У статті зібрано відгуки про вибіркові дисципліни катедри ШІ на 3 курс. Зазначимо, що ця інформація базується на суб'єктивних думках студентів, які вже вивчали ці предмети, і наведена лише з ознайомлювальною метою.

Хочемо звернути увагу на:

«Відповідь викладача» — викладач/ка вперше викладатиме цю дисципліну, тому ми звернулися до нього / неї з проханням розповісти про плани.

Стаття містить статистику 2024-2025 років — відповідей цьогорічного опитування було недостатньо, додана інформація з попередніх статей.

Висловлюємо щиру подяку студентам, які взяли участь у зборі відгуків, та викладачам, що відповіли на наші запитання!

Вибіркові інших катедр і курсів ви можете знайти за цими посиланнями:

• ШІ 4 курс
• ММСА 3 курс
• ММСА 4 курс
• СП 3 курс
• СП 4 курс

---

5 семестр

Освітній компонент 1

Інтелектуальний аналіз даних (Недашківська Н. І.)

Про що дисципліна, які теми охоплює?

• «Класифікація, кластеризація, нейронні мережі, ансамблі моделей, оцінювання якості моделей і робота з бібліотекою scikit-learn».

• «Всього потрошку — підготовка датасетів, навчання простих моделей регресії, класифікації та кластеризації за допомогою scikit-learn. Чогось екстраординарного не очікуйте, все те ж є й на курсіках для Data analyst / Data scientist, але на лекціях можна гарно ознайомитися з математикою, яка живе «під капотом».

• «Задачі навчання з вчителем — supervised learning, без вчителя — unsupervised learning та з частковим залученням вчителя – semi-supervised learning. Класифікація, регресiя, машинний переклад, пошук асоцiативних правил, структурний вивiд, синтез i вибiрка, оцiнка функцiї ймовiрностi або функцiї щiльностi ймовiрностi, кластеризація, сегментація».

• «Машинне навчання, оцінювання якості алгоритмів, методи й алгоритми класифікації, ансамблі моделей».

• «Вивчали моделі класифікації, оцінювання їхньої ефективності. Усі роботи були з використанням бібліотеки scikit-learn».

• «Основи класичного ML».

• «Дисципліна фокусується на структурованому викладі методів машинного навчання».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Базовий матан, теорія ймовірностей і пайтон».

• «Python, лінал, трошки матаналізу».

• «Потрібні знання з теорії ймовірностей, і бібліотек Пайтон (numpy, pandas, matplotlib)».

• «Пайтон».

• «Знання синтаксису пайтона, навички роботи з Jupyter Notebook».

• «Python, Jupyter Notebook».

• «Лінійна алгебра, аналітична геометрія, чисельні методи, математичний аналіз».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 9.

У чому полягає актуальність знань?

• «Усі ці знання можна застосовувати в роботі з даними».

• «База для всіх професій, які мають «Data» у своїй назві».

• «Розуміння того, як працюють моделі «під капотом», допомагає оцінити їхні плюси та мінуси, а також підібрати оптимальну модель залежно від потреб».

• «Розповідають про основні метрики, класичні алгоритми ML і інтерфейси до їхніх імплементацій на scikit-learn».

• «Це потужний старт у вивченні ML і Data Science у цілому».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «5 лаб і 2 контрольні. Усе повністю відповідало РСО».

• «РСО імба — 5 лаб + захисти й 2 МКР. Можна робити в командах до 4-5 людей, здавати асинхронно або захист на практиці. Захисти можна також робити онлайн — це або прості задачки, або просто дати відповідь на запитання».

• «Оцінювання: лабораторні, захисти до них і 2 контрольні. Контрольні — це питання з теорії та задача».

• «Відповідає РСО. Система оцінювання доволі легка: 5 лаб і 5 захистів, і також 3 мкр».

• «Бали можна було отримати за практикуми + їхній захист, роботу на парах і МКР. Все, що ми мали робити, відповідало затвердженій РСО, тільки дедлайни деяких робіт зміщувалися на кілька днів через відсутність світла».

• «Не перевіряв і не хочу це робити, але були опитування на лекціях. Добре оформлений Гугл Клас, тож одразу зрозуміло, що робити. Завдання викладені наперед, можна на початку семестру все виконати й відпочивати».

• «Більша частина балів отримується на практичних, їхніми захистами та контрольними. Також ще 5 балів можна отримати за відповіді на опитуваннях до або після лекційного заняття. Повністю відповідає офіційній РСО».

Оцініть зручність РСО.

• Середня оцінка: 9,85.

Які загальні враження від дисципліни?

• «Курс дуже насичений, тому якщо щось не зрозуміли, можна переглянути записи лекцій».

• «Гарні, викладачка дуже лояльна й відкрита, сподобалося те, що на відміну від курсів є гарна математична база».

• «Враження дуже позитивні. Обирайте, не пошкодуєте».

• «Хороші, але було нуднувато».

• «Корисна інформація, цікаві практичні роботи. Отримати бали було легко, якщо вчасно все здавати».

• «Знання +- актуальні, але лекції слухати не цікаво».

• «Враження лише позитивні. Радий, що цей матеріал вивчається в межах курсу».

Оцінка вражень від проходження курсу.

• Середня оцінка: 8,57.

Порада наступним поколінням.

• «Не відтягуйте лаби до останнього, вони іноді великі за обсягом».

• «Викладачі адекватні, курс нескладний, беріть.»

• «Поважати теорію, але не забувати про практику».

Відгук викладачу.

• «Лектор і практик — хороші викладачі. Лекторка надавала достатню кількість матеріалів для написання лаб і контрольних робіт. Однак, недолік, що трохи нудно веде лекції (по суті просто читає презентацію). Практик лояльний, є 2 варіанти захисту: 1) усно на парі 2) письмово відповіді на теоретичні запитання. Якщо є помилки, неточності, то вкаже це в приватних коментарях у Гугл Клас».

• «Викладачі класні, є розуміння свого предмету».

• «Дякую за проведення курсу Інтелектуального аналізу даних. Впевнений ці знання мені в майбутньому знадобляться».

Комп'ютерна графіка (Катедра СП)

Про що дисципліна, які теми охоплює?

• «Низькорівневу роботу з графікою».

• «2D і 3D графіка на OpenGL».

• «Цікаві».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Лінал і знання нормальні С/С++».

• «Базові знання С++».

• «Нічого».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 9,66.

У чому полягає актуальність знань?

• «Якщо хочете працювати з іграми чи з графікою, то це дасть розуміння, як усе працює».

• «Буде дуже цікаво тим, хто цікавиться графікою та геймдевом».

• «У їхній відсутності».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «Просто 3 лаби».

