціально-економічній сфері. Предмет дисципліни: мультиагентні системи, методологія та інструментарій їх розробки. У результаті вивчення навчальної дисципліни студент повинен набути такі результати навчання: 1) Знання: теоретичні засади створення мультиагентних систем (МАС); основні види архітектур МАС та особливості їх застосування; послідовність етапів і стадій розробки МАС і склад робіт на кожній стадії; принципии агентно-орієнтованого моделювання (АОМ) та технологія використання АОМ при дослідженні соціально-економічних процесів і систем. 2) Уміння: формалізувати основні типи завдань і проводити декомпозицію комплексних задач, що вирішуються за допомогою МАС; обгрунтовано проводити вибір наявних програмних засобів для побудови МАС різного функціонального призначення та в різних сферах; обгрунтовано проводити вибір наявних програмних засобів для АОМ та ефективно використовувати АОМ для дослідження соціально-економічних процесів і систем.
1. ЗМІСТ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ ЗА ТЕМАМИ ЗМІСТОВИЙ МОДУЛЬ 1 Тема 1. Програмні агенти: поняття, властивості та класифікація Коротка історична довідка. Суть поняття “агенти”. Автономні агенти. Таксономія натуральних видів агентів. Автономні агенти: біологічні агенти, агенти-роботи та обчислювальні агенти. Різновиди обчислювальних агентів: програмні агенти та агенти штучного життя. Визначення поняття “програмні агенти”. Співвідношення понять “агент” та “обєкт”. Аспекти програмних агентів. Основні характеристики програмних агентів: здатність до реагування, автономність, розважливість, раціональність, комунікативність, адаптивність та ін. Типологія програмних агентів. Основні ознаки типології: здатність до співпраці (кооперація), здатність до навчання та автономність роботи. Класифікація програмних агентів: партнерські агенти, інтерфейсні агенти, рухливі (мобільні) агенти, інформаційні/INTERNET- агенти, реагуючі (реактивні) агенти, гібридні агенти та інтелектуальні (“думаючі”) агенти. Основні сфери та приклади використання програмних агентів в економіці та бізнесі.
Тема 2. Архітектура та концептуальна модель агентів. Типи агентів Архітектура агентів та її основні складові: інтерфейс із зовнішнім світом; компоненти, засновані на поведінці; плануючї компоненти; компоненти, відповідальні за кооперацію з іншими агентами і бази знань агента. Класи архітектур агентів: деліберативна, реактивна та гібридна. Концептуальна модель агента. Узагальнена функціональна структура агента. Типологія агентів. Партнерські агенти. Інтерфейсні агенти. Мобільні агенти. Інформаційні/Internet агенти. Реактивні агенти. Гібридні агенти.
Тема 3. Мультиагентні системи: суть, елементи реалізації та переваги Суть мультиагентних систем (МАС). Основні поняття, що повязані з МАС. Архітектура агентів. Архітектура системи агентів. Інфраструктура агентів: онтології, протоколи зв”язку, протоколи взаємодії. Основні задачі окремих агентів в МАС: пошук агентів для співробітництва та взаємодія агентів. Різновиди програмних агентів в складі МАС: агенти – помічники (facilitators), агенти – посередники (mediators), агенти – брокери (brokers), агенти – мейчмейкери (або “жовті сторінки”), агенти – блекборди (blackboards), агенти – локальні зонні координатори, агенти – сервери доменного співробітництва та ін. Елементи реалізації мультиагентних систем: зв”язок, взаємодія, когерентність та координація. Види зв”язку в МАС: прямий зв”язок, федеративна система, трансляційний зв”язок, зв”язок на основі блекбоард – систем. Питання взаємодії агентів в МАС: теорія мовної дії та взаємодії, компоненти мовної взаємодії – перформативності, основні види перформативностей (“відстоювати”, “стверджувати”, “запитувати”, “замовляти”, “наказувати” та ін). Когерентність та координація в МАС. Різниця між поняттями “когерентність” та “координація”. Причини необхідності координації взаємопов”язаних індивідуальних цілей агентів, потреба в подоланні глобальних обмежень, синергетичний ефект. Переваги мультиагентних систем: відказостійкість, модульне програмне забезпечення та масштабована архітектура, можливість самоконфігурування, гнучкість та ін. Стандарти побудови мультиагентних систем. Стандарт OMG MASIF (Mobile Agent System Interoperability Facilities). Абстрактна архітектура FIPA (Foundation for Intelligent Physical Agents).
Тема 4. Взаємодія агентів в мультиагентних системах Основні характеристики взаємодії агентів: спрямованість, вибірковість, інтенсивність і динамічність. Види взаємодії агентів. Кооперація і конкуренція. Критерії взаємодії агентів: сумісність цілей чи намірів агентів; відношення агентів до ресурсів; досвід агентів, пов'язаний з деякою проблемною областю; зобов'язання агентів один перед іншим. Cитуації взаємодії агентів. Базові (еталонні) ситуації взаємодії агентів. Причини взаємодії агентів. Установлення базових типів співробітництва і суперництва агентів у МАС. Кооперація агентів.
Тема 5. Мови програмування агентів в мультиагентних системах Вимоги до мов програмування агентів. Забезпечення переносимості коду на різні платформи. Доступність на багатьох платформах. Підтримка мережної взаємодії. Багатопотокова обробка (“Multithreading”). Підтримка символьних обчислень. Безпека (наявність системи захисту від несанкціонованого доступу і “поганих кодів”). Дійсна об'єктна орієнтованість. Мовна підтримка властивостей агента. Класифікація мов. Універсальні мови програмування. Мови, "орієнтовані на знання": мови представлення знань (KIF), мови переговорів і обміну знаннями (KQML, AgentSpeak, April, FIPA-ACL) та мови специфікацій агентів. Спеціалізовані мови програмування агентів (TeleScript). Мови сценаріїв і scripting languages (Tcl/Tk). Символьні мови і мови логічного програмування (Oz). Порівняльна характеристика мов спілкування агентів в МАС.
ЗМІСТОВИЙ МОДУЛЬ 2 Тема 6. Моделювання діалогових взаємодій між агентами, агентно-орієнтованих бізнес-правил та бізнес-процесів в мультиагентних системах Мотивація взаємодії програмних агентів. Термінологія взаємодії програмних агентів. Мовні дії програмних агентів та їх різновиди. Основні положення теорії мовних (комунікативних) взаємодій між агентами. Формалізми (формальні процедури) для представлення міжагентних взаємодій (діалогів): зразки діалогу, (протоколи), моделі діалогів, ролі учасників діалогу, стан та імплементація діалогу, графічне представлення діалогу та ін. Основні підходи до моделювання діалогових взаємодій в мультиагентних системах: метод детерміністичних кінцевих автоматів (ДКА), метод удосконалених графів Дулі (Dooley), метод розширених UML-діаграм, метод розфарбованих мереж Петрі (РМП). Моделювання діалогових взаємодій агентів на основі РМП. Основні елементи моделювання: протокол, діалог (розмова), політика діалогу. Багатошарова архітектура діалогу між агентами при використанні РМП. Переваги від використання РМП для моделювання діалогових взаємодій. Порівняльний аналіз підходів щодо моделювання діалогових взаємодій агентів в МАС. Моделювання агентно-орієнтованих бізнес-правил та бізнес-процесів в мультиагентних системах. Моделювання процедур взаємодії агентів при укладанні угод в логістичних ланцюгах.
Тема 7. Підходи до проектування МАС Висхідний і низхідний підходи до проектування МАС. Еволюційне та коеволюційне проектування МАС. Висхідний підхід до проектування МАС. Базові процеси. Етапи методики висхідного проектування МАС. Основні види моделей: модель агента, організаційна модель МАС, модель взаємодії агентів. Основи стандартної методології проектування МАС. Основи стандартної методології проектування МАС - аналіз, модель ролей, модель взаємодій. Основи об’єктно-орієнтованої розробки МАС. Опис етапів об’єктно-орієнтованої розробки МАС - аналіз, процес проектування, модель агентів, модель послуг, модель контактів. Методика низхідного проектування. Організаційний синтез МАС. Опис основних кроків.
