Модель компетенций введение - umotnas.ru o_O
Главная
Поиск по ключевым словам:
страница 1
Похожие работы
Название работы Кол-во страниц Размер
Семинар Биоэтика Педиатрический факультет 1 87.55kb.
Приложение 4 в оценке сформированности ключевых компетенций можно... 1 39.75kb.
Карта компетенций дисциплины «Высшая математика» Наименование компетенций... 1 83.06kb.
Е. В. Воевода Формирование и контроль сформированности профессионально... 1 75.97kb.
Опыт формирования актуальных профессиональных компетенций специалистов... 1 50.02kb.
Модель регионального развития дополнительного образования детей россии 2 493.88kb.
Деятельностная теория учения как основа формирования исследовательских... 1 179.01kb.
Формирование исследовательских компетенций на основе деятельностной... 1 140.33kb.
Численные методы в теории приближений. Лекция 1 Структура погрешности... 1 65.3kb.
Дудченко В. С. Методологический микроскоп 1 100.8kb.
Вопросы по специальности 05. 13. 13 «Телекоммуникационные системы... 1 40.46kb.
«тюменская государственная академия мировой экономики, управления... 5 882.89kb.
Викторина для любознательных: «Занимательная биология» 1 9.92kb.

Модель компетенций введение - страница №1/1


Раздел 1. МОДЕЛЬ КОМПЕТЕНЦИЙ

1.1. Введение


В данном документе под компетенцией понимается совокупность (интегральная характеристика) нескольких компонент, необходимых для эффективного выполнения задач профессиональной деятельности.

Модель компетенции в зависимости от степени ее проработанности может включать такие компоненты, как: кругозор, знания, умения, навыки, личные качества, способности и другие индикаторы.

Компетенция является не только многокомпонентной, но иерархической структурой, т.е. укрупненные компетенции можно декомпозировать на более мелкие составляющие1. Четкое разграничение компетенций между собой в общем случае является трудоемкой задачей, поэтому целесообразно описывать либо модель укрупненной компетенции, либо единую модель сразу нескольких компетенций.

Приведенная ниже модель компетенций максимально приближена к структуре макета государственного образовательного стандарта третьего поколения (ГОС-3) и включает в себя следующие основные ракурсы:


  • Профессиональный, который дает определение компетенции через область применения, объекты, виды и задачи профессиональной деятельности;

  • Когнитивный, который дает определение компетенции через модель знаний-умений-навыков, дополненную требованиями к кругозору;

  • Личностный, который содержит перечень личных качеств и способностей, приобретаемых в ходе изучения УМК.

Табл. 1.1. Описание компонент компетенции.

Компоненты
компетенции


Описание

1. Кругозор

Иметь представление о предмете, процессе, явлении. Способность его выделить, назвать, привести пример (теоретическое экстенсиональное декларативное знание).

2. Знания

Знать, понимать содержание предмета, процесса, явления. Способность дать определение через структуру и связи с другими понятиями (теоретическое интенсиональное декларативное знание).

3. Умения

Уметь решать задачи, выполнять действия, владеть методиками (теоретическое процедурное знание).

4. Навыки

Иметь навыки по решению задач, применения знаний и умений на практике (опытное, практическое знание).

5. Личные качества

Личностные характеристики, необходимые для наиболее эффективной работы в определенной ситуации.

6. Свойства, классификационные характеристики

Служебная информация, необходимая для структурирования компетенции и представления их в виде онтологий или других иерархических структур.

1.2. Профессиональный ракурс

1.2.1. Сфера и область применения компетенций


Сферой применения компетенций являются информационно-коммуникационные технологии (ИКТ), используемые на различных стадиях жизненного цикла (ЖЦ) информационных систем (ИС).

Область применения компетенций представлена в Таблица 1.2 и определяется через про­цессы ЖЦ ИС (в соответствии с ГОСТ ИСО МЭК 12207), предметную область и класс ИС.

Таблица 1.2. Область применения компетенций для УМК «Представлений знаний в ИС»



Процессы ЖЦ ИС

Область применения

Предпроектные процессы




научное исследование




обследование и анализ

Широкий класс ИС

формирование требований

разработка концепции

техническое задание

Основные процессы




Заказ




Поставка




Разработка:

  • анализ требований к системе;

  • проектирование системной архитектуры;

  • анализ требований к программным средствам;

  • проектирование программной архитектуры;

  • техническое проектирование программных средств;

  • программирование и тестирование программных средств;

  • сборка программных средств;

  • квалификационные испытания программных средств;

  • сборка системы;

  • квалификационные испытания системы;

  • ввод в действие программных средств;

  • обеспечение приемки программных средств.