• «Дуже круте, приходиш на залік — отримуєш 60, щось здаєш — отримуєш від 60 до 100 (залежно від кількості та якості лаб)».

• «Ставить 60 у кінці семестру, якщо немає натхнення вивчати».

Оцініть зручність РСО.

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Нормально все, головне, щоб було хоч щось здано».

• «Неперевершені».

• «Кайфові».

Оцінка вражень від проходження курсу.

• Середня оцінка: 9,66.

Порада наступним поколінням.

• «Беріть його, якщо у вас немає часу на виконання лаб».

Відгук викладачу.

• «Дякую за ваше існування».

Мультипарадигменні мови програмування (Канцедал Г. О.)

Про що дисципліна, які теми охоплює?

• «Пайтон та дата сайнс (трошки)».

• «Дисципліна про Python і тільки про нього. Проте вона доволі широко розкриває можливості цієї мови, зокрема дає базові уявлення про те, як працювати з датафреймами».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Тут хз, тут просто пайтон вчимо».

• «Трохи знати Python було би корисним. Достатньо, мабуть, базових знань, пайтонівська імплементація ООП для цієї дисципліни не потрібна».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 8.

У чому полягає актуальність знань?

• «Якщо хочете в Data Science чи інші напрями пов'язані з пайтоном, то норм».

• «Якщо хочете аналізувати дані за допомогою Python — ця дисципліна для вас».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «Порядок тут. Є бот, якому скидаєте лаби, та можна все зробити за перший тиждень й забути про предмет».

• «Бали ви отримуєте за здачу лабораторних робіт. Також можна отримати бали за здачу курсів, є прогресуюча система балів залежно від кількості курсів».

Оцініть зручність РСО.

• Середня оцінка: 8.

Які загальні враження від дисципліни?

• «Дядько прикольний».

• «Лабораторні роботи здаються через спеціального бота в телеграмі. У боті імплементовано тестування програми, залежно від результатів цих тестів ви й отримуєте оцінку. З одного боку, сама система зручна; з іншого боку, проблема в тому, що ці тести невидимі (ви не знаєте, у чому вони полягають), а це стає критичним у лабі, яка приносить найбільше балів. Унаслідок залишається певний неприємний осад, бо код працює, і працює добре, але не так, як хотів викладач, коли писав тести».

Оцінка вражень від проходження курсу.

• Середня оцінка: 7,5.

Освітній компонент 2

Методологія науки про дані (Пишнограєв І. О.)

Про що дисципліна, які теми охоплює?

• «Дисципліна відповідає своїй назві та навчає як основам, так і більш поглибленим темам Data Science, також вивчає використання нової для мене мови R».

• «Дисципліна про методологію Data Science. Охоплює мову програмування R, методи обробки та аналізу даних і складніших аспектів».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Переважно немає необхідних навичок, оскільки викладач гарно пояснює. Аналітичного мислення та базового розуміння програмування цілком достатньо».

• «Теорія ймовірностей, математична статистика, алгоритмізація та програмування».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 8,5.

У чому полягає актуальність знань?

• «Навчання відбувалось на близьких до реальних датасетів і завдання не були легкими, тож, на мою думку, вони цілком охоплювали можливі реальні завдання на сучасних роботах. Також відносно нова, але прогреснива мова R, яка сьогодні нарощує свій вплив у цій галузі».

• «Методи, що були надані під час вивчення дисципліни, активно застосовуються в реальному світі».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «Система оцінювання відповідає РСО, оцінки у викладача було легко дізнатися, завжди швидко оновлювалися після захисту робіт».

• «Так».

Оцініть зручність РСО.

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Дуже сподобалась. Викладач доступно пояснює в приємному форматі. Ніяких зайвих завдань або зайвої мороки не було. Викладач завжди йде назустріч студентам і за потреби допомагає в реальному часі».

• «Задоволений, отримав від дисципліни те, на що напрацював».

Оцінка вражень від проходження курсу.

• Середня оцінка: 9.

Порада наступним поколінням.

• «Якби мені дали можливість переобрати дисципліну, я б ще раз обрав саме цю. До цього напрям Data Science не був цікавим, але під час вивчення дисципліна змусила змінити свою думку».

• «Відвідуйте лекції, активно питайте порад щодо робіт».

Відгук викладачу.

• «Дуже лояльний, приємний викладач, який знає свою справу. Завжди відповідає швидко та дає чіткі настанови / підказки, на захисті не валить, але й не халявить, оцінює справедливо. Можливо, найкращий викладач на моїй пам'яті за весь час в ІПСА».

• «Було б непогано мати більш повноцінні гайди до практикумів».

Мови та технології штучного інтелекту (Тимощук О. Л.)

Про що дисципліна, які теми охоплює?

• «Вивчалась мова Prolog і наприкінці були функціональні мови».

• «Логічні та функціональні мови програмування».

• «Концепції та методи математичної логіки; теорію формальних мов та граматик; теорію математичних основ лямбда-числення; функціональний підхід до програмування; зв’язок формальної логіки та логічного програмування; синтаксис і семантику мов програмування Prolog та LISP; загальні правила роботи із сучасним стандартним програмним забезпеченням».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Базове програмування».

• «Можливо, трошки дискретки або матлогіки, але і без цього впораєтесь».

• «Ніяких».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 5,33.

У чому полягає актуальність знань?

• «Не дуже актуальні знання, але для загального розвитку не буде зайвим».

• «Найактуальнішою була перша лаба, де треба було заставити LLM написати код і проаналізувати його. Усе інше абсолютно застаріло».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «5 лаб: 3 мовою Prolog, 1 мовою Python і 1 функціональною мовою на вибір. Також давалося 2 проєкта, де треба було реалізувати якусь з логічних задач на вибір мовами Python + на власний вибір».

• «5 кп, останні по-моєму були опціональні — прості задачки мовою Prolog. Кожен кп робився за 2 години. + 2 лаби в командах — перша написати код за допомогою ChatGPT, Gemini, Claude, etc. Друга — те саме, але вже писати - «самому» мовою Prolog».

• «5 лабок самостійних і 2 групові».

Оцініть зручність РСО.

• Середня оцінка: 9.

Які загальні враження від дисципліни?

• «Викладачка дуже приємна, слухати було не важко й іноді цікаво. Сам предмет закрити дуже легко, лаби невеликі та якщо притримуватись дедлайнів, то запитань до вас не буде».

• «Таке, ЗЗЗ — загуглив, здав, забув».

• «Хороша викладачка, неважкі лабораторні, доволі цікаво слухати».

Оцінка вражень від проходження курсу.

• Середня оцінка: 7,66.

Порада наступним поколінням.

• «Закрити неважко, але знань тут не шукайте».