Тема 8. Методи побудови мультиагентних систем систем Основні класи методів побудови мультиагентних систем та їх стисла характеристика. Клас методик, що базуються на об'єктно-орієнтованих методах і технологіях з використанням відповідних розширень Методика побудови мультиагентних систем MAS DK. Класс методик, що використовують традиційні методи інженерії знань. Методика побудови мультиагентних систем Common Kads. Клас методик, засновані на організаційно-орієнтованих уявленнях. Методика побудови мультиагентних систем Gaia. Методика побудови мультиагентних на основі концепції М-архітектури. Методики, що комбінують в різному ступені методи трьох перших класів. Методика побудови мультиагентних Тropos. Методика побудови мультиагентних PASSI. Методика побудови мультиагентних Prometheus.
Тема 9. Інструментальні засоби для побудови мультиагентних систем Вимоги до інструментальних засобів для побудови мультиагентних систем – загальносистемні та інструментально-технологічні. Інструментальне середовище MAS-DK. Загальний опис середовища та архітектури агентів, що генеруються. Технологія розробки прикладних МАС в інструментальному середовищі. Проектування прикладної МАС: аналіз предметної області, опис онтологій проблемної області. Проектування класів агентів: опис мета моделей поведінки класів агентів, опис сервісів класів агентів, опис конкретних онтологій класів агентів. Розробка програмного коду класів агентів. Розгортання прикладної МАС. Інструментальне середовище JADE (Java Agent Development Framework). Основні інструментальні засоби та їх характеристика. Інструментальне середовище INGENIAS Development Kit (IDK). Основні робочі модулі та їх коротка характеристика. Метамоделі. Інструментальний програмний комплекс DISIT (Distributed Intellectual System Integrated Toolkit). Етапи створення МАС, що дозволяє реалізувати інструментальний засіб: подання моделі предметної області (МПО) у вигляді структури ФК (фрейм-концептів); наповнення моделі логікою взаємин ФК і їх атрибутів; виділення інтелектуальних агентів (ІА) та визначення їх поведінки з урахуванням системних обмежень; трансляція отриманої концептуальної МПО в структурно-логічну модель МАС; розміщення ІК та ІА в корпоративній мережі. Основні компоненти та їх стисла характеристика. Приклад практичного використання інструментального засобу. Інструментальне середовище розробки і реалізації МАС AgSDK. Методологія і керування. Онтологічний інструментарій AgSDK. Модельний приклад. Інструментальне середовище для побудови мультиагентних систем ABLE (Agent Building and Learning Enviroment). Побудова агентної платформи. Бібліотека компонентів ABLE. Розширення функціональності платформи ABLE c використанням компонентів, створених користувачами. Інструменти розробки платформи ABLE. Інструментальне середовище для побудови мультиагентних система MadKit. Загальна модель архітектури системи. Встановлення MadKit. Основні елементи середовища MadKit та їх стислий огляд. Приклад реалізації мультиагентної системи.
Тема 10. Використання мультиагентних систем в економіці та бізнесі Мультиагентні системи в електронному бізнесі. Архітектура мультиагентної системи підтримки електронного бізнесу. Основні фази торгового процесу, що підтримуються агентами. Мультиагентна система для управління електронним аукціоном. Основні типи агентів (агент продавця, агент аукціоніста та агент продавця) та їх функції. Мультиагентна система для підтримки прийняття рішень при торгівлі цінними паперами (MASST). Організаційна структура та архітектура. Обмін інформацією та знаннями в системі. Взаємодія агентів в процесі пошуку інформації щодо цінних паперів. Взаємодія агентів в процесі моніторингу сегментів ринку цінних паперів та управління ризиками. Взаємодія агентів в процесі прийняття рішень щодо купівліта продажу акцій. Мультивгентна система для вирішення задач логістики. Архітектура системи та основні функції її складових. Мультиагентні системи в державному управлінні та соціальній сфері. Мультиагентні системи в електроенергетиці.
Тема 11. Агентно-орієнтоване моделювання соціально-економічних процесів та систем Моделювання як спосіб вирішення проблем в реальному світі. Імітаційне моделювання та його основні парадигми - системна динаміка, динамічні системи, дискретно-подійне моделювання та агентно-орієнтоване моделювання. Суть агентно-орієнтованого моделювання. Технологія побудови агентних моделей. Засоби розробки систем агентно-орієнтованих моделей (АОМ). Приклади інструментальних засобів для побудови АОМ (Mason, Repast, AnyLogic та ін.). Соціально-економічнІ системи як сукупності активних агентів. Приклади агентно-орієнтованого моделювання соціально-економічних процесів та систем. Агентно-орієнтоване моделювання системи управління виробничими підприємствами. Використання агентно-орієнтованого моделювання в страховій діяльності. Агентно-орієнтоване моделювання діяльності на фондовому ринку. Агентно-орієнтоване моделювання ланцюгів постачань на підприємствах. Використання агентно-орієнтованого моделювання в банківській діяльності. 2. ПОТОЧНА НАВЧАЛЬНА РОБОТА СТУДЕНТІВ ДЕННОЇ ФОРМИ НАВЧАННЯ 2.1. Карта навчальної роботи студента з дисципліни (обов’язкової) Мультиагентні системи в економіці для студентів-магістрів освітньої програми Системи штучного інтелекту денної форми навчання
2.2. Критерії оцінювання поточних результатів вивчення дисципліни Об’єктами поточного контролю знань студентів є:
Контроль відповідей на практичних заняттях та виконання завдань на лабораторних роботах. Максимальна оцінка за виконання завдань на лабораторних роботах становить 30 балів (6 лабораторних робіт, оцінка кожної – 0, 3, 4 та 5 балів). До переліку лабораторних робіт входять: 1) Лабораторна робота №1 “Інтелектуальні агенти. Знайомство з інформаційно-пошуковими агентами та їх порівняльний аналіз”. Мета роботи: знайомство з інформаційно-пошуковими агентами та проведення їх порівняльного аналізу. 2) Лабораторна робота №2 “Інтелектуальні агенти. Знайомство з функціонально-орієнтованими і мультифункціональними агентами та їх порівняльний аналіз ”. Мета роботи: знайомство з функціонально-орієнтованими і універсальними агентами агентами та проведення їх порівняльного аналізу. 3) Лабораторна робота №3 “Розробка власного інформаційно-пошукового агента (пошукової машини)”. Мета роботи: знайомство з системою Search Engine Builder та її використання для побудови власного пошукового агента (пошукової машини). 4) Лабораторна робота №4 “Інструментальні засоби для побудови мультиагентних систем. Частина 1 та Мета роботи (частиа 1): знайомство з інструментальним середовищем для побудови мультиагентних систем JADE (Java Agent Development Framework) та його використання для побудови власної мультиагентної системи. Мета роботи (частина 2): знайомство з інструментальним середовищем для побудови мультиагентних систем MadKit (версія 4.1 або 4.2) та його використання для побудови власної мультиагентної системи. 5) Лабораторна робота №5 “Інструментальні засоби для побудови мультиагентних систем. Частина Мета роботи: знайомство з інструментальним середовищем для побудови мультиагентних систем Ingenias та його використання для побудови власної мультиагентної системи. 6) Лабораторна робота №7 “Агентно-орієнтоване моделювання процесів та систем. Інструментальний засіб AnyLogic”. Мета роботи: знайомство із засобами агентно-орієнтованого моделювання процесів та систем та їх практичне використання ( на прикладі пакету AnyLogic). Контроль виконання індивідуальних завдань В рамках даної дисципліни складається передбачаються наступні завдання для самостійного опрацювання: 1) підготовка реферату за індивідуальною темою – шкала оцінок - 0, 3, 4 та 5 балів; 2) виконання індивідуальної науково-дослідної роботи - шкала оцінок - 0, 3, 4 та 5 балів. Максимальна оцінка за виконання індивідуальних завдань становить 10 балів. Контроль виконання модульних контрольних робіт Максимальна оцінка за виконання модульних контрольних робіт становить 10 балів (форма проведення – тестування у хмарній платформі Office365, 2 тести по 5 балів кожний). В кожному тесті передбачено 20 запитань. Відповідь на кожне з запитань може бути вірною або невірною. За результатами тесту студент може набрати: 5 балів – якщо буде правильною відповідь не менше, ніж на 18 запитань; 4 бали - якщо буде правильною відповідь на 15-17 запитань; 3 бали - якщо буде правильною відповідь менше, ніж на 12-14 запитань. 0 балів - якщо буде правильною відповідь менше, ніж на 12 запитань.
