Аннотация: Содержится теоретический материал по дисциплине «Методы искусственного интеллекта», обеспечивающий формирование у бакалавров компетенций в области искусственного интеллекта, необходимых при разработке и применении программных средств, традиционно основанных на эвристических правилах. Предназначено для обучаемых направления подготовки бакалавров 09.03.02 «Информационные системы и технологии».

Аннотация: Настоящий курс посвящен актуальному направлению в проектировании программных, технических и киберфизических систем с использованием множества автономных агентов. Рассматриваются методы организации совместной работы агентов. Курс составлен на основе преподавания дисциплины «Мультиагентные системы» в Университете ИТМО. Большинство рассматриваемых алгоритмов снабжены примерами, реализованными в среде агентного моделирования AnyLogic и подробно описанными в приложениях. Благодаря этому студентам не требуется знание основ Anylogic, но необходимы начальные навыки программирования на языке Java.

Аннотация: The study aid covers the application of a number of end-to-end technologies given in the National Program “Digital Economy of the Russian Federation”, such as: “Technologies for storing and analyzing big data”, “Artificial intelligence”, “Machine learning technologies and cognitive technologies”. The publication is dedicated to the use of machine learning algorithms and data mining methods for processing the results of medical research. The main tool is the high-level programming language Python, which is today the most powerful tool for data processing and analysis. The study aid is aimed at all the students, studying the following disciplines “Data Mining”, “Intelligent Systems and Technologies”, “Methods for the Development and Design of Expert Systems”, “Artificial Neural Networks”, “Artificial Intelligence Systems”.

Аннотация: Представлены теоретические концепции, лежащие в основе графа знаний вопросы, приведены примеры наиболее известных графов знаний, рассмотрены области современного применения графов знаний, а также наиболее востребованные и перспективные технологии построения и ведения графов знаний. Предназначено для студентов старших курсов всех факультетов НИЯУ МИФИ, а также может быть использовано преподавателями при проведении ими практических занятий.

Аннотация: Представлены теоретические концепции, лежащие в основе графа знаний вопросы, приведены примеры наиболее известных графов знаний, рассмотрены области современного применения графов знаний, а также наиболее востребованные и перспективные технологии построения и ведения графов знаний. Предназначено для студентов старших курсов всех факультетов НИЯУ МИФИ, а также может быть использовано преподавателями при проведении ими практических занятий.

Аннотация: Основными задачами учебного пособия являются: ознакомление студентов с принципами, методами и инструментальными средствами построения систем нечеткого вывода; изучение особенностей систем различных типов; получение обучающимися необходимых навыков для применения систем нечеткого вывода при решении задач управления и моделирования различных систем. Учебное пособие содержит теоретическую часть, а также материалы для практических занятий по четырем темам, предполагающим приобретение навыков разработки систем нечеткого вывода в пакете расширения Fuzzy Logic Toolbox вычислительной среды MatLab и изучение основных принципов использования систем нечеткого вывода в Simulink-моделях. Предназначено для студентов очной, очно-заочной и заочной форм обучения, изучающих дисциплину «Методы искусственного интеллекта», и посвящено изучению одного из методов искусственного интеллекта – системам нечеткого вывода.

Аннотация: Учебное пособие разработано в соответствии с программой и учебным планом дисциплины «Системы искусственного интеллекта» для студентов вузов, обучающихся по направлению подготовки 09.03.03 – Прикладная информатика в экономике (бакалавр). В учебном пособии представлен теоретический и практико-ориентированный материал по темам, связанным с экспертными системами и машинному обучению. Особое внимание уделено примерам решения практических прикладных задач с использованием современных интеллектуальных инструментов обработки данных (Python, Scikit-Learn, ESWin). Предназначено для подготовки бакалавров и специалистов в области информационных технологий и прикладной информатики.

Аннотация: Учебное пособие предназначено для использования студентами в ходе семинарских (практических) занятий, научно-исследовательской и самостоятельной работы при освоении дисциплины «Прикладные задачи машинного обучения и обработки больших данных».

Аннотация: Рассмотрены базовые понятия интеллектуального анализа данных, основные методы обработки и анализа данных при решении задач классификации и регрессии. Освящены вопросы практического применения интеллектуальных методов анализа данных в информационных системах, дана характеристика используемых инструментальных средств, таких как Deductor Studio Academic и Loginom Community Edition, а также практические примеры использования указанных средств при решении задач классификации и регрессии. Предназначено для бакалавров направления подготовки 09.03.02 «Информационные системы и технологии», магистрантов направлений подготовки 09.04.02 «Информационные системы и технологии», 27.04.03 «Системный анализ и управление» очной и заочной форм обучения.

Аннотация: В учебно-методическом пособии содержатся указания к практическим занятиям и выполнению компьютерных практикумов по дисциплине «Основы методов искусственного интеллекта». Для обучающихся бакалавриата по направлениям подготовки 09.03.02 Информационные системы и технологии, 01.03.04 Прикладная математика.

Аннотация: В учебно-методическом пособии содержатся указания к практическим занятиям и выполнению компьютерных практикумов по дисциплине «Основы методов искусственного интеллекта». Для обучающихся бакалавриата по направлениям подготовки 09.03.02 Информационные системы и технологии, 01.03.04 Прикладная математика.