Мережі Байєса в системах підтримки прийняття рішень (Терентьєв О. М.)

Про що дисципліна, які теми охоплює?

• «Топологія мережі Байєса, ймовірнісний висновок мережі Байєса, ймовірності станів вершин мережі Байєса, інстаційовані вершини МБ; поняття й обчислення значення взаємної інформації, функції ОМД (MDL), побудова МБ на основі даних метрик».

• «Мережі Байєса, їхні класифікація, побудова ймовірнісного висновку. Застосування мереж Байєса в системах підтримки прийняття рішень, їхня побудова та навчання».

• «Дисципліна охоплює мережі Байєса та їхні застосування в системах підтримки прийняття рішень».

• «Жодного разу не була на парі».

• «Про моделювання причинно-наслідкових зв’язків між подіями й обчислення ймовірності за наявності нової інформації».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Розуміння поняття ациклічних орієнтованих графів, формули Байєса з теорії ймовірностей, впевнене володіння однією з мов програмування для написання коду».

• «Курс не вимагає глибоких теоретичних знань з якогось предмету. Однак без вміння розуміти математичні формули та програмувати на середньому рівні будь-якою мовою буде важко».

• «Для того, щоб здавати лаби, достатньо базових знань з теорії ймовірностей, щоб краще орієнтуватися, а також навичок програмування, бо виконання лаби — це написання компʼютерної програми, яка виконує завдання».

• «Пунктуальність і вміння писати есе».

• «Теорія ймовірностей, дискретка, трошки програмування C++ / Python».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 6,2.

У чому полягає актуальність знань?

• «Мережі Байєса до сьогодні використовують у медицині, банківській справі, як простішу альтернативу більш складним алгоритмам / системам. Також вони можуть бути впроваджені як підсистема більш складної системи».

• «Загальний огляд ІАДу та використання ШІ. Теми для написання есе в кінці семестру є досить цікавими, в мене, наприклад, була система агентного штучного інтелекту на основі мережі Байєса.
  4/14 занять були присвячені намаганням Олександра Миколайовича знайти стажера в компанію, у якій він працює. Для цього він давав тестове завдання, яке по суті сам і розв'язував протягом пар, і за умови його виконання з'являлася можливість працевлаштуватися. Займаються вони передбаченням курсу акцій на фондовому ринку, проганяючи через великі мовні моделі купу політичних й економічних новин. Було не цікаво, тому не вслуховувався сильно».

• «Не скажу».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «Оцінка складається з 4 лабораторних робіт (70 балів загалом), заключного тесту (20 балів) і балів за відвідування (10 балів). Усе відповідає РСО. За дуже тривалі запізнення (місяць+) максимальний бал знижується. Є змога здавати роботу кілька разів із урахуванням зауважень».

• «4 лабораторні, бали за присутність і залікова контрольна.
  Перші 3 лабораторні про алгоритми обчислення ймовірнісних висновків за мережею й інстанційованими вершинами, робота з ПЗ Netica (не актуальне, але не вимагає заглиблення), навчання структури мережі Байєса на наборі даних і порівняння отриманої структури з еталоном. Четверта — есе на 1 з наданих тем, хоча можна запропонувати свою, головне, щоб були присутні мережі Байєса. Як каже Олександр Миколайович, такою лабораторною він намагається підготувати до написання дипломної роботи, тому основні запитання в нього саме до оформлення. Усі строки чітко прописані в РСО, здача після дедлайну можлива, але чим ближче до кінця семестру, тим прискіпливіший Олександр Миколайович. Залікова досить легка та повністю відповідає наданому матеріалу».

• «Оцінювання відбувалося за 3 лабами, есе та заліком. Лаби не потрібно захищати, якщо здаєш вчасно, що є плюсом для багатьох. Якщо пропустив дедлайн — потрібно в мудл до лаби прикріпити запис захисту. Вимоги до есе жорсткі (як до дипломної роботи, включно з перевіркою на антиплагіат та ШІ). Залік — у вигляді гугл форми. Проте викладач чітко дотримується домовлених на початку семестру правил».

• «Не дивилась РСО, здавайте вчасно лаби, заробляйте хороші бали та проблем не буде».

• «Була здача 4 лабораторних — 3 повноцінні і 1 - «мінідиплом» для розуміння, як писати диплом в майбутньому. Також можна було отримати по 1 балу за кожне відвідування пари (навіть якщо мовчиш). Лабораторні цікаві, але великі за обсягом. Якщо здаєш в дедлайн — захищати не треба. Якщо здаєш не в дд — треба було записувати відео, де пояснюєш хід роботи та здавати його разом з нею».

Оцініть зручність РСО.

• Середня оцінка: 9,2.

Які загальні враження від дисципліни?

• «Лабораторні роботи були доволі цікавими. Від викладача надаються файли з дуже докладними поясненнями понять, теорії, алгоритмів обчислень тощо. Заключний тест містить запитання, які не виходять за рамки матеріалів лабораторних і лекцій, тож не є важким. Викладач доволі поблажливо ставиться до прострочених дедлайнів, тож закрити предмет наприкінці семестру не є проблемою, але без відвідувань бал вище 80 не буде.

Наповнення курсу сподобалось, а от викладач таке. Перші 5 занять він просто займався рекрутингом до приватної компанії, у якій він працює, і не було жодної інформації в прив'язці до дисципліни. Також він доволі часто переходить на російську мову та манера спілкування є доволі пихатою. Насправді, кожна лабораторна робота може бути спокійно виконана без вказівок / коментарів викладача, тому просто виходить ситуація, що можна обійтися й без нього🤷‍♀️».

• «Загалом — позитивні. Досить легка для закриття та цікава дисципліна. Гідний вибір для цього освітнього компоненту».

• «Загалом непогано, але на любителя».

• «Закрити було легко, якщо здавати вчасно лаби».

• «Мені сподобалось і було не дуже складно. Сам предмет може спонукати писати диплом з використанням мереж Байєса».

Оцінка вражень від проходження курсу.

• Середня оцінка: 8,4.

Порада наступним поколінням.

• «Якщо не маєте жодних проблем з написанням робочого коду, формулою Байєса та графами, предмет вийде пізнавальним і цікавим. Доведеться потерпіти пихатого викладача, який вважає себе розумнішим за всіх, але матеріал лаб цікавий. Якщо зацікавить його вакансія, може й роботу знайдете».

• «Не беріть, якщо не плануєте вчити, тому що це буде дуже нудно, довго і з необхідністю записувати захист лаб). Та й перевірку на ШІ дуже важко пройти, тож міняйте - «а» кирилицею на - «а» латиною й буде вам щастя (освітній, можливо останній лайфхак не варто писати, я не знаю)».