3. ПОТОЧНА НАВЧАЛЬНА РОБОТА СТУДЕНТІВ ЗАОЧНОЇ ФОРМИ НАВЧАННЯ 3.1. Карта навчальної роботи студента з дисципліни (обов’язкової) Мультиагентні системи в економіці для студентів-магістрів освітньої програми Системи штучного інтелекту заочної форми навчання
3.2. Критерії оцінювання поточних результатів вивчення дисципліни Об’єктами поточного контролю знань студентів є:
Контроль cистематичності та активності роботи на контактних заняттях Оцінювання систематичності та активності роботи на контактних заняттях здійснюється за результатами практичного заняття та виконання трьох лабораторних робіт (№№1-3), оформлених у вигляді письмових звітів. Максимальна оцінка за виконання та захист лабораторних робіт – 30 балів. Контроль виконання індивідуальних завдань Самостійна робота передбачає самостійне опрацювання окремих питань дисципліни та написання реферату. Максимальна оцінка за підготовку реферату складає 10 балів. Контроль виконання модульних контрольних робіт В рамках дисципліни передбачено модульне (контрольне) завдання у вигляді тесту з теорії дисципліни. В тесті передбачено 20 запитань. Відповідь на кожне з запитань може бути вірною або невірною. За результатами тесту студент може набрати: 10 балів – якщо буде правильною відповідь не менше, ніж на 18 запитань; 8 балів- якщо буде правильною відповідь на 15-17 запитань; 6 балів – якщо буде правильною відповідь менше, ніж на 12-14 запитань. 0 балів – якщо буде правильною відповідь менше, ніж на 12 запитань.
4. ІНДИВІДУАЛЬНІ ЗАВДАННЯ ДЛЯ САМОСТІЙНОЇ РОБОТИ СТУДЕНТІВ 4.1. Вимоги до виконання індивідуальних завдань для самостійної роботи Самостійна робота студента (надалі — СРС) — це форма організації навчального процесу, при якій заплановані завдання виконуються студентом під методичним керівництвом викладача, але без його безпосередньої участі. СРС є основним засобом оволодіння навчальним матеріалом під час поза аудиторної навчальної роботи. Метою СРС є засвоєння в повному обсязі навчальної програми та послідовне формування у студентів самостійності як риси характеру, що відіграє суттєву роль у формуванні сучасного фахівця вищої кваліфікації. Перелік завдань для СРС, форми її організації та звітності, терміни виконання та кількість балів, які можна отримати за виконання завдань з СРС, визначаються кафедрою в робочій навчальній програмі дисципліни і включаються до Карти самостійної роботи студента. Карта самостійної роботи студента є основою організації СРС з дисципліни і відображає перелік конкретних форм самостійної роботи, які необхідно виконати студенту відповідно до робочої навчальної програми дисципліни, планові терміни її складання та кількість балів, які можна отримати за виконання цих робіт. перелік та форми організації індивідуальних завдань для самостійної роботи при вивченні теоретичного матеріалу навчальної дисципліни Самостійна робота студентів з дисципліни охоплює такі види роботи: І вид: самостійна робота, що забезпечує підготовку до поточних аудиторних занять; ІІ вид: пошуково-аналітична робота; ІІІ вид: наукова-дослідницька діяльність. Самостійна робота, що забезпечує підготовку до поточних аудиторних занять, проводиться в таких формах: - опрацювання теоретичних основ прослуханого лекційного матеріалу; - вивчення окремих тем і питань для самостійного опрацювання; - підготовка до практичних (контактних) занять; - систематизація матеріалу перед написанням модулю та екзаменом; - виконання індивідуальних завдань (комплексний аналіз певної групи макрофінансових показників); - виконання розрахункових аналітичних завдань. 4.2. Критерії оцінювання результатів виконання індивідуальних завдань для самостійної роботи Самостійна робота передбачає самостійне опрацювання студентами індивідуальних завдань за вибором: написання реферату; самостійне вивчення інформаційної системи; виконання вибіркових лабораторних робіт. Максимальна оцінка за виконання індивідуальних завдань становить 10 балів.
5. ПІДСУМКОВЕ ОЦІНЮВАННЯ РЕЗУЛЬТАТІВ ВИВЧЕННЯ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ (форма підсумкового контролю — екзамен)
6.1. Основна література 1. В.М. Гужва. Мультиагентні системи: Навч. посібник. К.: КНЕУ, 2014. – 466с. 2. В.М. Гужва, А.Г. Постєвой. ІС в міжнародному бізнесі: Навч. посібник. К: КНЕУ, 2002 - 400c. 3. В.М. Гужва. Інформаційні системи і технології на підприємствах.Навч.-метод. посіб. для самост. вивч. дисц. –К.: КНЕУ, 2008.- 368c. 4. Андрейчиков А. В., Андрейчикова О. Н. Интеллектуальные информационные системы: Учебник. — М.: Финансы и статистика, 2004. - 424 с: ил. 5. Гужва В.М. Мультиагентні системи для управління логістичними ланцюгами на підприємствах // Збірник наукових праць Академії ДПС України. – Ірпінь: АДПСУ, 2002. – Вип. 1(15). – C.237-242. 6. В.М. Гужва. Мультиагентні системи. Матеріали дистанційного курсу в системі WebCT. – do.kneu.kiev.ua. 7. Субботін С. О. Неітеративні, еволюційні та мультиагентні методи синтезу нечіткологічних і нейромережних моделей: монографія / С. О. Субботін, А. О. Олійник, О. О. Олійник; за заг. ред. С. О. Субботіна. – Запоріжжя: ЗНТУ, 2009. – 375 с. 8. Бахтизин А. Р. Агент-ориентированные модели экономики. / А. Р. Бахтизин – М.: ЗАО Издательство «Экономика», 2008. – 279 с.