  • Системы поддержки принятия решений

  • Экспертные системы

  • Информационно-аналитические системы

  • ситуационные центры

  • другие интеллектуальные системы

Эксплуатация

Сопровождение

Вспомогательные процессы




документирование

Персональные ИС

управление конфигурацией




обеспечение качества;




верификация




аттестация




совместный анализ




аудит




решение проблем




Организационные процессы




управление




создание инфраструктуры




усовершенствование




обучение



1.2.2. Объекты профессиональной деятельности


Объектами профессиональной деятельности являются инструменты, источники и результирующие артефакты профессиональной деятельности, которые представлены в Таблица 1.3.

Таблица 1.3. Объекты профессиональной деятельности



Группы объектов профессиональной деятельности

Объекты профессиональной деятельности

Информационные сети

Сети Интернет и Интранет

Программное обеспечение

  • Среды программирования (Delphi, C++ Builder, PHP, Net)

  • СУБД (Paradox, Access, MySQL)

Интерфейсы взаимодействия с БД (BDE, ADO, ODBC)

  • Средства документирования (Word, Visio)

Операционная система Windows

Техническое обеспечение

  • Компьютеры PC

  • Периферийные устройства (принтер, внешние накопители данных)

Организационное и правовое обеспечение



Методическое обеспечение

  • Методы инженерии знаний

  • Метода проектирования и разработки экспертных систем

  • Методы обучения нейронных сетей

  • Методы решения задач с помощью генетических алгоритмов.

Математическое обеспечение

  • Математические модели представления знаний и данных в интеллектуальных системах

  • Математические модели и методы нейронных сетей и генетических алгоритмов.

Информационное обеспечение

  • Знания экспертов и другие информационные источники о предметной области.

Лингвистическое обеспечение

  • Лингвистические модели представления знаний

  • Языки представления знаний

  • Языки инженерии знаний

Эргономическое обеспечение

  • Интерфейсная компонента экспертных систем (подсистемы диалога и объяснения)

  • Редактор базы знаний ЭС



1.2.3. Виды и задачи профессиональной деятельности


Задачами профессиональной деятельности являются информационные процессы, в рамках которых создаются или используются объекты профессиональной деятельности. В Таблица 1.4.4 они сгруппированы по нескольким видам деятельности.

Таблица 1.4. Виды и задачи профессиональной деятельности



Виды
профессиональной
деятельности


Задачи
профессиональной деятельности


Аналитическая и
научно-исследовательская

Извлечение знаний:

  • Интервьюирование экспертов предметной области;

  • Работа с документами предметной области;

  • Обследование предметной области;

  • Документирование результатов.

Концептуализация, формализация и моделирование знаний:

  • Выбор моделей и систем представления знаний;

  • Построение и описание моделей объектов, процессов и ситуаций в предметной области.

Проектно-конструкторская

  • Разработка концепции и технических заданий для информационных систем;

  • Проектирование, разработка, тестирование, внедрение и сопровождение экспертных и других интеллектуальных систем.

1.3. Личностный ракурс


Личностные качества, под которыми часто также понимают некоторые способности, являются одной из основных компонент модели компетенции, которой в последнее время уделяют особое внимание. Для УМК «Представление знаний» выбраны следующие личностные качества, которые косвенным или прямым образом развиваются при изучении теоретического материала и выполнения практических занятий.

Таблица 1.5. Личные качества

Личные качества

Комментарий-обоснование

Внимание к деталям

Изучение математических методов, программирование

Новаторство

Наличие факультативных и недетерминированных заданий

Гибкость

Методы ИИ направлены на решение нестандартных задач

Обучаемость

Изучаются принципы, и методы организации знаний, а также методы и системы обучения

Мысленная визуализация

Проектирование интерфейсов ЭС, разработка моделей и баз знаний

Самооценка

Наличие множества различных факультативных заданий и системы накопления кредитов позволяет самостоятельно выбирать тип учебной нагрузки и оценивать свои возможности

Логическое мышление

Модели представления знаний, программирование ЭС

Творческое мышление

Факультативные задания, возможность самостоятельно выбрать предметную область при разработке ЭС

Коммуникабельность

При разработке ЭС необходимо осуществлять взаимодействие с экспертом, групповое выполнение домашнего задания

Инициативность

Выполнение дополнительных заданий поощряется получением зачетных единиц

Внешняя осведомленность

Для выполнения факультативных заданий необходимо само­стоя­тельно изучать дополнительные внешние источники информации

1.4. Когнитивный ракурс

1.4.1. Знания и умения учебного пособия


Учебное пособие, как правило, содержит теоретический материал, который может быть впоследствии закреплен путем упражнений, выполнения лабораторных или других практических заданий, поэтому в Таблица 1.6 представлены только теоретические знания. В одном из столбцов таблицы размещаются разделы, пункты и подпункты содержания, а в других – соответственно кругозор, знания и умения.