• «Учітєсь».

• «Якщо відповідально ставитися до дедлайнів, то предмет закрити дуже легко без зайвих клопотів».

Відгук викладачу.

• «Наповнення лабораторних робіт пізнавальне та цікаве, дуже детально та структуровано складене. Але я була б вдячна за використання виключно державної мови під час занять».

• «Доволі душний тіп, але він одразу таким себе й показує — дотримується власних правил і дає можливість у їхніх рамках заробити гарні бали. Якийсь період у телеграм-чаті курсу кидав приколи, повʼязані з мережами Байєса (практичний кейс застосування тощо), що було цікаво глянути».

• «Викладач викликав приємні враження. Цікаво велося спілкування на парі. Оцінки були менші лише в тих, хто не був на парах, або здавали лабки не в дедлайн — в усіх інших предмет був закритий на 90+».

Освітній компонент 3

Розробка і тестування програм (Бендюг В. І.)

Про що дисципліна, які теми охоплює?

• «Методи, фреймворки розробки та тестування ПЗ (Agile, Scrum, Waterfall, etc)».

• «Розробку та тестування програм».

• «Тестування, тестування, знову тестування. Планування, чек-листи, їхні властивості тощо».

• «Загалом про те, як робити програми. Їхня архітектура загальна».

• «(З класруму)
  Результати навчання охоплюють:
  ознайомлення з принципами розробки ПЗ;
  ознайомлення з моделями розробки та життєвим циклом ПЗ;
  ознайомлення з моделями гнучкої розробки ПЗ;
  ознайомлення з принципами тестування ПЗ та класифікацією методів тестування;
  вміння формувати якісні вимоги до створення ПЗ та проводити тестування вимог;
  знання класифікацій тестування ПЗ та ознайомлення з техніками тестування;
  ознайомлення з чек-листами та тест-кейсами та принципами створення якісних чек-листів та тест-кейсів;
  вміння формувати звіти про дефекти та знання життєвого циклу дефекту ПЗ;
  ознайомлення з принципами планування та формування звітності при тестуванні ПЗ;
  ознайомлення з основами автоматизованого тестування».

• «Як би не було очевидно: - «Розробка і тестування програм» охоплює розробку і тестування програм, типу яким чином усе це краще організувати, як поділитися на команди, як часто потрібно зустрічатися, щоб слідкувати за розвитком проєкту».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Ніякі».

• «Володіння українською мовою та базова логіка».

• «Нічого, усе розповідається з нуля».

• «Базових знань про комп'ютер і програми вистачить».

• «Не потребує особливих навичок».

• «Ну думаю, що абсолютно ніякі, усе й так зрозуміло».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 7,83.

У чому полягає актуальність знань?

• «Така собі».

• «Розуміння розробки програм».

• «Корисно для планування роботи».

• «На заняттях розповідають тільки базові знання, якими і зараз користуються всі».

• «Ну все це можна застосувати в житті під час роботи у якійсь фірмі, що підтримує якусь методологію».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «Тести в гугл формах за лекціями. Доволі нудні лекції, де просто йде начитка матеріалу з презентації. Предмет закривається за 2 вечори за допомогою Gemini».

• «Вона норм, без проблем на 100 закрити, якщо вчити».

• «Так, ~20 робіт в гугл формах — і практики, і за лекціями, і мкр».

• «Пару нескладних контрольних, наскільки пам'ятаю».

• «Відповідає».

• «Так».

Оцініть зручність РСО.

• Середня оцінка: 9,33.

Які загальні враження від дисципліни?

• «Норм, якщо брати, аби просто закрити. Нормально щось вивчити можна більш ефективними методами».

• «Топчик, не складно».

• «Чіл, не складно».

• «Нічого не запам'ятав, але умовну користь має, якщо бажати знань, вони в тебе будуть, але якщо воно тобі не треба, то 100 отримати можна просто».

• «Зовсім неважка дисципліна. Викладач лояльний».

• «Гарна дисципліна, корисно, не важко».

Оцінка вражень від проходження курсу.

• Середня оцінка: 9,16.

Порада наступним поколінням.

• «Якщо хочете просто здати, закидуйте презентації його в Gemini та питання з гугл-форм. Доволі добре можна закрити предмет».

• «Кайфуйте від нього».

• «Просто робіть тестики і все норм буде».

• «Закривається легко, матеріал нескладний».

• «Обирайте предмет, було цікаво».

Відгук викладачу.

• «Міг би трошки більше постаратися над практичним застосуванням. Лекції гарні й інформативні, але нудні до смерті».

• «Дякую, було цікаво».

• «Файний».

• «Дякую за вашу роботу!»

• «Викладач знає предмет, все добре розповідає».

Теорія інформації і кодування (Коваленко А. Є.)

Про що предмет, що вивчалося?

• «Ви дізнаєтесь про ентропію інформації (не має нічого спільного з ентропією у фізиці, просто красиве слово) та теоретичний максимум стиснення даних. Також будуть розібрані та відпрацьовані на практиці (ручкою на папері) алгоритми стиснення даних (такі, як код Хаффмана)».

Які попередні знання необхідні?

• «Жодних попередніх знань не потрібно».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Знання актуальні, але марні, скоріше для власного розвитку, а не як повноцінна прикладна дисципліна».

Які загальні враження від дисципліни?

• «Лайтова дисципліна, легко забрати бали (це ж Коваленко, камон). Знання не те щоб важливі, але достатньо цікаві».

• «Достатньо цікаво, але актуальність даного матеріалу не є доцільною, якщо необхідно використовувати знання для пошуку роботи».

Прикладна статистика (Левенчук Л. Б.)

Про що дисципліна, які теми охоплює?

• «Фактично все, що вчили на матстаті повторювалось, але вже на практиці. Розглядали лінійну, нелінійну та множинну регресії».

• «1)Лінійна регресія
  2)Нелінійна парна регресія
  3)Множинна лінійна регресія».

• «Статистика».

• «Повторення-продовження математичної статистики. Лінійна регресія, математичне підґрунтя».

• «Трохи розповіла про регресію, але більшість лекцій була про перевірку гіпотез (те саме, що вже вчили на матстаті). Єдині цікаві лекції з новими темами це 3-річні записи від аспірантів, які розповіли про різні коефіцієнти, метрики тощо».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Теорія ймовірності та матстат, навички користуванням Excel».

• «Теорія ймовірностей, математична статистика».

• «Робота в Excel, теорія ймовірностей, математична статистика».

• «Матстат».

• «Теорія ймовірностей, математична статистика».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 9.

У чому полягає актуальність знань?

• «Гарно опануєте Excel і, можливо, ця дисципліна знадобиться аналітикам».