6.2. Додаткова література
1. Гужва В.М. Реалізація ланцюгів постачання на підприємствах за допомогою системи партнерських агентів у середовищі Internet // Стратегія економічного розвитку України: Наук. зб. – K.: КНЕУ, 2002. – Вип.2(9). – С.358-368. 2. Huhns M.N., Singh M.P. (eds) Readings in Agents, Morgan Kaufmann Pub., 1997. - 311 p 3. 264. Wooldridge, Michael and Nicholas R. Jennings. Agent Theories, Architectures, and Languages: a Survey, in Wooldridge and Jennings Eds., Intelligent Agents, Berlin: Springer-Verlag, 1995. – Р. 1-22 4. Axelrod Robert. The Complexity of Cooperation: Agent-Based Models of Competition and Collaboration / Robert Axelrod. – Princeton: Princeton University Press. – 1997. – 248 pp. 5. Axtell R. L. Agent-Based Models of Industrial Ecosystem / R. L. Axtell, C. J. Andrews, M. J. Small. // Journal of Industrial Ecology – vol. 5(4). – 2001. – pp. 10–13. 6. Bonabeau E. Agent-based modeling: Methods and techniques for simulating human systems. / E. Bonabeau // Proceedings of the National Academy of Sciences of the United States of America. – 2002. – vol. 99(suppl. 3). – pp. 7280–7287. 7. Chen S. H. Varieties of agents in agent-based computational economics: A historical and an interdisciplinary perspective. / S. H. Chen // Journal of Economic Dynamics and Control. – 2011. – vol. 36(1). – pp. 1–25. 8. LeBaron B. Agent-based computational finance: suggested readings and early research. / B. LeBaron // Journal of Economic Dynamics and Control. – 2000. – vol. 24(5-7). – pp. 679-702. 9. Hoffmann A. O. I. Stock Price Dynamics in Artificial Multi-Agent Stock Markets / [A. O. I. Hoffmann, S. A. Delre, J. H. von Eije and W. Jager] // Artificial Economics: Agent-Based Methods in Finance, Game Theory and Their Applications.; chief editors: P. Mathieu, B. Beaufils, and O. Brandouy. – Heidelberg: Springer Verlag, 2006. – pp. 191–201. 10. Cognition and Multi-Agent Interaction: from Cognitive Modeling to Social Simulation / Chief editor R. Sun – Cambridge: Cambridge University Press, 2006. – 450 pp. 11. Городецкий В. И. MAS DK: инструментарий для разработки многоагентных систем и примеры приложений. / [В. И. Городецкий, О. В. Карсаев, И. В. Котенко, А. В. Хабалов] // Труды Междунар. Конгресса «Искусственный интеллект в XXI веке» (ІСАІ 2001). – М.: Изд. Физико-математической литературы, 2001. – С. 249-262. 12. Котов С. С. Инструментально-программный комплекс для проектирования мультиагентных систем / С. С. Котов, М. А. Сергушичева, С. И. Сорокин, А. Н. Швецов // Мат-лы IX Междунар. конф. «Интеллектуальные системы и компьютерные науки» – М.: Изд-во механико-математического факультета МГУ, 2006. – Том 2, часть 2. – С. 309-312. 13. Bresciani P. Tropos: An Agent-Oriented Software Development Methodology / [P. Bresciani, A. Perini, P. Giorgini, F. Giunchiglia, J. Mylopoulos] // Autonomous Agents and Multi-Agent Sytems. – 2004. – vol. 8. – pp. 203-206. 130. Nwana H. Software agents: An overview / H. Nwana // The Knowledge Engineering Review. – 1996. – vol. 11(3). – pp. 205–244. МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ДЕРЖАВНИЙ ВИЩИЙ НАВЧАЛЬНИЙ ЗАКЛАД «КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ імені ВАДИМА ГЕТЬМАНА» НАВЧАЛЬНО-НАУКОВИЙ ІНСТИТУТ «Інститут інформаційних технологій в економіці» Кафедра інформаційних систем в економіці
ЗАТВЕРДЖУЮ: Проректор з науково-педагогічної роботи
«___» ___________ 20__ р.
МЕТОДИЧНІ МАТЕРІАЛИ
Нейромережі та нейроконтролери назва навчальної дисципліни
Київ – 2018 Розробник: Городній О.В., к.т.н., доцент, kneu_gorodny@i.ua кафедра інформаційних систем в економіці
© автор(и), 2018 © КНЕУ, 2018
ВСТУП Міждисциплінарні зв’язки: для вивчення дисципліни необхідні базові знання з таких дисциплін, як: "Інформатика та комп’ютерна техніка", "Теорія інтелектуальних систем прийняття рішень", "Нейро-нечіткі моделі в управлінні", “Методи і технології обчислюваного інтелекту”, “Адміністрування та програмування БД в штучному інтелекті”. Мета дисципліни: систематизація знань про можливості та особливості застосування нейрокомп'ютерних алгоритмів і систем для обробки інформації. Завдання (навчальні цілі) дисципліни: передбачається - формування у студентів певних знань та вмінь з теорії та практики розробки архітектури та алгоритмів функціонування нейронних мереж; - порівняльний аналіз різних архітектур нейрокомп'ютерних систем, застосовуваних при вирішенні складних завдань розпізнавання об'єктів, комбінаторної оптимізації, побудови асоціативної пам'яті та ін. - вивчення основних моделей нейронних мереж з глибиною, достатньою для того, щоб досвідчений програміст міг реалізувати таку мережу на тій мові програмування, який він вважає за краще. Предмет дисципліни: архітектура та алгоритми функціонування нейронних мереж. У результаті вивчення навчальної дисципліни студент повинен набути такі результати навчання: 1.Знання: - основних понять, визначення та проблеми курсу; - архітектури та алгоритми функціонування нейронних мереж для розпізнавання образів; - архітектури та алгоритми функціонування нейронних мереж для прогнозування процесів; - архітектури та алгоритми функціонування нейронних мереж для класифікації зображень; - архітектури та алгоритми функціонування нейронних мережі для керування об`єктами; - архітектури та алгоритм функціонування нейронних мереж, які здатні виділяти сигнали. 2.Уміння: - класифікувати задачі нейрокомп`ютингу із застосуванням сучасних інформаційних технологій для прийняття рішень; - розробити архітектуру та алгоритми функціонування нейронних мереж для вирішення різних задач професійної діяльності: розпізнавання образів, прогнозування процесів, класифікації зображень та ін.
1.ЗМІСТ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ ЗА ТЕМАМИ ЗМІСТОВИЙ МОДУЛЬ 1 ТЕМА 1. НЕЙРОННІ МЕРЕЖІ. БАЗОВІ ПОНЯТТЯ Деякі відомості про мозок людини. Біологічні представлення про нейрон. Поняття нейрокомп’ютера. Класифікація нейроних мереж. Завдання розпізнавання й лінійна машина. Штучний нейрон. Проблема лінійного розділення. Правило навчання Хебба. Концепція вхідної та вихідної зірки. Парадигми навчання. Парадигмільна обробка інформації й оцінка якості роботи нейромережі. Тема 2. ОДНОШАРОВІ НЕЙРОННІ МЕРЕЖІ Опис штучного нейрона в Matlab. Персептрон. Лінійна нейронна мережа. Рекурентний метод найменьших квадратів.Лінійна мережа з лінією затримки. Тема 3. НЕЙРОННІ МЕРЕЖІ ПРЯМОГО ПОШИРЕННЯ Топологія й властивості. Алгоритм зворотнього розповсюдження помилки. Реалізація логічних функцій. Апроксимація функцій. Розпізнавання символів. Моделювання статичних залежностей. Масштабування й відновлення даних. Тема 4. НЕЙРОУПРАВЛІННЯ Ідентифікація динамічних ланцюгів. Нейроемулятори та нейропредиктори. Концепція нейроуправління. Інверсне нейроуправління. Нейроконтролери в MatLab. ЗМІСТОВИЙ МОДУЛЬ 2 Тема 5. РАДІАЛЬНІ НЕЙРОННІ МЕРЕЖІ Структура радіальної нейронної мережі. Розрахунки параметрів радіальної нейронної мережі. Навчання радіальної нейронної мережі. Радіальні нейронні мережі в Matlab. Радіальні нейронні мережі й нечіткі системи. Тема 6. МОДЕЛІ АСОЦІАТИВНОЇ ПАМ’ЯТІ Нейронна мережа Елмана. Мережі Хопфілда. Двонаправлена асоціативна пам'ять. Нейронна мережа Хеммінга. Адаптивні резонансні нейроні мережі. Тема 7. НЕЙРОННІ МЕРЕЖІ КОХОНЕНА Структура мережі Кохонена. Навчання мережі Кохонена. Шар Кохонена. Самоорганізуючі карти Кохонена. Нейронні мережі класифікації. Тема 8 . СТОХАСТИЧНІ МЕТОДИ НАВЧАННЯ НЕЙРОННИХ МЕРЕЖ Завдання корекції динамічної системи. Методи глобальної оптимізації. Методи імітації віджигу. Генетичний алгоритм. Метод рою часток. Інші метаеврістичні алгоритми.