Таблица 1.6. Знания и умения учебного пособия УМК



Пункт содержания

Декларативные знания (Что?)

Процедурные знания (Как?)

Кругозор
(иметь представление)


Знания

Умения

Формализация знаний в интеллектуальных системах

Основные понятия и определения




Картина мира,

Предметная область.

Данные и знания.

Формальные языки.

Базы знаний и СУБЗ.

Языки (модели) представления знаний.






Свойства и классификация знаний




Способы формализации знаний. Свойства и отличительные черты знаний.

Формы представления знаний.

Процедурные и декларативные знания.

Экстенсиональные и интенсиональные знания.





Модели представления знаний




Классификация моделей знаний и данных.




Формально-логические модели

Алетическая логика

деонтическая логика

эпистемическая логика

Темпоральные логики

Немонотонные логики Псевдофизические логики

Онтологии



Формальная система

Классификация формально-логических систем

Достоинства и недостатки формально-логических систем

Дедуктивные модели

Индуктивные модели

Правдоподобный вывод

Модальные логики





Логика высказываний




Алфавит логики высказываний (ЛВ)

Операторы и правила построения формул ЛВ

Атомарные и общезначимые формулы ЛВ

Теоремы и формальное доказательство в ЛВ



Аксиомы ЛВ,

Основные законы ЛВ

Правила вывода ЛВ.

Исчисление высказываний

Описание предметной области с помощью ЛВ


Логика предикатов




Лингвистические переменные и константы

Предикат, местность предиката

Кванторы всеобщности и общезначимости

Формулы и термы логики предикатов

Преимущества логики предикатов


Описание предметной области с помощью логики предикатов

Нечеткая логика

Трехзначная логика современных СУБД

Многозначные логики





Нечеткие множества




Аналитическое и графическое представление нечеткого множества (НМ).

Степень вхождения (уровень принадлежности) элемента в НМ.

Основа НМ


Описание предметной области с помощью НМ

Операции над нечеткими Множествами

Специфические операции над НМ

Основные операции над НМ

Достоинства и недостатки методов для выполнения основных операций над НМ

Невыполнимость операций классической логики в нечеткой.


Операция пересечения НМ

метод Min Combination

пересечение НМ методом «мягких вычислений»

Операция Объединения НМ

метод Max Combination

метод Sum Combination

Объединение НМ мето­дом «мягких вычислений»

Операция отрицания НМ



Нечеткий вывод




Структура и этапы нечеткого вывода


Правило фазификации

Нечеткие правила вывода:

Метод "минимума" (correlation-min encoding)

Метод "произведения" (correlation-product encoding)

Правило агрегации

Методы дефазификации:

метод центра тяжести,

методы крайне левого, крайне правового и среднего максимума.

Метод взвешенного среднего


Сравнение Моделей выводов Mamdani и TVFI




Достоинства и недостатки моделей нечеткого вывода

модель вывода Мамдани (Mamdani)

модель вывода Truth Value Flow Inference (TVFI)



Нечеткость и вероятность




Отличие нечеткости и вероятности




Продукционные модели







Описание предметной области с помощью







Продукция, консеквенты и антецеденты

Достоинства и недостатки продукционных систем






Вероятностные продукции




Гипотеза, факт, свидетельство

коэффициенты уверенности Шортлифа.



Формулы Байеса и Байесовская стратегия вывода.

Метод цен свидетельств

Метод вывода с коэффициентами уверенности Шортлифа


Смешанные модели










Сетевые модели




Сетевая модель представления знаний

Классификация сетевых моделей



  • простые и иерархические сети

  • однородные и неодно­род­ные сети

Достоинства и недостатки сетевых моделей




Функциональные сети







Описание предметной области с помощью функциональных сетей

Ассоциативные сети.




Сети Квилиана.

Механизм ассоциации нейронных клеток






Семантические сети




Основные отношения в семантических сетях.

Описание предметной области с помощью семантических сетей

Фреймовая модель




Фреймы Минского, слоты.

Виды фреймов.

Фрейм-прототип.

Процедурный фрейм.

Процедура-демон

Процедура-слуга



Описание предметной области с помощью фреймов

Сценарии




Сценарии Шенка.

Каузальные отношения.



Описание предметной обла­сти с помощью сценариев

Что такое искусственный интеллект




Понятие интеллекта. Интеллектуальные системы.