• «Розуміння, як працює та як побудувати лінійну регресію».

• «Перевірка гіпотез — річ корисна, але не треба це робити купу лекцій на подібних задачах. Лаби всі фактично на лінійну (квазілінійну) регресію, до якої треба порахувати кілька параметрів значення і походження яких ми, звісно, не вчили».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «3 лаби, доволі великі за обсягом, якщо самому робити, але нескладні. Якщо вписуєшся в дедлайн кожної лаби, то можна не писати кр».

• «Лабораторні роботи і в кінці контрольна для студентів, які недобрали балів».

• «3 лабки».

• «3 лабораторні, контрольна (якщо не вписався в усі дедлайни лабораторних)».

• «3 лабораторні (20, 30 і 40 балів). Якщо все здавали вчасно, то контрольна на 10 балів закривається автоматом. Лабораторні робите командою. 100 не ставить, чомусь 99».

Оцініть зручність РСО.

• Середня оцінка: 9,8.

Які загальні враження від дисципліни?

• «Позитивні, викладачку приємно слухати».

• «Приємні. Матеріал був цікавий».

• «Прекрасна дисципліна, однозначно - «так» для вибору».

• «Позитивні».

• «Легко, ненапряжно. Якщо вчили матстат, то користі небагато. Новий матеріал можна вмістити в 2 лекції».

Оцінка вражень від проходження курсу.

• Середня оцінка: 8,4.

Порада наступним поколінням.

• «Предмет хороший».

• «Написати лабораторні вчасно, щоб не писати контрольну».

Відгук викладачу.

• «Левенчук — молода викладачка, тому легко проводити комунікацію».

• «Не треба купа пар на перевірку гіпотез і лаби лише на регресію. Нудно і нецікаво. Хочеться більше тем, глибше розуміння».

Освітній компонент 4

Алгоритми робототехніки (Титаренко А. М.)

Про що дисципліна, які теми охоплює?

• «Пряма й інверсна кінематика, багато навчання з підкріпленням, контролери, глибоке навчання, Panorama Stitching, комп'ютерний зір».

• «Компʼютерний зір, вступ до програмної частини робототехніки».

• «Керування роботами, комп'ютерний зір, обробка сигналів. По суті робототехніка-flavored вступ до теорії керування і трошки CV».

• «Машинне навчання з точки зору робототехніки».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Python, лінал(!!!), матаналіз».

• «Бажання, усе можна довчити. Але якщо більш формально, то Python».

• «Ніяких, зручно знати Python і Jupyter Notebook».

• «Математичний аналіз, програмування».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 10.

У чому полягає актуальність знань?

• «Дуже комплексний курс, який охоплює багато тем пов’язаних з робототехнікою, база комп'ютерного зору, Deep та Reinforced learning».

• «Базові речі, багато, де застосовуються не лише в роботах».

• «Дає розуміння роботи деяких методів ML».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «Було 5 домашніх завдань та/або пет-проєкт (залежно від амбіцій ним можна було закрити або весь курс, або якісь лаби, або просто по приколу за додаткові бали). Дз комплексні, доволі важкі та цікаві.
  1 — реалізація прямої й інверсної кінематики для маніпулятора, треба буде малювати фігурки задані.
  1.5 — написати на numpy контролер(и) для дрона.
  2 — навчити модель комп'ютерного зору розрізняти різні об'єкти + друга частина — склеїти 2 зображення, які мають спільну частину.
  2.5 (опціонально було) — навчити модель комп'ютерного зору (Yolo) на довільному датасеті та щось цікаве з цим зробити.
  3 — реалізація фільтра Калмана та розробка системи відстеження кількох об'єктів».

• «Тут є проблеми, надто просто заробляти бали. Більшості таке подобається, але мені видається, що РСО має бути більш вибагливим і чітким».

• «Так».

• «Десь 5 домашніх завдань з різною кількістю балів. Повністю відповідає».

Оцініть зручність РСО.

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Дуже позитивні, викладач дуже цікаво розповідає, відкритий до запитань і поза академічних активностей, готовий був на вихідних допомагати з лабами, якщо виникали труднощі. Були відкриті лекції з neo cybernetica, багато додаткових матеріалів, де можна самому заглибитися в тему, що цікавить».

• «Промінь світла в дуже темному 3 курсі».

• «Зловив себе на думці, що десь так виглядають подібні курси в західних універах».

• «Лише позитивні».

Оцінка вражень від проходження курсу.

• Середня оцінка: 10.

Порада наступним поколінням.

• «Беріть, якщо готові витрачати тиждень на 1 дз, вони дійсно доволі великі за обсягом і не дуже прості».

• «Обирайте, не сумніваючись».

• «Курс нескладний, але цікавий. Домашні завдання — це програми на Python, у які треба вписати кілька рядків. При запуску графічно показують роботу алгоритму; можна гратись з параметрами».

• «Намагатися встигнути зробити всі ДЗ».

Відгук викладачу.

• «Лайк, один з найкращих».

• «Дякую, курс хороший. Але розгляньте можливість значного підвищення вимог до отримання балів».

• «Дякую за курс АР. Сподіваюсь застосувати ці знання в майбутньому».

Сучасні методи оптимізації (Шахновський А. М.)

(Відповідь викладача).

Що порадите додатково вивчити чи переглянути перед відвідуванням вашої дисципліни?

• «Для опанування дисципліни очікується від студентів знання основ з дисциплін «Математичний аналіз», «Лінійна алгебра», «Обчислювальна математика» та «Проектування та аналіз обчислювальних алгоритмів». Дуже важливо переглянути розділи про властивості функцій, ліміти, диференціювання та векторні операції, оскільки вони є важливими для розуміння роботи не тільки алгоритмів оптимізації, а й штучного інтелекту в цілому».

Кому порадите обрати цей предмет?

• «Я рекомендую цю дисципліну всім, хто планує присвятити свою кар'єру академічному дослідженню ШІ та оптимізації або кар'єру, пов'язану з розробкою та впровадженням ШІ-моделей у сучасні системи».

Які види роботи планується проводити?

• «Під час проходження курсу на практичних заняттях планується розглядати зі студентами застосування методів для розв'язання задач оптимізації, тренування ШІ тощо. Замість розв'язування задач з підручника з фікційними умовами задачі, студенти будуть вирішувати задачі на реальних даних і відповідно отримувати важливий досвід».

Які основні знання та навички можна набути після проходження курсу?

• «Після проходження курсу студент отримає практичні навички застосування сучасних методів на актуальних задачах».

Розкажіть про свій практичний досвід, пов'язаний із темою дисципліни.