2. ПОТОЧНА НАВЧАЛЬНА РОБОТА СТУДЕНТІВ ДЕННОЇ ФОРМИ НАВЧАННЯ 2.1. Карта навчальної роботи студента
2.2. Критерії оцінювання поточних результатів вивчення дисципліни Об’єктами поточного контролю знань студентів є:
Контроль відповідей на практичних заняттях та виконання завдань на лабораторних роботах. Максимальна оцінка за відповіді на практичних заняттях протягом семестру дорівнює 20 балам і складається з оцінок, отриманих студентом на практичних заняттях під час розв'язання завдань та відповідей на теоретичні питання. Максимальна оцінка за виконання завдань на лабораторних роботах становить 50 балів. До переліку обов’язкових лабораторних робіт входять: «Знайомство з інструментами моделювання нейронних мереж», «Основи функціонування штучного нейрона при різних функціях активації», «Нейронна мережа зворотнього поширення похибки», «Рекурентні та самоорганізовані нейронні мережі», «Застосування нейронних мереж Кохонена», «Застосування нейронних мереж Хопфілда». Контроль виконання індивідуальних завдань Самостійна робота передбачає самостійне опрацювання студентами індивідуальних завдань за вибором: написання реферату; самостійне вивчення інформаційної системи; виконання вибіркових лабораторних робіт: «Алгоритм рою часток», «Розпізнавання образів». Максимальна оцінка за виконання індивідуальних завдань становить 10 балів. Контроль виконання модульних контрольних робіт Максимальна оцінка за виконання модульних контрольних робіт становить 20 балів (по 10 балів за одну роботу).
3. ПОТОЧНА НАВЧАЛЬНА РОБОТА СТУДЕНТІВ ЗАОЧНОЇ ФОРМИ НАВЧАННЯ 3.1. Карта навчальної роботи студента
3.2. Критерії оцінювання поточних результатів вивчення дисципліни Об’єктами поточного контролю знань студентів є:
Контроль відповідей на практичних заняттях та виконання завдань на лабораторних роботах. Максимальна оцінка за відповіді на практичних заняттях протягом семестру дорівнює 20 балам і складається з оцінок, отриманих студентом на практичних заняттях під час розв'язання завдань та відповідей на теоретичні питання. Максимальна оцінка за виконання завдань на лабораторних роботах становить 50 балів. До переліку обов’язкових лабораторних робіт входять: «Знайомство з інструментами моделювання нейронних мереж», «Основи функціонування штучного нейрона при різних функціях активації», «Нейронна мережа зворотнього поширення похибки», «Рекурентні та самоорганізовані нейронні мережі», «Застосування нейронних мереж Кохонена», «Застосування нейронних мереж Хопфілда». Контроль виконання індивідуальних завдань Самостійна робота передбачає самостійне опрацювання студентами індивідуальних завдань за вибором: написання реферату; самостійне вивчення інформаційної системи; виконання вибіркових лабораторних робіт: «Алгоритм рою часток», «Розпізнавання образів». Максимальна оцінка за виконання індивідуальних завдань становить 10 балів. Контроль виконання модульних контрольних робіт Максимальна оцінка за виконання модульних контрольних робіт становить 20 балів (по 10 балів за одну роботу).
3.3. Критерії оцінювання результатів виконання індивідуальних завдань для самостійної роботи. Максимальна сума балів поточного контролю – 50, які розподіляються:
А. КОНТРОЛЬ СИСТЕМАТИЧНОСТІ ТА АКТИВНОСТІ РОБОТИ НА КОНТАКТНИХ ЗАНЯТТЯХ ПІД ЧАС СЕСІЇ Оцінка знань студентів за контролем систематичності та активності роботи під час контактних занять над вивченням програмного матеріалу дисципліни включає такі складові: (1) відповіді (виступи) на контактних заняттях, виявлений рівень знань при обговоренні питань за темами занять; (2) виконання завдань самостійної роботи студента; (3) участь у науково-дослідній та творчій роботі (студентських наукових конференціях, гуртках, конкурсах, олімпіадах з питань даної дисципліни). При контролі відповідей (виступів) на контактних заняттях оцінці підлягають:
Оцінювання активності роботи відбувається з градацією в 1 бал:
Протягом установчої та екзаменаційної сесії кожен студент з групи на контактних заняттях повинен приймати активну участь в обговоренні проблем, які винесені на заняття.
При контролі участі у науково-дослідній та творчій роботі оцінці підлягають:
Оцінювання активності роботи відбувається з градацією в 1 бал:
Б. КОНТРОЛЬ ЗА ВИКОНАННЯМ КОНТРОЛЬНИХ (МОДУЛЬНИХ) РОБІТ Завдання, винесені для контрольних (модульних) робіт включають в себе тестові питання та аналітичне завдання. Контрольна (модульна) робота складається з тестових запитань (оцінюються в 4 бали) та розрахункового програмно-технічного завдання (за правильно здійснені розрахунки максимальна оцінка – 4 бали). Оцінки виставляються з кратністю до 1 бала. За використання недозволених джерел і підказок студент отримує 0 балів. Критерії оцінювання доводяться до студентів перед модульним контролем. Письмові роботи зберігаються на кафедрі до закінчення семестру.
Критерії оцінювання поточної систематичності та активності роботи студента:
Оцінювання поточної успішності студентів проводиться в балах, які виставляються в журнал. «Ціна» заняття залежить від: А) індивідуальної активності та рівня підготовки студентів; Б) видів завдань, які пропонуються викладачем за темою контактного заняття відповідно до форми його проведення. Індивідуальна «ціна заняття» за поточну аудиторну роботу для студентів може бути визначена за наступною формою:
В разі невиконання завдань поточного контролю з об’єктивних причин, студент має право, за дозволом директора (заступника директора), скласти їх під час консультацій у «дні заочника». Час та порядок складання визначає викладач. Результати поточного контролю знань студентів оформлюються під час останнього семінарського заняття та вносяться до заліково-екзаменаційної відомості без переведення їх у 4-х бальну шкалу. Результати поточної успішності студентів є показником рівня засвоєння ними робочої навчальної програми та виконання вимог Карти навчальної роботи студентів. Результати поточного оцінювання є рівноцінними показниками рівня засвоєння студентом знань, набуття умінь та сформованості навичок, що визначені відповідною робочою навчальною програмою з дисципліни «Нейромережі та нейроконтролери».
6.1. Основна література
6.2. Додаткова література
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ДЕРЖАВНИЙ ВИЩИЙ НАВЧАЛЬНИЙ ЗАКЛАД «КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ імені ВАДИМА ГЕТЬМАНА»
Інститут інформаційних технологій в економіці Кафедра інформаційних систем в економіці
ЗАТВЕРДЖУЮ: Проректор з науково-педагогічної роботи
16 cічня 2019 р.
МЕТОДИЧНІ МАТЕРІАЛИ
Обробка великих масивів даних та знань
Київ – 2018
Розробник: Краснюк М.Т. к.е.н., доц., krasnyuk@kneu.edu.ua, кафедра інформаційних систем в економіці
© автор(и), 2018 © КНЕУ, 2018
ВСТУП
Навчальна дисципліна «Обробка великих масивів даних та знань (Big Data)» є однією із складових комплексної підготовки фахівців галузі знань 12 «Інформаційні технології» спеціальності 122 Комп’ютерні науки.
Міждисциплінарні зв’язки: для вивчення дисципліни необхідні базові знання з таких дисциплін, як: "Інтелектуальний аналіз даних", “Системи підтримки прийняття рішень”, “Організація і проектування баз та сховищ даних”.