Сравнения искусственного интеллекта

Когнитивная модель и методы для изуче­ния когнитивной модели Интеллекта

Рациональное мыш­ле­ние и формальные системы

Рациональный агент


Подходы к определению системы ИИ

Тест Тьюринга, Общий тест Тьюринга







Цели искусственного интеллекта




Цели и основные принципы информационного направления в ИИ.

Цели и основные принципы Бионического направления в ИИ

Цели и основные принципы Эволюционного направления в ИИ.





Возможность искус­ст­вен­ного интеллекта




возможность искусственного интеллекта




Возражения против ИИ.

Возражения против возможности созда­ния ИИ на более низ­ком уровне развития материи (в неживой среде).

Возражение о нераз­ло­жи­мости процесса мышления на про­стейшие логические операции.

Возражение о неспо­собности искусствен­ной системы к твор­ческой и инновацион­ной деятельности

Возражение, осно­ван­ное на гипотезе о возникновении созна­ния только в общест­вен­ной среде.

Наличие чувств как атрибут интеллек­туаль­ности сознания и мышления

Другие возражения



Возражения против теста Тьюринга как критерия Интел­лектуальности (Джон Серл)

Возражения против бионического подхода как стратегии редукционизма (Роджер Пенроуз)

Эмерджентные свойства Интеллекта и возражения против бионического подхода на базе гипотезы об уникальности развития нейронных ансамблей (Джералд Эделмен)






Область искусственного интеллекта




Структура и динамика развития области ИИ.

Этапы развития ИИ

Условность выделения направлений в ИИ





Начальный этап — эвристические программы




Эвристика и эвристические программы

Смена парадигмы ИИ в сторону решения сложных вычислительных задач






Второй этап — интегральные роботы




Формирование парадигмы ИИ как интегрального робота

Основные проблемы создания интегральных роботов






Третий этап — экспертные системы




Преимущества эргатических интеллектуальных систем

Выделение класса экспертных систем

Вклад экспертных систем в развитие области ИИ

Преимущества и недостатки ЭС






Четвертый этап — нейронные сети




Возникновение искус­ствен­ных нейронных сетей (НС)

Причины спада интереса к НС на начальном этапе развития ИИ

Преодоление ограничений однослойных НС и рост интереса к НС

Область применения НС

Достоинства и недостатки НС





Пятый этап — нечеткая логика

теория нечетких множеств Заде

Теорема FAT (Fuzzy Approximation Theorem)

Фаззи-контроллеры.








Шестой этап — эволюционный подход




Основные принципы эволюционного подхода

Ключевые направления эволюционного подхода

Принципы построения генетических алгоритмов

Достоинства и недостатки ГА






Тенденции дальнейшего развития области искусственного интеллекта

Тенденции дальнейшего развития области искусственного интеллекта







Экспертиза и экспертная информация




экспертная система

Основные подходы к определению ЭС

Функции ЭС

Экспертиза

Процедура извлечения знаний:


  • идентификация,

  • концептуализация,

  • формализация,

  • реализация,

  • испытание

  • реструктуризация

Процедура предъявления знаний в ЭС




Структура, классификация и тенденции развития ЭС




Структура ЭС

База знаний и данных;

Машина вывода;

Интерфейс с пользователем;

Модуль извлечения знаний и обучения;

Компонент приобретения и объяснения знаний.

Классификация ЭС:

По решаемой задаче



    • ЭС интерпретации данных

    • ЭС диагностики

    • ЭС мониторинга

    • ЭС проектирования

    • ЭС планирования

    • ЭС обучения

    • ЭС синтеза и анализа

По связи с реальным временем

    • Статические ЭС

    • Квазидинамические ЭС

    • Динамические ЭС

По степени интеграции

    • Автономные ЭС

    • Интегрированные (гибридные) ЭС

По степени сложности

    • Поверхностные ЭС

    • Глубинные ЭС

По стадии реализации

    • Демонстрационный прототип

    • Исследовательский прототип

    • Действующий прототип

    • Промышленная стадия

    • Коммерческая система

По типу языковых средств

    • символьные языки программирования

    • языки инженерии знаний

    • системы, автомати­зирующие разработку (проектирование) ЭС

    • оболочки ЭС

тенденции развития ЭС




Компонента извлечения знаний




Модель знаний эксперта

Модель знаний инженера по знаниям

процесс приобретения знаний





Методы извлечения знаний




режимы взаимодействия инженера по знаниям с экспертом-специалистом

стратегии интервьюирования:

разбиение на ступени,

репертуарная решетка

подтверждение сходства.

Этапы взаимодействия инженера по знаниям с экспертом-специалистом



  • Подготовительный этап

  • Установление лингвистического альянса

  • Гносеологический этап




Машинно-ориентированное получение знаний




Ассоциативная модель обучения

Лабиринтная модель обучения

Получение знаний по примерам:


  • Простейшее прогнозирование

  • Идентификация (синтез) функций.