• «Мій попередній досвід викладання дисципліни відсутній, проте на практиці я вже років застосовую навички з дисципліни для академічного дослідження та розробки ШІ-систем для впровадження в застосунки та бізнеси. Своїм найбільшим неакадемічним досягненням я хотів би виділити застосування запропонованого алгоритму для тренування моделі генеративної нейронної мережі в SMM-додатку. Ця модель мала state-of-the-art показники для створювання тексту на ринку до приходу OpenAI, Anthropic тощо».

Веб-орієнтована розробка програмного забезпечення (Гуськова В.Г.)

Про що дисципліна, які теми охоплює?

• «Вимоги до сайтів, Git, HTML, CSS, JavaScript. Було багато прикладів з реального життя».

• «Розробка концепції вебзастосунку. Верстка основної структури вебсторінки. Стилізація вебсторінки за допомогою CSS. Реалізація інтерактивності за допомогою JavaScript».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Базове програмування, а так можна і з 0 вивчити».

• «Знання HTML, CSS, Java».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 8.

У чому полягає актуальність знань?

• «Якщо хочете входити в frontend, то все було дуже змістовно. Також дозволялось обирати мови».

• «Для того, хто цікавиться веброзробкою, актуально».

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «4 лаби, де ви спочатку прописуєте вимоги, а тоді ви вже втілюєте ідею в життя. У кінці семестру контрольна».

• «Відповідає РСО. 4 лабораторні роботи. Потрібно обрати тему та реалізувати за нею повноцінний сайт. Можна працювати в командах. Був фінальний тест».

Оцініть зручність РСО.

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Викладачка хороша, надає актуальні знання».

• «Особисто для мене посереднє. З плюсів у аспіранта-практика захист не обов'язковий. Відвідування занять не обов'язкове».

Оцінка вражень від проходження курсу.

• Середня оцінка: 9.

Порада наступним поколінням.

• «Якщо цікава веброзробка, то буде корисне, але здебільшого самонавчання».

Відгук викладачу.

• «Лекторка Гуськова — приємна жінка, практик практик теж приємний».

6 семестр

Освітній компонент 5

Технології великих даних (Лесогорський К. С.)

(Відповідь викладача).

Що радите додатково вивчити чи особливо передивитись перед відвідуванням вашої дисципліни?

• «Курс націлений на студентів, які починають своє знайомство з великим даними, тому буде доступний більшості студентів без необхідності щось вивчати перед відвідуванням дисципліни.
  Однак, на користь стануть базові знання SQL / NoSQL баз даних (розуміння різниць у моделюванні даних, базовий SQL синтаксис) та базове знайомство з інструментами контейнеризації, такими як Docker, які будуть використовуватись в ході лабораторних робіт для розгортання необхідної інфраструктури».

Кому радите обрати цей предмет?

• «Цей предмет буде корисний студентам, які планують стикатись з великими даними у своїй повсякденній роботі, в першу чергу тим, хто зацікавлений у data engineering. Однак знання та навички стануть у нагоді і тим, хто планує присвятити свою професійну діяльність software engineering, data science або data analytics».

Які види роботи планується проводити?

• «Лекції; Лабораторні роботи; МКР / залік».

Які основні знання та навички можна набути після проходження курсу?

• «Метою курсу є надання базових теоретичних знань з:
  1.Базових принципів застосування та побудови пайплайнів обробки великих даних у організаціях;
  2.Особливостях моделювання представлення даних у big data, чим вони відрізняються від типових SQL / NoSQL даних у OLTP сценаріях;
  3.Особливості обробки великих даних та їх фізичного представлення у розподілених системах, відмінності від “класичного” представлення; Ці знання є універсальними і не привʼязаними до конкретних технологій.
  Теорія буде підкріплена практичними прикладами, здебільшого на основі однієї з найбільш поширених технологій великих даних - Apache Spark. В ході виконання лабораторних робіт, студенти навчаться:
  Інтегрувати дані з зовнішніх джерел у різних форматах та створювати Data Lake на основі Hive Metastore та HDFS;
  Реалізовувати на практиці різні моделі даних;
  Будувати інкрементальні пайплайни обробки даних, оркеструвати їх виконання із використанням засобів оркестрації (на кшталт Apache Airflow);
  Перетворювати, агрегувати та поєднувати (join) дані із використанням RDD та DataFrame API;
  Профілювати та оптимізувати запити».

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

• «Основним джерелом практичного досвіду повʼязаним з темою дисципліни є професійна діяльність, а саме — Staff Engineer у Lyft. Моя команда відповідає за market intelligence — збір, підготовку, агрегацію та збереження даних із подальшою інтеграцією з моделями машинного навчання для побудови наборів даних які використовуються аналітиками та інженерами для побудови автоматизованих систем прийняття рішень».

Вступ до загального штучного інтелекту (Осауленко В. М.)

(Відповідь викладача).

Що радите додатково вивчити чи особливо передивитися перед відвідуванням вашої дисципліни?

• «Раджу переглянути статтю.
  Написана провідними науковцями в області нейронауки та штучного інтелекту. «We must train a new generation of AI researchers who are equally at home in engineering / computational science and neuroscience. These researchers will chart fundamentally new directions in AI research by drawing on decades of progress in neuroscience.» Цей курс про це.
  Ось ця стаття може допомогти визначитися, чи варто вам йти на цей курс».

Кому радите обрати цей предмет?

• «Для тих, хто хоче зрозуміти, як працює людський інтелект, щоб використовувати це знання для створення нових алгоритмів ШІ».

Які види роботи планується проводити?

• «Ще не визначився остаточно. Буде теорія з практичними (математика + софт). Будуть симулятори. Можливо, буде робота на реальних системах (роботи, дрони…)».

Які основні знання та навички можна набути після проходження курсу?

• «Див п.1 + зрозумієте, що AGI ще буде не скоро і головне чому».

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

• «Працював у лабораторії роботехніки у Франції пів року над проєктом у сфері Brain Based devices. 3 місяці працював у коледжі в США, допомагав студентам у галузі computational neuroscience. Зараз активно працюю з дронами (різних типів, наземних, повітряних)».

Управління ІТ-проєктами (Тимощук О.Л.)

Про що предмет, що вивчалося?

• «Процес розробки проєкту від ідеї до презентації клієнту (не розробляємо, лише розглядаємо шлях)».

Які попередні знання необхідні?

• «Ніякі».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Досить актуально та цікаво для Project Manager, загалом для розуміння, як це відбувається в компаніях».

Розкажіть докладніше про РСО.

• «1 велика збірна декількох лаб приблизно на ±40 слайдів. Кожною лабою доповнюєш презентацію до кінцевого результату. Декілька лаб у групах з одногрупниками. Декілька контрольних протягом семестру».

Які загальні враження від дисципліни?

