Кафедра інформатики

Цей курс допоможе вам опанувати сучасний інструментарій для розробки, тренування та аналізу інтелектуальних систем і моделей глибокого навчання. Ви опануєте фундаментальні принципи побудови нейронних мереж, навчитеся працювати з провідними фреймворками PyTorch та TensorFlow, а також застосовувати передові архітектури — CNN для комп'ютерного зору, RNN для послідовних даних, генеративні мережі (GAN) та трансформери (GPT, BERT). У межах курсу ви навчитеся готувати дані, тренувати моделі з нуля, використовувати перенос навчання (Transfer Learning), оцінювати їхню точність та враховувати етичні аспекти застосування штучного інтелекту.

Дисципліна розрахована на 4 кредити ECTS (120 годин), містить 16 годин лекцій, 16 годин лабораторних занять та передбачає виконання 8 лабораторних робіт. Оцінювання здійснюється за накопичувальною 100-бальною системою на основі виконання лабораторних завдань, двох модульних контрольних робіт, самостійної роботи та підсумкового іспиту.

Цей курс допоможе вам опанувати професійний інструментарій для аналізу, проєктування та комплексної трансформації бізнес-процесів реальних компаній. Ви поглибите знання із загальновизнаного стандарту BPMN 2.0, здобудете практичний досвід роботи в Camunda Modeler та Bizagi, а також ознайомитеся з передовими інструментами процесної аналітики й Process Mining.

В межах курсу ви навчитеся проводити детальний аудит процесів «як є» (as-is), виявляти «вузькі місця», розраховувати ключові показники ефективності та розробляти оптимізовані моделі «як має бути» (to-be), готуючи їх до подальшої автоматизації.

Дисципліна розрахована на 4 кредити ECTS (120 годин), містить 16 годин лекцій, 16 годин лабораторних занять та передбачає виконання 7 практичних робіт.

Оцінювання здійснюється за накопичувальною 100-бальною системою на основі виконання лабораторних завдань, двох модульних контрольних робіт, СРС та підсумкового іспиту.

Цей курс присвячено сучасним методам побудови інтелектуальних систем, які вміють працювати із суперечливими, неповними чи нечіткими даними — саме такими, з якими найчастіше доводиться мати справу у реальних інженерних та аналітичних задачах. Ви опануєте алгоритми нечіткої логіки, розберетеся у принципах створення гібридних нейро-нечітких моделей і навчитеся будувати сучасні архітектури глибокого навчання — від рекурентних та згорткових мереж до інструментів пояснюваного штучного інтелекту з використанням TensorFlow і Keras API.
Програма дисципліни розрахована на 4,0 кредити ECTS (120 годин) і передбачає 16 годин лекцій, 16 годин лабораторних робіт (7 практичних завдань у Python), 2 модульні контрольні роботи та підсумковий семестровий іспит.

Ця дисципліна занурює в світ створення програмного забезпечення, здатного без жодних змін у коді працювати на будь-якій операційній системі — від Windows до macOS та Linux.

В процесі навчання ви опануєте синтаксис та фундаментальні концепції ядра Java, навчитеся будувати додатки за принципами об'єктно-орієнтованого програмування, працювати з колекціями даних, винятками та файловими системами. Крім того, ви зануритеся в розробку графічних інтерфейсів (GUI), опануєте створення багатопотокових систем, використання форматів XML і JSON, роботу з базами даних через JDBC та основи побудови сучасних вебзастосунків із використанням Git і популярних інструментів розробки.

Курс розрахований на 4,5 кредити ECTS (135 годин). Навчальний процес охоплює виконання 12 лабораторних робіт, складання 2 модульних контрольних робіт, 75 годин самостійної роботи та завершується підсумковим контролем у формі іспиту.