Мета дисципліни: сформувати поглиблені теоретичні знання та прикладні практичні навички щодо ефективного застосування технології, інструментів та засобів оброблення та поглибленого інтелектуального аналізу структурованих і неструктурованих даних надвеликих обсягів для підтримки прийняття оптимальних системних рішень. Причому, розглядаємі технології, інструменти та програмні засоби мають бути не тільки ефективними в умовах безперервного приросту складних даних (в т.ч. гіпертекстових даних, потокових мультимедіа даних, гібридних та метаданих), їх нерівномірному розподілу по численних вузлах інформаційної мережі, але і підтримувати інформаційну безпеку великих даних та отриманих нових знань.
Завдання (навчальні цілі) дисципліни: студенти-магістри спеціалізації «Інформаційні управляючі системи та технології» мають не тільки знати технології, інструменти, засоби та апаратні рішення для інтелектуальної обробки та поглибленого аналізу структурованих і неструктурованих даних надвеликих обсягів, але і вміти продуктивно їх конфігурувати, ефективно застосовувати на всіх стадіях проектів інформатизації з урахуванням вітчизняної специфіки та глобальних трендів в сферах системного аналізу та кібер-безпеки.
Предмет дисципліни: технології, інструменти та засоби обробки та поглибленого аналізу структурованих і неструктурованих даних надвеликих обсягів в економічних інформаційних системах. Після вивчення дисципліни студенти повинні знати: весь спектр теоретичних питань щодо технологій, інструментів та алгоритмів обробки та поглибленого аналізу структурованих і неструктурованих даних надвеликих обсягів в економічних інформаційних системах. Після вивчення дисципліни студенти повинні вміти: - ефективно використовувати весь спектр технології, інструменти та засоби обробки та поглибленого аналізу структурованих і неструктурованих даних надвеликих обсягів в інформаційних системах за умови підвищення рівня їх інформаційної безпеки; - проектувати, конфігурувати та адаптувати технології, алгоритми та інструменти та засоби обробки та поглибленого аналізу структурованих і неструктурованих даних надвеликих обсягів для практичних кейсів; - розв’язувати конкретні кейси з обробки та поглибленого аналізу структурованих і неструктурованих даних надвеликих обсягів, використовуючи оптимальний набір технологій, алгоритмів, інструментів та засобів.
В цілому, в результаті вивчення даної дисципліни студент повинен сформувати наступні компетенції: - адаптація та оптимальне конфігурування технологій, алгоритмів, інструментів та засобів обробки та поглибленого аналізу структурованих і неструктурованих даних надвеликих обсягів; - безпосереднє виконання обробки та поглибленого аналізу структурованих і неструктурованих даних надвеликих обсягів з метою використання отриманих результатів в інформаційно-аналітичній підтримці управлінських рішень в умовах забезпечення наскрізної інформаційної безпеки; - ефективне управління проектами з обробки та поглибленого аналізу структурованих і неструктурованих даних надвеликих обсягів.
Вивчення навчальної дисципліни передбачає формування та розвиток у студентів компетентностей та програмних результатів навчання відповідно до освітньо-професійної (освітньо-наукової) програми «Інформаційні управляючі системи та технології».
1. ЗМІСТ НАВЧАЛЬНОЇ ДИСЦИПЛІНИ ЗА ТЕМАМИ
Змістовний модуль 1.
Тема 1. Оброблення та аналіз надвеликих масивів даних як інноваційна технологія сучасного системного аналізу даних та знань. Вступ до дисципліни, актуальність та особливості ОАНМД. Передумови, історія появи та розвитку концепції multi-V ОАНМД, міждисциплінарні зв’язки в рамках системного аналізу. Класи задач, галузі та кейси застосування. Стислий огляд основних технологій ОАНМД.
Тема 2. Технології машинного навчання (МН) для ефективного ОАНМД. Предикативне машинне навчання: концепція та міждисциплінарні зв’язки. Типи задач і завдань машинного навчання. Області застосування. Підходи до МН в ОАНМД (Навчання дерев рішень, Навчання асоціативних правил, Штучні нейронні мережі, Глибинне навчання, Індуктивне логічне програмування, Метод опорних векторів, Кластерування, Баєсові мережі, Навчання з підкріпленням, Навчання представлень, Навчання подібностей та мір, Навчання розріджених словників, Генетичні алгоритми). Програмне забезпечення для МН в ОАНМД.
Тема 3. Аналіз надвеликих масивів даних за допомогою інструментарію R-studio. Вступ до R, її особливості. Інсталяція. Вбудована довідка. Робочий простір. Структури даних (Вектори, Матриці, Масиви, Фрейми даних, Фактори, Списки). Робота з діаграмами. Пакети/Бібліотеки Графічні Редактори Скриптів та IDE (Для роботи з R існує кілька графічних інтерфейсів (GUI); Текстові редактори та середовища розробки (IDE) з частковою підтримкою R; Взаємодія з іншими мовами програмування; Підтримка R пропієтарними програмними продуктами)
Тема 4. ОАНМД як складова інноваційної комплексної політики кібербезпеки в умовах Big Data. Реалізація концепция people centric security через технології User and Entity Behavior Analytics (UEBA). Системний підхід до забезпечення кібербезпеки в умовах Big Data: технології Intelligence-Driven Security/Intelligence-Led Security (від компаній RSA та Cyveillance). Їх порівняння з традиційним SIEM в умовах APT. Організаційне забезпечення кібербезпеки Big Data: SOC та iSOC. Етапність та функціонал Intelligence-Driven Security. Алгоритми CAMNEP та модуль CTS системи Cognitive Analyst (Cognitive Security). Критичний аналіз кібернебезпек технології Big Data - Hadoop.
Тема 5. Спеціалізовані програмно-апаратні рішення для реалізації ОАНМД. Перші масово-паралельні апаратно-програмні рішення для обробки надвеликих обсягів даних компаній Britton Lee і Teradata. Апаратно-програмні комплекси на базі традиційних систем управління базами даних - Netezza, Teradata, Exadata для вирішення задач швидкого пошуку та аналітичної обробки величезних об'ємів структурованих даних. Апаратні рішення для резидентних розрахунків: комплекси Hana (SAP) та Exalytics (Oracle) на базі реляційної системи Timesten і багатовимірної Essbase). Мережеві рішення класів NAS і SAN. Концепція DAS-рішень. Апаратні рішення DAS - систем зберігання даних, в SN-архітектурі. Спеціалізований програмно-апаратних комплекс для обробки великих даних Aster MapReduce appliance (корпорації Teradata). Комплекс Oracle Big Data appliance. Greenplum appliance (корпорації EMC, на основі рішень компанії Greenplum).
Змістовний модуль 2.
Тема 6. Базова парадигма програмування для ОАНМД - MapReduce (Google). Модель MapReduce: концепція, передумови появи та розвитку. Алгоритм технології MapReduce. Аналіз кейсів коду з MapReduce. Практичні варіанти реалізації MapReduce: огляд та порівняння.
Тема 7. Порівняння основних підходів до ОАНМД. Два підходи до великомасштабного аналізу даних: MapReduce та паралельні СКБД. Архітектурні елементи: підтримка схеми, індексація, модель програмування, розподіл даних, стратегія виконання, гнучкість, відмово стійкість. Тести для оцінки продуктивності: тестового середовища, вихідна MR-завдання, аналітичні завдання. Результати аналізу: аспекти системного рівня, аспекти для користувацького рівня.
Тема 8. Гібридизація MapReduce і паралельної DBMS. Відображення паралельних СУБД на MapReduce. Застосування: ETL і набори даних, що читаються тільки один раз, складна аналітика, напівструктуровані дані, аналіз на "швидку руку" (quick-and-dirty), виробнича експлуатація при обмеженому бюджеті, потужні інструментальні засоби. Результати тестів технології: вихідна MR-завдання Grep, завдання обробки Web-журналів, завдання з'єднання. Архітектурні відмінності: повторюваний розбір записів, стиснення даних, конвейеризация, планування, постовбчате зберігання даних. Висновки та рекомендації.