• «Хороший викладач, цікавий, актуальний предмет».

Освітній компонент 6

Технології візуалізації даних (Фегер А. П.)

(Дивіться Ф-каталог).

Етичні та екологічні аспекти штучного інтелекту (Комариста Б. М.)

(Відповідь викладача).

Що радите додатково вивчити чи особливо передивитись перед відвідуванням вашої дисципліни?

• «Нічого не раджу, курс новий, тому в процесі підготовки буду ще сама вивчати деякі матеріали».

Кому радите обрати цей предмет?

• «Дисципліна для загального розвитку, кому цікаво можна долучатись».

Які види роботи планується проводити?

• «Планую проводити лекції, практичні (семінари) заняття (доповіді, співдоповіді, презентації) та ел. звітування».

Які основні знання та навички можна набути після проходження курсу?

• «Навички:
• Етичний аналіз впливу ШІ на суспільство.
• Оцінка екологічних ризиків штучного інтелекту.
• Розуміння законодавства у сфері ШІ та захисту даних.
• Технічні рішення для етичного та екологічного ШІ.

Знання:

• Студенти отримають комплексні знання, що охоплюють етичні, екологічні, соціальні, правові та технічні аспекти використання ШІ.
• Етичні основи ШІ: відповідальність, справедливість, прозорість.
• Екологічний вплив ШІ: вуглецевий слід, енергоефективність, циркулярна економіка.
• Соціальні та правові аспекти: безпека, закони, права людини.
• Технічні принципи ШІ: алгоритмів роботи, пояснюваність, оптимізація».

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

• «Щодо досвіду: пройшла курси для початківців області ШІ, читаю курс «Основи інженерії та технології сталого розвитку» магістрам усіх спеціальностей КПІ ім. Ігоря Сікорського близько 13 років. Тому дещо буду запозичувати з цього курсу та поєднувати з достатньо новим напрямом, який набирає обертів сьогодні — ШІ. Повторюю, курс новий, тому в процесі підготовки до нього буду намагатися знаходити щось нове, цікаве й актуальне на сьогодення».

Інтелектуальні системи підтримки прийняття рішень (Недашківська Н. І.)

Про що предмет, що вивчалося?

• «Загалом продовження ІАД».

Які попередні знання необхідні?

• «Бажано знати Python і вже трохи розумітися на різних модельках і нейронках, але загалом і без цього можна розібратися».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Дуже актуальні, особливо якщо надалі хочеш працювати в ML i Data Science».

Розкажіть докладніше про РСО.

• «За захист і лабораторну можна отримати по 7 балів, усього 5 робіт. Також 2 МКР на 15 балів кожна. Зручно, що захист може бути як усно на парі, так і письмово асинхронно».

Які загальні враження від дисципліни?

• «Цікавий, корисний предмет і чудова викладачка».

Освітній компонент 7

Еволюційні та ройові алгоритми оптимізації (Шаповал Н. В.)

(Відповідь викладача).

Що радите додатково вивчити чи особливо передивитися перед відвідуванням вашої дисципліни?

• «Немає необхідності. Буде корисно мати базові навички програмування на Python».

Кому радите обрати цей предмет?

• «Тим, хто хоче працювати з алгоритмами оптимізації, цікавиться еволюційними алгоритмами, swarm intelligence та AI-системами».

Які види роботи планується проводити?

• «Лабораторні роботи на реалізацію алгоритмів, що розглядаються (наявні готові бібліотеки), невеликі дослідницькі завдання».

Які основні знання та навички можна набути після проходження курсу?

• «Розуміти принципи еволюційних алгоритмів та swarm intelligence та моделювати поведінку груп агентів, використовувати CoppeliaSim для симуляції роїв».

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

• «У своїй науковій і викладацькій роботі я працюю з методами штучного інтелекту й оптимізації, зокрема з еволюційними та ройовими алгоритмами».

Багатовимірний статистичний аналіз (Джигирей І. М.)

Про що дисципліна, які теми охоплює?

• «Методи моделювання залежностей, зниження розмірності та автоматичної класифікації даних через регресійний, факторний, кластерний, дискримінантний аналіз та метод головних компонент».

Які попередні знання та навички є необхідними для комфортного проходження курсу?

• «Достатньо розуміти базову статистику, все інше можна вивчити в процесі».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 10.

Розкажіть про складові системи оцінювання. Чи відповідає вона офіційній РСО?

• «В основу оцінювання входили контрольні роботи в Moodle (у вигляді тестів), і виконання лабораторних робіт. Все оцінювання відповідало РСО».

Оцініть зручність РСО.

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Дуже сподобалося, викладачка дуже хороша, усе детально пояснює».

Оцінка вражень від проходження курсу.

• Середня оцінка: 10.

Порада наступним поколінням.

• «Чудовий предмет, хоч і лаби потрібно виконувати в доволі застарілій програмі, але самі лабораторні нескладні, і можуть бути корисними в майбутньому».

Відгук викладачу

• «Один із найкращих викладачів в ІПСА!»

Нейронні мережі (Данилов В. Я.)

Про що предмет, що вивчалося?

• «Основні типи нейронних мереж і принцип їхньої роботи, коротко кажучи — базові речі)».

• «Про нейронні мережі. Охоплює теми від простого персептрона до генеративно-змагальних нм».

Які попередні знання необхідні?

• «Матан (важливо), трохи лінал і чисельні методи (опціонально)».

• «Програмування на пайтоні».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 8.

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Досить актуально для вступу в галузь, щоб поглиблювати ці знання в майбутньому. Хоча іноді може бути нуднувато, через старший вік викладача».

• «Це база для подальшого вивчення нейронних мереж і роботи в цій сфері».

Розкажіть докладніше про РСО.

• «Здається, 5 лаб. Викладач досить лояльний, тому думаю, що закрити не дуже складно».

• «5 лаб, залік автоматом».

Оцініть зручність РСО.

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Оскільки ще в процесі вивчення, то на поточний момент — досить непогані, не шкодую, що вибрав».

• «Корисно для подальшого життя програмісту».

Оцінка вражень від проходження курсу.

• Середня оцінка: 8.

Вільний мікрофон.

• «Викладач не міг розібратися з поштами студентів, щоб надіслати відповідальному матеріали (підручники й лаби), тому завдання ми чекали близько місяця. Проте це просто мінус, як вже раніше було сказано, він лояльний і в шию не гонить (хоча це не привід затримувати здачу ваших лаб)».

Порада наступним поколінням.

• «Викладачі дуже м'яко оцінюють. Навіть якщо нічого не розумієш, поставлять нормальний бал».

Освітній компонент 8

Python для аналізу даних та Data Science (Кот А.Т.)