  • Расшифровка языков.

  • Индуктивный вывод.

  • Синтез с дополнительной информацией

Этапы гипотетико-дедуктивного подхода


Задача проектирования интерфейсной компоненты интеллектуальных систем




Естественно-языковой (ЕЯ) и визуальный интерфейс взаимодействия с ИС

Способы организации взаимодействия ЭС с пользователем:

Недостатки использования ЕЯ-интерфейсов

Требования к интерфейсу взаимодействия ЭС

требования к средствам проектирования интерфейса взаимодействия





Формализация задачи проектирования интерфейсной модели




Формализованная модель проектирования интерфейсной компоненты ЭС



1.4.2. Навыки и другие индикаторы


Навыки приобретаются опытным путем в результате выполнения упражнений, лабораторных работ, домашних заданий, тренингов и т.д. Как правило, во время обучения приобретаются не только навыки, связанные с тематикой дисциплиной (УМК), но и ряд вспомогательных навыков. Например, подготовка отчетов развивает навыки создания технической документации, а разработка алгоритмов задач с помощью компьютера дает опыт программирования. В связи с этим навыки можно разбить на две группы: основные и дополнительные.

Для решения учебных задач и приобретения навыков необходимо предварительно получить соответствующие теоретические знания и умения. В связи с этим каждое упражнение может быть направлено либо на закрепление имеющихся, либо на приобретение новых знаний и умений.



Таблица 1.7. Навыки и другие индикаторы УМК

Пункт лабораторной работы, домашнего задания и т.д.

Умения/ Навыки основные
(по дисциплине)


Умения/ Навыки дополнительные

Знания (необходимые и приобретаемые)

Разработка прототипа и базы знаний ЭС с правилами вывода

Выбрать предметную область и задачу, которая может быть решена с помощью ЭС.

Оценка возможности и необходимости применения ЭС для решения задач

Анализ информации

принятие решений



Область применения ЭС

Разбить процесс решения задачи на следующие этапы

Извлечение знаний:

идентификация,

концептуализация,

формализация,

реализация,

испытание

реструктуризация


Анализ и модели­ро­вание предметной области

Поиск и структури­рование информации





Виды знаний

Языки представления знаний



Разработать вопросы к пользователю
и граф диалога

Разработка графа диалога ЭС

Проектирование пользовательского интерфейса ЭС









Разработать БД для хране­ния исходных, промежу­точ­­ных и результирую­щих данных.

Проектирование и Разработка БД ЭС




Объектные и реляционные БД

СУБД



Разработать вопросно-ответную компоненту БЗ

Проектирование и разработка БЗ







Разработать правила и машину вывода

Разработка продукцион­ных правил и систем вывода

стратегии и методы вывода




Проектирование, про­грам­мирование и тес­ти­рование компьютер­ных программ в син­так­сический разбор ло­гических и мате­ма­тиче­ских выражений.

Чтение и написание запросов SQL



Продукции

Сложные правила вывода




Содержание отчета




Разработка технической и пользовательской документации




Разработка базы знаний с использованием сетевых ЯПЗ2

Разработка ЭС с использованием семантических сетей и фреймов

Применение объект­но-ориентированного подхода и механизмов наследования

Семантические сети

Фреймы


Решение задач с помощью генетических алгоритмов

Решение задач с помощью генетических алгоритмов (ГА)

Методы и алгоритмы селекции, редукции, кроссинговера и мутации

Проектирование и разработка интеллектуальных систем с использованием ГА


Передача и маршру­тизация данных в компьютерных сетях

Решение оптимиза­цион­ных задач (задачи поиска кратчайшего маршрута)

Оценка сходимости и эффективности алгоритмов

Проведение экспе­ри­мен­тов



Основные понятия ГА:

популяция

хромосома

гены


поколение


Решение задач с помощью нейронных сетей

Решение задач обучения и распознавание с помощью нейронных сетей (НС).

Алгоритм обучения персептрона

Проектирование и разработка интеллектуальных систем с использованием НС.


Распознавание изображений

Компьютерное обучение



Основные понятия НС:

модель искусственного нейрона

функции активации НС

персептрон

Персептронная представляемость


Обучение нейрона с помощью ГА

Обучение нейронной сети с помощью генетических алгоритмов

Использование вещественных чисел в ГА



Интеграция интеллектуальных систем




Домашнее Задание и дополнительные лабораторные работы

Разработка онтологии предметной области

Формализация предметной области и постановки задач



Обследование и анализ объекта автоматизации

Онтология

Модели представления знаний



Домашнее Задание и дополнительные лабораторные работы

Разработка ЭС с поддержкой вероятностного вывода

Разработка ЭС с поддержкой нечеткого вывода






Теория вероятности

Теорема и формулы Байеса

Нечеткая логика

Теория уверенности, коэффициенты уверенности



Домашнее Задание и дополнительные лабораторные работы

Разработка следующих компонент ЭС:

интеллектуальный редактор

объяснения

обучения


самообучения

Методы автоматизированного и автоматического обучения



Отладка программ

Управление изменениями



Режимы объяснения ЭС:

Что?