Аннотация: В учебно-методическом пособии рассматриваются методы и алгоритмы искусственного интеллекта. Теоретический материал подкреплен примерами. Данный материал позволяет сформировать необходимые знания и умения по реализации на python нечеткой базы знаний, основных методов предобработки данных и линейной регрессии. Учебно-методическое пособие предназначено для студентов по направлению подготовки 09.03.02 «Информационные системы и технологии». Учебно-методическое пособие может использоваться студентами направления 09.03.01 «Информатика и вычислительная техника», 10.00.00.

Аннотация: В монографии авторы изложили методы и алгоритмы конструирования признаков из контекста динамики показателей процессов. Рассмотрены подходы к получению, синтезу, подготовке, анализу таких данных, подходы к интерпретации результатов машинного обучения. Теоретические разработки поддержаны практическими примерами, иллюстрирующими принципы работы предложенных подходов. Описаны программные средства, реализующие представленные в книге методы и прошедшие экспериментальную апробацию. Монография адресована научным работникам и прикладным пользователям

Аннотация: В учебном пособии даются основные понятия, описаны методы, которые характеризуют data-mining как мультидисциплинарное направление. Приведены практические примеры, демонстрирующие работу используемых алгоритмов. Пособие содержит три главы, посвященных проблемам распознавания образов и кластеризации, анализу и прогнозированию временных последовательностей на основе нейронных сетей, моделированию технологических процессов сетями Петри. Рассмотрены нечеткие модели и методы в анализе данных. Пособие может быть рекомендовано студентам высших учебных заведений по направлениям подготовки бакалавров, специалистов, магистров направления 10.00.00 по дисциплине «Интеллектуальный анализ данных». Учебное пособие издается в авторской редакци

Аннотация: Пособие по структуре, содержанию и методике ориентировано на изучение дисциплины «Доверенный искусственный интеллект» и аналогичных дисциплин согласно действующим стандартам. Содержит видеолекции, а также проверочные вопросы по теме каждой лекции. Вторая часть пособия посвящена проблеме обеспечения доверия в системах, приложениях искусственного интеллекта. Предназначено для магистрантов очной и очно-заочной форм обучения по направлениям «Информатика и вычислительная техника», «Информационная безопасность» и другим смежным направлениям.

Аннотация: Учебное пособие разработано в соответствии с программой и учебным планом дисциплины «Администрирование информационных систем» (1 семестр) для студентов вузов, обучающихся по направлению подготовки 09.03.03 – Прикладная информатика в экономике (бакалавр). В учебном пособии представлен теоретический и практико-ориентированный материал по темам, связанным с углубленным изучением сетевого стека Internet и технологий компьютерных сетей. Особое внимание уделено практико-ориентированным задачам, позволяющим развить соответствующие навыки и компетенции в области администрирования информационных систем. Предназначено для подготовки бакалавров и специалистов в области информационных технологий и прикладной информатики.

Аннотация: В монографии авторы изложили методы и алгоритмы интеллектуального предиктивного мультимодального анализа слабоструктурированных данных социальных сетей. Рассмотрены подходы к подготовке, анализу, интерпретации таких данных. Теоретические разработки поддержаны практическими примерами, иллюстрирующими принципы работы предложенных подходов. Описаны программные средства, реализующие представленные в книге методы, и прошедшие экспериментальную апробацию. Публикуется в авторской редакции.

Аннотация: В монографии авторы изложили методы и алгоритмы интеллектуального предиктивного мультимодального анализа слабоструктурированных данных социальных сетей. Рассмотрены подходы к подготовке, анализу, интерпретации таких данных. Теоретические разработки поддержаны практическими примерами, иллюстрирующими принципы работы предложенных подходов. Описаны программные средства, реализующие представленные в книге методы, и прошедшие экспериментальную апробацию.

Аннотация: Рассмотрено современное состояние теоретических вопросов философии, современных нейрокибернетических, когнитивно-информационных технологий, математики, компьютерных наук, касающихся инклюзивных процессов реабилитации и развития когнитивных способностей человека. Тематика посвящена исследованию сущности инклюзивного процесса реабилитации, проявляющейся в обеспечении совместимости человека с физическими особенностями развития с социумом путем компенсации имеющихся нозологических отклонений на основе использования современных средств интеллектуальных информационных технологий, когнитивной виртуальной психологии, нейропсихологии. Материалы предназначены для студентов, аспирантов, преподавателей, а также для всех исследователей, интересующихся вопросами применения интеллектуальных технологий, совершенствования средств реабилитации и развития когнитивных способностей человека с ограниченными возможностями. Материалы публикуются в авторской редакции. Modern neurocybernetic technologies in rehabilitation and development of human cognitive The current state of theoretical issues of philosophy, modern neurocybernetic, cognitive-information technologies, mathematics, computer science related to inclusive processes of rehabilitation and development of human cognitive abilities is considered. The main topic is devoted to the study of the essence of the inclusive rehabilitation process, which is manifested in ensuring the compatibility of a person with physical features of development, with society, by compensating for existing nosological deviations, using the means of intelligent information technologies, cognitive, virtual psychology, and neuropsychology. The materials are intended for.

Аннотация: В книге представлены как основы технологии искусственного интеллекта, включая работу с данными, машинное и глубокое обучение, нейронные сети, так и описания решений, сервисов и платформ с использованием технологии ИИ в мире и России. Отдельное внимание уделено законодательно-нормативным документам и технико-экономическим особенностям развития искусственного интеллекта в России и мире. Раскрыта динамика процессов развития решений с использованием технологии искусственного интеллекта. Даны прогнозы внедрения цифровых технологий в России на примере искусственного интеллекта, опираясь на реализацию Федерального проекта «Искусственный интеллект» 2021—2024 гг.