Вимоги до самостійної роботи
Для виконання комплексної розрахункової роботи (20 балів) студент має програмно реалізувати систему штучного інтелекту, яка виконує певні функції: класифікація об’єктів, розпізнавання образів, передбачення, еволюція життя, інтелектуальна гра тощо.
В основі системи має бути інтелектуальний алгоритм або нейронна мережа. Для програмування можна використовувати математичний апарат чи алгоритм як власний так і запозичений з відкритих джерел.
Вимоги до системи:
- Зрозумілий і дружній інтерфейс (десктоп або веб).
- Користувач має мати можливість змінювати параметри, мати зручні засоби введення вхідних даних і отримати результати виконання у зручному для сприйняття вигляді.
- Наявність документації щодо правил користування програмою (пункт меню).
- Зазначення © вашого прізвища (ніка) в любому місці інтерфейсу.
- Реалізовану систему можна розмістити на Github, безкоштовному хостингу, на комп’ютері студента.
Мова програмування за вибором студента.
Формат захисту
- Демонстрація роботи системи.
- Пояснення алгоритму.
- Зміна параметрів системи
- Інтерпретація отриманих результатів
- Обгрунтування сфери застосування реалізованої ситеми
Типові завдання для реалізації
I.Класичні та евристичні алгоритми (Теми 2–3)
- Інтелектуальна система розв’язання задачі комівояжера (генетичний алгоритм / мурашиний алгоритм з візуалізацією маршруту)
- Система оптимізації розкладу занять. Метаевристичний алгоритм, налаштування параметрів популяції.
- Симулятор еволюції популяції. Генетичні оператори: мутація, схрещування, відбір.
II. Машинне навчання (Теми 4–7)
- Система класифікації об’єктів за числовими ознаками (kNN, Decision Tree, Naive Bayes)
- Система прогнозування ціни, погоди, попиту тощо (лінійна/поліноміальна регресія)
- Інтелектуальна система кластеризації даних (K-Means, DBSCAN з візуалізацією)
- Навчання агента керуванню середовищем (Q-learning у простій грі або симуляції)
III. Нейронні мережі та глибоке навчання (Теми 8–11).
- Реалізація багатошарового перцептрону для класифікації (власна або з використанням бібліотек)
- Система розпізнавання рукописних цифр (MLP або CNN, датасет MNIST)
- Порівняльна система навчання нейромереж (вплив кількості шарів, епох, активацій)
- Інтерактивний симулятор роботи нейрона та нейромережі (освітній проєкт з візуалізацією)
IV. Комп’ютерний зір (Тема 12).
- Система розпізнавання об’єктів на зображенні. (OpenCV + ML або CNN)
- Інтелектуальна система розпізнавання облич. (Haar / HOG / CNN)
- Система детекції об’єктів з використанням YOLO. (готова модель + інтерфейс)
V. Обробка природного мовлення, машинний переклад, великі мовні моделі (Теми 13–15)
- Система автоматичного визначення мови тексту
- Чат-бот на основі правил або ML/LLM (локальний або API)
- Інтелектуальна система аналізу тональності тексту (позитив / негатив / нейтрально)
- Система автоматичного реферування текстів
- AI-помічник для навчання студентів (питання–відповіді, пояснення тем, LLM)
Зміст звіту
- Назва та мета виконання самостійної роботи.
- Теоретичні та технічні відомості про реалізовану систему: блок-схема алгоритму, математичний апарат.
- Скріншоти інтерфейсусистеми з описом.
- Документація щодо використання системи.
- Аналітичні висновки щодо отриманих результатів, можливого застосування реалізованої системи в певній галузі.