(Дивіться Ф-каталог).

Прикладна робототехніка та автономна навігація (Соболь О.О.)

Про що предмет, що вивчалося?

• «Робототехніка. Принципи роботи різних роботів і механізмів, програмування роботів».

• «Предмет про роботів й автономну навігацію, тут пояснювати не треба. Мем у тому, що всі лабораторні — це просто ROS, сидите щось собі робите... Під кінець була цікава лаба, але лише під кінець. Ну і ще одна була на Python з OpenCV, але її можна було за 5 секунд зробити».

• «Вивчалося?! Назвати це вивченням предмета не можна ні на якому етапі, це або копіпаста, або таке ж зазубрювання. Іншими словами, знання з робототехніки не просто мінімальні: вони майже відсутні. Хоча предмет позиціонує себе як напрям фізики, викладачка сама не дуже її знає. Так, може взяти формулу й підставити в неї значення, отримати відповідь, але не відповісти на мінімальне запитання про явну незбіжність у лекціях».

• «Предмет дає загальні знання з робототехніки: як механічної реалізації роботів, їхніх можливих елементів і складових, так і відповідної симуляції в спеціалізованих програмах. Вивчалися програмні рішення, що використовуються в роботах сьогодні: алгоритми пошуку, навігації, комп'ютерного зору тощо. Бонусом іде невеликий гайд-включення у віртуальні машини та трохи історії робототехніки загалом».

Які попередні знання необхідні?

• «Знань не потрібно, але потрібні міцні нерви, тому що викладачка — це капець просто. Вона вас виведе із себе після першої здачі».

• «Попередніх знань необхідно НУЛЬ, знову ж таки з причини тотальної копіпасти, можна просто відключити мозок і використовувати ctrl-c + ctrl-v. Іноді завдання урізноманітнюються іншим чудовим заняттям: переписування коду зі скрінів».

• «Попередніх знань загалом предмет не потребує, але легше буде з початковими знаннями Python та ОС Linux. Надалі всі необхідні матеріали або надаються викладачем, або легко знаходяться в загальному доступі».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Знання однозначно актуальні, навіть якщо не плануєш пов'язувати своє подальше життя з робототехнікою. Усе одно буде корисно і цікаво, а плани можуть змінитися, поки вчишся».

• «Може, й актуальні. Я звідки знаю, я що, у цій сфері працюю... Напевно, актуальні».

• «Знання можливо й актуальні, якби їх адекватно й структуровано викладали, і прибрали з дисципліни всю воду. Викладачка дала все та не дала нічого, впевнений, що через декілька місяців зовсім усе забуду».

• «Актуальність теоретичних знань, у цілому, непогана, особливо в темах останніх презентацій, де нам розповідали про способи автономної навігації й алгоритми пошуку. Що стосується практичних — слабо, загалом ти просто повторюєш те, що викладачка вже робила за написаним нею гайдом. І 95% зусиль іде на боротьбу з ROS й іншими програмами, що необхідні для курсу (у кожного з моїх одногрупників були різні проблеми, які доводилося вирішувати колективно. Повірте, це, дійсно, найскладніше серед того, що стосується практичних робіт)».

Розкажіть докладніше про РСО.

• «РСО було неоднозначне, часто змінювались умови. У результаті було 3 модулі, кожен по 33 бали. У кожному модулі був тест на платформі, яка запобігає списуванню + захист теорії та лабораторної роботи + дз (1-2 бали). У кінці семестру залік, де можна підвищити бал (або понизити). Залік проходить сам на сам із викладачкою повністю за пройденим матеріалом. Запитання на заліку за складністю залежать від оцінки, яку маєте в кінці семестру».

• «РСО було надане однією картинкою і дійсності воно не відповідало на 100%. Річ у тому, що викладачка постійно змінювала правила заліків за окремі модулі та для різних студентів. Для студентів конкретно з моєї групи якийсь час взагалі розповсюджувались окремі правила через те, що один з моїх одногрупників порушив принципи академічної доброчесності (так, покарали всю групу, але не всіх студентів курсу)».

Які загальні враження від дисципліни?

• «Насправді крута дисципліна з компетентною викладачкою. З мінусів — викладачка часто переносила здачі й було неповне розуміння щодо балів, аж в кінці захищали 2 і 3 модулі разом. Просто тут точно не буде: треба буде вчити матеріал і розбиратися в лабораторних. Інструкція є, але треба реально розуміти що ти робиш на кожному кроці, щоб потім захистити. Валити тут не будуть, повна об'єктивність».

• «Від предмета не стільки було вражень, як від викладачки. Бо викладачка — це справжній мем. Вона непогана, якщо ви любите сидіти 200 разів це все робити, і ви дуже старанний студент. Якщо ви шалапай, який любить відкладати все на потім, то пом'янемо: це точно не про цю викладачку».

• «Враження від предмета залишилися двоякими, з одного боку, ти витрачаєш силу-силенну часу на підготовку до захисту практичних робіт і теорії. І нібито мав би отримати із цього купу знань, але у сухому залишку немає нічого. По суті за семестр ви отримуєте настільки розмиті й неповні знання, що по відчуттях усі корисні знання з курсу можна було б отримати за вечір перегляду відео на ютубі. Уточнюю про корисні знання, бо викладачка на захистах питала найбільш неважливі речі, які вона, з якогось переляку, сама додала в лекції, і, судячи з усього, щоб це не було марним, опитувала».

• «Інцидент зі списуванням одного з моїх одногрупників показує найбільшу проблему цієї дисципліни: непостійність, що виражається в правилах здачі модулів, постійних перенесеннях захистів (особливо під кінець семестру), нерівномірності викладення матеріалів (деякі лекції в записі були, деяких не було; до деяких практичних були дуже деталізовані гайди, до деяких — поверхневі або з такою кількістю помилок, що доводилося шукати самостійно). Ще з негативного можу відмітити те, що викладачка може ігнорувати приватні повідомлення (звичайно ж ті, що написані в робочий час), не відповідати в загальній групі й таке інше. Резюмуючи все написане, загальна думка про предмет така: непогані теоретичні знання поєднані, хоч і з простими, але в деяких моментах дійсно цікавими практичними, а також із викладачкою, що дуже серйозно ставиться до предмета, але абсолютно безвідповідально й із деякою неповагою ставиться до студентів, яким цей курс викладає. Якщо ви не зацікавлені в робототехніці початково й просто шукаєте предмет, яким хочете зайняти слот, не раджу для цього обирати цю дисципліну. Але якщо вас дійсно зацікавив предмет — беріть. Нічого надскладного вам на ньому точно не трапиться».

Технології розробки програмного забезпечення (Гуськова В. Г.)

(Дивіться Ф-каталог).