Как?

Почему?


Что если?

Трассировка правил вывода



Домашнее Задание и дополнительные лабораторные работы

Разработка следующих компонент ЭС:

программный интерфейс взаимодействия с ЭС

генерации исходных данных (подсистема моделирования).


Распределенные информационные системы

Интеграция программных систем

Моделирование систем





Дополнительные лабораторные работы

Сравнение и оценка эффективности использования ГА с другими подходами

Решение типовых задач с использованием ГА, возникающих при передаче пакетов данных в компьютерных сетях:

задача коммивояжера

передача широко­ве­ща­тельных запросов

оптимизация пропуск­ной способности

другие.


Методы и алгоритмы Теории исследования операций

Передача данных в компьютерных сетях



Область применения ГА

Дополнительные лабораторные работы

Решение задач распозна­ва­ния и обучения с исполь­зо­ва­нием многослойных нейронных сетей

Алгоритм обратного распространения






Многослойные НС

Дополнительные лабораторные работы

Разработка ЭС с использованием онтологий и сценариев




Онтологии

Сценарии


Современные стандарты для описания онтологий (OWL, XML)

1.4.3. Модель предметной области


Для структурирования моделей знаний-умений-навыков, представленных в предыдущих разделах, используется тезаурусная модель предметной области. Ее особенностью является иерархическая структура и типизация (с помощью цветовых выделений) отдельных элементов в соответствии с элементами модели компетенций.

В рамках общей модели компетенций УМК можно выделить следующие группы укрупненных компетенций:



  • «Методы, языки и модели представления знаний»;

  • «Проектирование и разработка экспертных систем»;

  • «Основы искусственного интеллекта».

1.4.3.1. Модель компетенции «Методы, языки и модели представления знаний»


Данные и знания

    • Основные понятия и определения

      • Картина мира,

      • Предметная область.

      • Данные и знания.

      • Формальные языки.

      • Базы знаний и СУБЗ.

    • Свойства и классификация знаний

      • Свойства и отличительные черты знаний.

      • Формы представления знаний.

      • Виды знаний

        • Процедурные и декларативные знания.

        • Экстенсиональные и интенсиональные знания.

Языки (модели) представления знаний.

    • Формальная система

    • Способы формализации знаний.

    • Формально-логические модели

      • Достоинства и недостатки формально-логических систем

      • Классификация формально-логических систем

        • Дедуктивные модели

          • Логика высказываний

            • Основные понятия и определения

              • Алфавит логики высказываний (ЛВ)

              • Операторы и правила построения формул ЛВ

              • Атомарные и общезначимые формулы ЛВ

              • Теоремы и формальное доказательство в ЛВ

            • Методы логики высказываний

              • Аксиомы ЛВ,

              • Основные законы ЛВ

              • Правила вывода ЛВ.

              • Исчисление высказываний

            • Описание предметной области с помощью ЛВ

          • Логика предикатов

            • Лингвистические переменные и константы

            • Предикат, местность предиката

            • Кванторы всеобщности и общезначимости

            • Формулы и термы логики предикатов

            • Преимущества логики предикатов

            • Описание предметной области с помощью
              логики предикатов

        • Индуктивные модели

          • Правдоподобный вывод

        • Модальные логики

          • Алетическая логика

          • деонтическая логика

          • эпистемическая логика

          • Темпоральные логики

          • Немонотонные логики

        • Псевдофизические логики

        • Онтологии

        • Многозначные логики

          • Трехзначная логика современных СУБД

          • Нечеткая логика

            • нечеткие множества

              • Аналитическое и графическое представление нечеткого множества (НМ).

              • Степень вхождения (уровень принадлежности) элемента в НМ.

              • Основа НМ

              • Описание предметной области с помощью НМ

            • Операции над нечеткими Множествами

              • Основные операции над НМ

              • Специфические операции над НМ

              • Достоинства и недостатки методов для выполнения основных операций над НМ

              • Операция пересечения НМ

                • метод Min Combination

                • пересечение НМ методом «мягких вычислений»

              • Операция Объединения НМ

                • метод Max Combination

                • метод Sum Combination

                • Объединение НМ методом «мягких вычислений»

              • Операция отрицания НМ

            • Нечеткий вывод

              • Структура и этапы нечеткого вывода

              • Правило фазификации

              • Нечеткие правила вывода

                • Метод "минимума" (correlation-min encoding)

                • Метод "произведения" (correlation-product encoding)

              • Правило агрегации

              • Методы дефазификации:

                • метод центра тяжести,

                • методы крайне левого, крайне правового и среднего максимума.