Тема 9. Проект/платформа Hadoop. Hadoop: концепція, передумови появи та розвитку/ Бібліотеки та сценарії Hadoop Common. Система HDFS. Модуль YARN. Програмний каркас Hadoop MapReduce. Забезпечення масштабуємості кластера. Аналіз альтернативних комерційних проектів, орієнтованих на Hadoop. Сучасна екосистема Hadoop.
Тема 10. Технології BigTable. Концепція BigTable: основні положення та історія. Пропріетарна DBMS BigTable (Google) на базі GFS. Аналог DBMS BigTable - нереляційна розподілена DBMS Hbase (модель даних, регіони, операції, архітектура, інтерфейси та поради по ефективному застосуванню.
Тема 11. SQL-оріентована СКБД Apache Hive. Загальна характеристика СКБД Hive на основі платформи Hadoop, переваги. Command line interface Об’єкти Hive - Data Units (database, table, partition, bucket) Використання розширень SQL - User Defined Functions (Json, Xpath, написання власного скрипта). Трансформація таблиці за допомогою скриптів - операція TRANSFORM Патерн MapJoin Транзакційна модель ACID Висновки по застосуванню
Тема 12. Apache Tez и Apache Spark - ефективні технології підтримки машинного навчання при ОАНМД. Apache Spark: концепція, архітектура, інтерфейси Apache Tez: концепція, архітектура, інтерфейси Аналіз та порівняння технологій MapReduce, Tez і Hive
2. Поточна навчальна робота студентів денної форми навчання 2.1. Карта навчальної роботи студента
2.2. Критерії оцінювання поточних результатів вивчення дисципліни.
2.2.1. Результати поточної успішності студентів є показником рівня засвоєння студентами робочої навчальної програми та виконання вимог Карти самостійної роботи студентів.
Об’єктами поточного контролю знань студентів є: - відповіді, розв’язання завдань на практичних заняттях (до 20 балів) та виконання завдань на лабораторних роботах (до 40 балів); - виконання модульних контрольних робіт (до 20 балів) (по 10 балів за одну роботу); - виконання індивідуальних завдань для самостійної роботи студентів (до 20 балів); - за рішенням кафедри студентам, які брали участь у науково-дослідній роботі, можуть присуджуватися додаткові (заохочувальні) бали. Їх кількість не повинна перевищувати 10 балів за семестр.
Результат поточного контролю визначається в діапазоні: 0—100 балів.
У разі пропуску з поважних причин аудиторних занять студент денної форми навчання має право їх відпрацювати за графіком консультацій. Відпрацювання аудиторних занять можуть бути здійснені впродовж 2-х тижнів (14 календарних днів), починаючи з моменту, коли студент має знову приступити до занять (завершилася дія відповідної поважної причини), але не пізніше дня початку залікового тижня у відповідному семестрі. Поважними причинами пропуску студентом аудиторних занять можуть бути хвороба, виклик до суду, правоохоронних органів чи до військового комісаріату; відрядження; сімейні обставини тощо, що мають бути підтверджені документально — лікарняний, медична довідка, повістка, тощо.
2.2.2. Поточний контроль за результатами відповідей студентів та розв’язання завдань на практичних заняттях (4 заняття по 5 балів кожне) здійснюється з наступними критеріями:
2.2.3. Поточний контроль за результатами виконання завдань на лабораторних роботах (до 40 балів) та захисту їх звітів здійснюється в наступному порядку. Виконання лабораторних робіт оцінюється за результатами захисту відповідних звітів. Звіт з лабораторної роботи має бути представлений викладачеві до початку виконання наступної лабораторної роботи. Звіт з лабораторної роботи має містити титульний аркуш згідно встановленої форми та результати виконання роботи згідно індивідуальних завдань, що надаються викладачем. До захисту приймаються тільки звіти, підготовлені і роздруковані за допомогою програмних засобів обробки текстів та ділової графіки. Рекомендується використовувати (з супутнім коментарем) у тексті звіту ілюстрації, графічні елементи, роздруківки екранів і Web-сторінок і т.ін.
2.2.4. Поточний контроль за результатами виконання контрольних (модульних) робіт передбачає оцінювання теоретичних знань та практичних умінь і навичок, які студент набув після опанування певної завершеної частини навчального матеріалу з дисципліни. Контрольні (модульні) роботи можуть проводитися у формі: – тестування; – відповідей на теоретичні питання; – розв’язання практичних завдань; – розв’язання практичних ситуацій (кейсів) тощо. За семестр може проводитися не більше 2-х контрольних (модульних) робіт. При виконанні модульної КР оцінці підлягають відповіді на контрольні запитання. Відповідь на питання оцінюється за такою шкалою:
Підсумкова оцінка за контрольну роботу визначається як підсумок оцінок за кожне питання.
2.2.5. За рішенням кафедри студентам, які брали участь у науково-дослідній роботі, можуть присуджуватися додаткові (заохочувальні) бали. Їх кількість не повинна перевищувати 10 балів за семестр.
3. ПОТОЧНА НАВЧАЛЬНА РОБОТА СТУДЕНТІВ ЗАОЧНОЇ ФОРМИ НАВЧАННЯ 3.1. Карта навчальної роботи студента
3.2. Критерії оцінювання поточних результатів вивчення дисципліни.
3.2.1. Результати поточної успішності студентів є показником рівня засвоєння студентами робочої навчальної програми та виконання вимог Карти самостійної роботи студентів.
Об’єктами поточного контролю знань студентів є: - відповіді, розв’язання завдань на контактних заняттях (до 40 балів); - виконання модульних контрольних робіт (до 10 балів) (по 5 балів за одну роботу); - виконання індивідуальних завдань для самостійної роботи студентів (до 50 балів);
Результат поточного контролю визначається в діапазоні: 0—100 балів.
У разі пропуску з поважних причин аудиторних занять студент заочної форми навчання має право їх відпрацювати за графіком консультацій. Відпрацювання аудиторних занять можуть бути здійснені впродовж 2-х тижнів (14 календарних днів), починаючи з моменту, коли студент має знову приступити до занять (завершилася дія відповідної поважної причини), але не пізніше дня початку залікового тижня у відповідному семестрі. Поважними причинами пропуску студентом аудиторних занять можуть бути хвороба, виклик до суду, правоохоронних органів чи до військового комісаріату; відрядження; сімейні обставини тощо, що мають бути підтверджені документально — лікарняний, медична довідка, повістка, тощо.
3.2.2. Поточний контроль за результатами відповідей студентів та розв’язання завдань на контактних заняттях (8 занять по 5 балів кожне) здійснюється з наступними критеріями:
3.2.3. Поточний контроль за результатами виконання контрольних (модульних) робіт передбачає оцінювання теоретичних знань та практичних умінь і навичок, які студент набув після опанування певної завершеної частини навчального матеріалу з дисципліни. Контрольні (модульні) роботи можуть проводитися у формі: – тестування; – відповідей на теоретичні питання; – розв’язання практичних завдань; – розв’язання практичних ситуацій (кейсів) тощо. За семестр може проводитися не більше 2-х контрольних (модульних) робіт. При виконанні модульної КР оцінці підлягають відповіді на контрольні запитання. Відповідь на питання оцінюється за такою шкалою:
Підсумкова оцінка за контрольну роботу визначається як підсумок оцінок за кожне питання.
