Основы искусственного интеллекта

 

Цель работы. Освоить основы проектирования прикладных решений на базе искусственного интеллекта, научиться формулировать задачи, выбирать ИИ-технологии и описывать архитектуру интеллектуальной системы.

 

Теоретическая часть

Прикладное ИИ-решение — это программная система, использующая методы искусственного интеллекта для решения конкретной практической задачи.

Такие решения применяются в:

·                     образовании (адаптивное обучение);

·                     медицине (диагностика);

·                     промышленности (контроль качества);

·                     транспорте (навигация);

·                     бизнесе (аналитика и прогнозирование).

 

Основные этапы проектирования ИИ-решения:

1. Постановка задачи

Определение проблемы, которую решает система.

2. Анализ данных

Выбор и изучение источников данных.

3. Выбор ИИ-методов

Определение подходящих технологий:

·                     машинное обучение;

·                     нейронные сети;

·                     NLP;

·                     компьютерное зрение;

 

·                     экспертные системы.

4. Проектирование архитектуры

Описание структуры системы:

·                     входные данные;

·                     блок обработки;

·                     модель ИИ;

·                     выходной результат.

5. Оценка эффективности

Проверка качества работы системы.

 

План выполнения работы

 

1. Выбор прикладной задачи

Обучающийся должен выбрать одну практическую задачу, например:

·                     прогноз успеваемости студентов;

·                     система рекомендаций товаров;

·                     распознавание изображений;

·                     чат-бот для поддержки;

·                     анализ данных предприятия;

·                     умный помощник для расписания.

 

2. Описание задачи и требований

Необходимо указать:

·                     цель системы;

·                     пользователей системы;

·                     входные данные;

·                     ожидаемый результат.

 

3. Выбор ИИ-технологий

Обосновать выбор технологий:

·                     машинное обучение;

·                     NLP;

·                     компьютерное зрение;

·                     генеративные модели;

·                     экспертные системы.

Указать, почему выбран именно этот метод.

 

4. Проектирование архитектуры системы

Описать структуру решения:

·                     источник данных;

·                     модуль обработки;

·                     ИИ-модель;

·                     интерфейс пользователя;

·                     выходные результаты.

Можно представить в виде схемы или таблицы.

 

5. Описание сценария работы системы

Необходимо описать:

·                     как пользователь взаимодействует с системой;

·                     как данные поступают и обрабатываются;

·                     как формируется результат.

 

6. Оценка эффективности решения

Необходимо проанализировать:

·                     точность;

·                     скорость работы;

·                     удобство использования;

·                     возможные ограничения.

 

Пример структуры проекта

Компонент	Описание
Задача	прогноз успеваемости студентов
Данные	оценки, посещаемость
Модель	машинное обучение
Выход	прогноз результата
Пользователь	преподаватель

 

Требования к оформлению результата

Работа должна содержать:

·                     введение;

·                     описание задачи;

·                     выбор технологий ИИ;

·                     архитектуру системы;

·                     сценарий работы;

·                     выводы.

Допускается использование:

·                     схем;

·                     таблиц;

·                     блок-схем;

·                     диаграмм архитектуры.

 

Критерии оценивания

Критерий	Описание	Баллы
Постановка задачи и логика	Корректность формулировки проблемы	0–40
Выбор ИИ-методов	Обоснованность технологий	0–30
Проектирование системы	Структура и архитектура решения	0–20
Оформление работы	Четкость и аккуратность	0–10

Максимальный балл: 100

 

Дополнительно (рекомендации для студентов)

Для повышения оценки рекомендуется:

·                     выбрать реальную задачу из своей специальности;

·                     добавить схему архитектуры системы;

·                     описать возможное улучшение системы;

·                     сравнить с существующими аналогами (ChatGPT, рекомендательные системы и др.).

 

Итог работы

Студент должен уметь:

·                     формулировать прикладные задачи для ИИ;

·                     выбирать подходящие методы;

·                     проектировать архитектуру ИИ-системы;

·                     описывать сценарий работы и оценивать эффективность решения