                • Метод взвешенного среднего

            • Модели нечеткого вывода

              • модель вывода Мамдани (Mamdani)

              • модель вывода Truth Value Flow Inference (TVFI)

              • Достоинства и недостатки моделей нечеткого вывода

            • Отличие нечеткости и вероятности

    • Продукционные модели

      • Продукция, консеквенты и антецеденты

      • Достоинства и недостатки продукционных систем

Описание предметной области с помощью



      • Вероятностные продукции

        • Гипотеза,

        • факт,

        • свидетельство

        • коэффициенты уверенности Шортлифа.

        • Формулы Байеса и Байесовская стратегия вывода.

        • Метод цен свидетельств

        • Метод вывода с коэффициентами уверенности Шортлифа

      • Смешанные модели

    • Сетевые модели

      • Сетевая модель представления знаний

      • Достоинства и недостатки сетевых моделей

      • Классификация сетевых моделей

        • простые и иерархические сети

        • однородные и неоднородные сети

        • Функциональные сети

        • Ассоциативные сети.

          • Сети Квилиана.

          • Механизм ассоциации нейронных клеток

        • Семантические сети

          • Основные отношения в семантических сетях.

          • Описание предметной области с помощью семантических сетей

        • Фреймовая модель

          • Фреймы Минского

          • Виды фреймов.

            • Фрейм-прототип.

            • Процедурный фрейм.

              • Процедура-демон

              • Процедура-слуга

          • Описание предметной области с помощью фреймов

        • Сценарии

          • Сценарии Шенка.

          • Каузальные отношения.

          • Описание предметной области с помощью сценариев

1.4.3.2. Модель компетенции «Проектирование и разработка экспертных систем»


Экспертные системы

    • Основные подходы к определению ЭС

    • Экспертиза и функции ЭС

    • Область применения ЭС

      • Оценка возможности и необходимости применения ЭС для решения задач

    • Структура ЭС

      • База знаний и данных

        • Проектирование и Разработка БД

        • Проектирование и разработка БЗ

          • Разработка продукционных правил вывода

          • Разработка БЗ с использованием семантических сетей и фреймов

      • Машина вывода

        • Стратегии и методы вывода

        • Разработка продукционных систем вывода

        • Разработка машины вывода для семантических сетей и фреймов

      • Интерфейс с пользователем

        • Способы организации взаимодействия ЭС с пользователем:

        • Естественно-языковой (ЕЯ) и визуальный интерфейс взаимо­действия с ИС

          • Недостатки использования ЕЯ-интерфейсов

        • Требования к интерфейсу взаимодействия ЭС

        • Требования к средствам проектирования интерфейса взаимодействия

        • Формализованная модель проектирования интерфейсной компоненты ЭС

        • Разработка графа диалога ЭС

        • Проектирование пользовательского интерфейса ЭС

      • Модуль извлечения знаний и обучения

        • Модель знаний эксперта

        • Модель знаний инженера по знаниям

        • Процедура извлечения знаний:

          • идентификация,

          • концептуализация,

          • формализация,

          • реализация,

          • испытание

          • реструктуризация

        • Методы извлечения знаний

          • режимы взаимодействия инженера по знаниям с экспертом-специалистом

          • стратегии интервьюирования:

            • разбиение на ступени,

            • репертуарная решетка

            • подтверждение сходства.

          • Этапы взаимодействия инженера по знаниям с экспертом-специалистом

            • Подготовительный этап

            • Установление лингвистического альянса

            • Гносеологический этап

          • Машинно-ориентированное получение знаний

            • Ассоциативная модель обучения

            • Лабиринтная модель обучения

            • получение знаний по примерам:

              • Простейшее прогнозирование

              • Идентификация (синтез) функций.

              • Расшифровка языков.

              • Индуктивный вывод.

              • Синтез с дополнительной информацией

      • Компонент объяснения знаний.