4. ІНДИВІДУАЛЬНІ ЗАВДАННЯ ДЛЯ САМОСТІЙНОЇ РОБОТИ СТУДЕНТІВ ДЕННОЇ ТА ЗАОЧНОЇ ФОРМ НАВЧАННЯ 4.1. Вимоги до виконання індивідуальних завдань для самостійної роботи. 4.1.1. Вимоги до виконання індивідуальних завдань для самостійної роботи для студентів денної форми навчання. Поточний контроль результатів виконання індивідуальних завдань для самостійної роботи студентів передбачає оцінювання таких видів завдань: - участь у вебінарах, тренінгах та курсах за тематикою дисципліни (до 10 балів); - написання та захист реферату з аналізом актуальних англомовних публікації за узгодженою з викладачем поглибленою тематикою з дисципліни (до 10 балів); - Підготовка презентації за узгодженою тематикою дисципліни та прилюдний виступ перед студентами (до 10 балів). Оформлення виконання індивідуальних завдань для самостійної роботи студентів відбувається у порядку, описаному вище для лабораторних робіт.
4.1.2. Вимоги до виконання індивідуальних завдань для самостійної роботи для студентів заочної форми навчання. Поточний контроль результатів виконання індивідуальних завдань для самостійної роботи студентів передбачає оцінювання таких видів завдань за вибором студента: - участь у вебінарах, тренінгах, курсах, круглих столах за тематикою дисципліни (до 25 балів); - написання та захист реферату з аналізом актуальних англомовних публікації за узгодженою з викладачем поглибленою тематикою з дисципліни (до 25 балів); - Підготовка презентації за узгодженою тематикою дисципліни та прилюдний виступ перед студентами (до 25 балів); - Науково-дослідна діяльність студента (участь у вітчизняних та міжнародних науково-практичних конференціях (з допомогою та можливим співавторством викладача) з тезами за тематикою дисципліни) (до 25 балів). Оформлення виконання індивідуальних завдань для самостійної роботи студентів відбувається у порядку, описаному вище для лабораторних робіт.
4.2. Критерії оцінювання результатів виконання індивідуальних завдань для самостійної роботи. 4.2.1. Критерії оцінювання результатів виконання індивідуальних завдань для самостійної роботи для студентів денної форми навчання. Оцінювання виконання індивідуальних завдань для самостійної роботи студентів відбувається у порядку, описаному у таблиці нижче.
4.2.2. Критерії оцінювання результатів виконання індивідуальних завдань для самостійної роботи для студентів заочної форми навчання. Оцінювання індивідуальних завдань для самостійної роботи студентів відбувається згідно шкали, описаної нижче у таблиці.
5. Підсумкове оцінювання результатів вивчення навчальної дисципліни.
Підсумковий контроль результатів навчальної діяльності студентів з даної дисципліни здійснюється для оцінювання знань, умінь та навичок студентів у формі заліку. Залік — форма підсумкового контролю рівня засвоєння студентом навчального матеріалу з окремої дисципліни виключно на підставі результатів поточного контролю рівня знань, умінь та навичок студентів з окремої дисципліни. У разі невиконання окремих завдань поточного контролю з об'єктивних причин студенти мають право, за дозволом декана, виконати їх до останнього семінарського (практичного, лабораторного) заняття. Час та порядок складання визначає викладач. Максимально можлива підсумкова кількість балів, здобута за результатами поточного оцінювання з дисципліни, не може перевищувати 100 балів. Переведення даних 100-бальної шкали оцінювання в 4-х бальну шкалу та шкалу за системою ECTS здійснюється в такому порядку:
Студенти, які за результатами підсумкового контролю набрали від 0 до 59 балів (включно), після належної підготовки мають право повторно скласти залік у формі виконання індивідуальної контрольної роботи. Індивідуальна контрольна робота має складатися з 10 завдань, кожне з яких оцінюється за вимогами, що є аналогічними вимогам до екзаменаційного білета. Види (теоретичні, практичні, тестові) завдань індивідуальної контрольної роботи визначаються робочою навчальною програмою дисципліни.
6. РЕКОМЕНДОВАНІ ІНФОРМАЦІЙНІ ДЖЕРЕЛА
6.1. Основна література: Білл Френкс. Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналітики, - Альпина Паблишер, 2016. Віктор Майер-Шенбергер. Big Data: A Revolution That Will Transform How We Live, Work and Think. - John Murray, 2013. Натан Марц, Джеймс Уоррен. Большие данные. Принципы и практика построения масштабируемых систем обработки данных в реальном времени. - Вильямс, 2016 Юре Лесковець, Ананд Раджараман, Джеффрі Д. Ульман. Анализ больших наборов данных. - Петербург.: ДМК Пресс, 2016.
6.2. Додаткова література: Ситник В.Ф., Краснюк М.Т. Інтелектуальний аналіз даних (дейтамайнінг): Навч. посібник. - К.: КНЕУ, 2007. – 376 с. Краснюк М.Т. „Гібридизація інтелектуальних методів для оперативного вирішення задач fraud detection” // Збірник XII міжнародної науково-практичної конференції „Проблеми і перспективи функціонування інноваційної системи держави в умовах глобалізації” Луцьк 27-28 вересня 2007р. Краснюк М.Т. „Перспективи технології програмних агентів в data mining” // Збірник VII міжнародної конференції «Інтелектуальний аналіз інформації» (ІАІ-2007) Київ, 15-18 травня 2007 р. Краснюк М.Т. «Проблеми та перспективи multimedia дейтамайнінгу” // Тези доповідей науково-практичної конференції „Актуальні проблеми розвитку економічної кібернетики” 9-10 квітня 2008 року (м. Київ) Краснюк М.Т. „Методика лісів дерев рішень в інтелектуальному аналізі бізнесових даних” // Збірник матеріалів міжнародної конференції Dynamical system modelling and stability investigation м. Київ (22-25 травня 2007 р.) Краснюк М.Т. „Курс „управління знаннями” як складова програми підготовки mba в Україні” // Збірник наукових праць VII всеукраїнської науково-практичної конференції „Комп’ютерне моделювання та інформаційні технології в науці, економіці і освіті” м. Кривий Ріг (24-25 квітня 2007 року). Краснюк М.Т. “Перспективи ефективного застосування дейтамайнінгу в економіці України” // Проблеми впровадження інформаційних технологій в економіці: Тези доповідей V міжнародної науково-практичної конференції (2004р. м. Ірпінь). С. 357-359. Краснюк М.Т. "Дейтамайнінг: проблеми та перспективи ефективного застосування в умовах економіки України" // Моделювання та інформаційні системи в економіці: Міжвідом. наук. зб. Вип. 71 / Відп. ред. В.К. Галіцин. - К.:КНЕУ, 2004. – 244 с. Краснюк М.Т. "Перспективи стандартів дейтамайнінгу" // Моделювання та інформаційні системи в економіці: Міжвід. наук. зб. Заснов. У 1965 р. Вип. 72 / Відп. ред. В.К. Галіцин. - К.:КНЕУ, 2005. – 256 с Краснюк М.Т. "Проблеми застосування систем управління корпоративними знаннями та їх таксономія" // Моделювання та інформаційні системи в економіці: Міжвід. наук. зб. Заснов. У 1965 р. Вип. 73 / Відп. ред. В.К. Галіцин. - К.:КНЕУ, 2006. – 256 с. С.34 -44 Електронні джерела: https://www.oracle.com/ru/big-data/index.html https://cloud.google.com/products/big-data/ https://www.sas.com/en_us/insights/big-data/what-is-big-data.html https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation https://www.talend.com/products/big-data/ https://www.simplilearn.com/data-science-interview-questions-article https://www.sap.com/trends/big-data.html
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ДВНЗ «КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ імені ВАДИМА ГЕТЬМАНА» НАВЧАЛЬНО-НАУКОВИЙ ІНСТИТУТ «ІНСТИТУТ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ В ЕКОНОМІЦІ» Кафедра інформаційних систем в економіці
ЗАТВЕРДЖУЮ: Проректор з науково- педагогічної роботи ____________ А.М. Колот
«___» ___________ 201_р.
МЕТОДИЧНІ МАТЕРІАЛИ “ Онтологічний інжиніринг ”
КИЇВ 2018
Розробники: Козак Ірина Антонівна, к.е.н., доцент, kozachka@ukr.net, кафедра інформаційних систем в економіці
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||