        • Процедура предъявления знаний в ЭС

    • Классификация ЭС:

      • По решаемой задаче

        • ЭС интерпретации данных

        • ЭС диагностики

        • ЭС мониторинга

        • ЭС проектирования

        • ЭС планирования

        • ЭС обучения

        • ЭС синтеза и анализа

      • По связи с реальным временем

        • Статические ЭС

        • Квазидинамические ЭС

        • Динамические ЭС

      • По степени интеграции

        • Автономные ЭС

        • Интегрированные (гибридные) ЭС

      • По степени сложности

        • Поверхностные ЭС

        • Глубинные ЭС

      • По стадии реализации

        • Демонстрационный прототип

        • Исследовательский прототип

        • Действующий прототип

        • Промышленная стадия

        • Коммерческая система

      • По типу языковых средств

        • символьные языки программирования

        • языки инженерии знаний

        • системы, автоматизирующие разработку (проектирование) ЭС

        • оболочки ЭС

    • тенденции развития ЭС

1.4.3.3. Модель компетенции «Основы искусственного интеллекта»


Область ИИ

    • Основные понятия и определения

      • Понятие интеллекта

      • Искусственный интеллект.

      • Интеллектуальные системы.

        • Подходы к определению системы ИИ

          • Тест Тьюринга, Общий тест Тьюринга

          • Когнитивная модель и методы для изучения когни­тивной модели Интеллекта

          • Рациональное мышление и формальные системы

          • Рациональный агент

    • Цели и возможность искусственного интеллекта

      • Цели и основные принципы информационного направления в ИИ.

      • Цели и основные принципы Бионического направления в ИИ

      • Цели и основные принципы Эволюционного направления в ИИ.

      • Возможность искусственного интеллекта

      • Возражения против ИИ

        • Возражения против теста Тьюринга как критерия интеллек­туальности (Джон Серл)

        • Возражения против бионического подхода как стратегии редукционизма (Роджер Пенроуз)

        • Эмерджентные свойства Интеллекта и возражения против бионического подхода на базе гипотезы об уникальности развития нейронных ансамблей (Джералд Эделмен)

        • Возражения против возможности создания ИИ на более низком уровне развития материи (в неживой среде).

        • Возражение о неразложимости процесса мышления на простейшие логические операции

        • Возражение о неспособности искусственной системы к твор­ческой и инновационной деятельности

        • Возражение, основанное на гипотезе о возникновении сознания только в общественной среде.

        • Наличие чувств как атрибут интеллектуальности сознания и мышления

        • Другие возражения

    • Структура и динамика развития области ИИ.

      • Этапы развития ИИ

      • Этапы и направления в области ИИ

        • Начальный этап — эвристические программы

          • Эвристика и эвристические программы

          • Смена парадигмы ИИ в сторону решения сложных вычислительных задач

        • Второй этап — интегральные роботы

          • Формирование парадигмы ИИ как интегрального робота

          • Основные проблемы создания интегральных роботов

        • Третий этап — экспертные системы

          • Преимущества эргатических интеллектуальных систем

          • Выделение класса экспертных систем

          • Вклад экспертных систем в развитие области ИИ

          • Преимущества и недостатки ЭС

        • Четвертый этап — нейронные сети

          • История развития НС

            • Возникновение искусственных нейронных сетей (НС)

            • Причины спада интереса к НС на начальном этапе развития ИИ

            • Преодоление ограничений однослойных НС и рост интереса к НС

          • Область применения НС

          • Достоинства и недостатки НС

          • Основные понятия НС:

            • модель искусственного нейрона

            • функции активации НС

            • персептрон

            • Персептронная представляемость

          • Проектирование и разработка интеллектуальных систем с использованием НС.

            • Решение задач обучения и распознавание с помощью нейронных сетей (НС).

            • Алгоритм обучения персептрона

            • Обучение нейронной сети с помощью генети­ческих алгоритмов

        • Пятый этап — нечеткая логика

          • теория нечетких множеств Заде

          • Теорема FAT (Fuzzy Approximation Theorem)

          • Фаззи-контроллеры.

        • Шестой этап — эволюционный подход

          • Основные принципы эволюционного подхода

          • Ключевые направления эволюционного подхода

            • Искусственная жизнь

            • Генетические алгоритмы

              • Основные понятия ГА:

                • популяция

                • хромосома

                • гены

                • поколение

              • Принципы построения генетических алгоритмов

              • Проектирование и разработка интел­лек­туальных систем с использованием ГА

                • Решение задач с помощью генетических алгоритмов (ГА)

                • Методы и алгоритмы селекции, редукции, кроссинговера и мутации

                • Обучение нейронной сети с по­мощью генетических алгоритмов

                • Использование вещественных чисел в ГА

              • Достоинства и недостатки ГА

        • Тенденции дальнейшего развития области искусственного интеллекта



1 Наименьшей является атомарная компетенция, которая не раскладывается и не выражается через другие компетенции.

2 Далее расписываются только новые навыки и другие индикаторы для последующих практических заданий, которые уже описаны ранее, а не дублируются.