У статті зібрано відгуки про вибіркові дисципліни катедри ШІ на 4 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 або викладачка вперше викладатиме дану дисципліну, тому ми звернулися до нього / неї з проханням розповісти про плани.

Стаття містить статистику 2023-2024 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 та курсів ви можете знайти за цими посиланнями:

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

---

7 семестр

Освітній компонент 9

Генеративні моделі в штучному інтелекті (Синєглазов В.М.)

(Відповідь викладача.)

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

• «Необхідно знати основні поняття про штучні нейронні мережі, зокрема згорткові нейронні мережі. Додатково доцільно прочитати, що таке віртуальна реальність».

Кому радите цей предмет?

• «Тим, хто збирається працювати за своїм фахом».

Які види роботи плануєте проводити?

• «Лекції й лабораторні».

Які основні знання та навички можна набути після проходження курсу?

• «Уміння створювати навчальні вибірки при навчанні згорткових нейронних мереж, налаштування систем віртуальної та доповненої реальності».

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

• «Штучним інтелектом займаюсь більш як 15 років, маю близько 300 наукових робіт у галузі ШІ. Маю посаду наукового керівника аспірантів та докторантів, керівником проєктів зі штучного інтелекту».

Розпізнавання образів (Гаврилович М.П)

(Дивіться Ф-каталог.)

Хмарні технології та сервіси (Письменний І.О.)

(Дивіться Ф-каталог.)

Освітній компонент 10

Основи комп'ютерного зору (Шаповал Н.В.)

Про що предмет, що вивчалося?

• «Задачі сегментації, класифікації зображень і детекції об'єктів. Велика кількість різних моделей та бібліотек».

Які попередні знання необхідні?

• «Базовий пайтон».

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

• «Використання засобів ШІ для аналізу зображень».

Розкажіть докладніше про РСО.

• «Лабораторні, контрольна й тести, усе докупи 100 балів. І ще додаткові завдання».

Які загальні враження від дисципліни?

• «Дуже цікава дисципліна, хоча й доволі важка й заплутана».

• «Викладачка справила негативне враження».

Вільний мікрофон.

• «Викладачка справила негативне враження».

Аналіз часових рядів (Гуськова В.В.)

Про що предмет, що вивчалося?

• «Не була на лекціях (хоча чула, що там гарна лекторка, яка і матеріал зрозуміло розповідала, і приклади показувала), а лаби були присвячені основам роботи з часовими рядами — їх основним поняттям та основним методам їх обробки».

Які попередні знання необхідні?

• «Непогано мати базу теорії ймовірності та статистики (хоча б розуміти, що таке середнє, дисперсія і тд)».

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

• «На курсі дається база з часових рядів, які часто виникають при вирішенні задач ML».

Розкажіть докладніше про РСО.

• «Було 4 лабораторні, одну з яких можна було замінити курсом на кеглі / курсері / тд (лектор надала такий курс). Лабораторні виконувалися бригадами по 4 людини через досить значний обсяг завдань (він тільки виглядав таким, у нашій бригаді одна людина протоколи писала, бо їй роботи не знайшлося). 2-4 треба було виконувати у спеціальній програмі (хоча здається була можливість робити на пайтоні), яка спокійнісінько піратиться, також завдання супроводжувались усією необхідною теорією (навіть забагато, інколи це заплутувало) та туторіалами по роботі в цій програмі, хоча інформація вже була трохи застарілою. Захисти відбувались у повному складі бригади, зазвичай хтось розказував про роботу і результати, а потім кожному задавали 1-2 теоретичних запитання».

• «В кінці курсу давалася контрольна робота на тиждень (тому її можна було спокійно написати за допомогою ші)».

Які загальні враження від дисципліни?

• «Курс, який можна і швидко без проблем закрити на 60, і при бажанні походити на лекції і гарно вивчити предмет, якщо це в майбутньому потрібно».

Конфліктно-керовані системи (Канцедал Г.О.)

Про що предмет, що вивчалося?

• «Повтор ММП з 3 курсу».

Які попередні знання необхідні?

• «Python».

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

• «Ви це все мали б уже й так знати».

Розкажіть докладніше про РСО.

• «Лаби, можна курси».

Які загальні враження від дисципліни?

• «Чіл».

Вільний мікрофон.

• «Викладач обіцяв взятися за предмет, тому у вас уже буде щось цікавіше».

Освітній компонент 11

Інструменти генеративного штучного інтелекту для підвищення ефективності розробки (Єфремова А.А.)

(Дивіться Ф-каталог.)

Штучний інтелект для IoT та цифрових двійників (Гаврилович М.П.)

(Дивіться Ф-каталог)

Основи моделювання складних мереж (Данилов В.Я.)

Про що предмет, що вивчалося?

• «Нейронні мережі».

Які попередні знання необхідні?

• «Гарне запитання».

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

• «Більшість матеріалу не особливо актуальна».

Розкажіть докладніше про РСО.

• «Тільки лаби, їхня кількість стала відома після середини семестру, але здати достатньо легко, у висновку було 5, проте й за 4 ставив 80+».

Які загальні враження від дисципліни?

• «Здав-забув».

Вільний мікрофон.

• «Викладач унікальний. Зв'язок із ним був через «старосту» дисципліни серед студентів або по телефону. Постійні переноси / відміни пар, любить помучити лекціями на захисті, але в цілому добрий».

8 семестр

Освітній компонент 12

Навчання з підкріпленням (Касьянов П.О.)

Про що предмет, що вивчалося?

• «Про складову сучасного машинного навчання та штучного інтелекту».

• «Вивчаються різні методи такого навчання, теоретичні основи тощо».

• «Згідно з назвою RL».

Які попередні знання необхідні?

• «Бажано проходити «Теорію випадкових процесів» А.Б. Ільєнка, адже вибіркова базується на детально розібраних там ланцюгах Маркова. Також базове вміння програмувати, машинне навчання, нейронні мережі (якщо проходили курси Недашківської, має бути ок)».

Розкажи про актуальність отриманих знань.

• «Базова теорія від Касьянова поєднується з сучасною практикою від аспіранта, що працював у Ring і був стажистом Google, Андрія Титаренка».

Розкажи про РСО.

• «5 лабораторних на 20 балів кожна. При цьому лабораторні складаються з декількох частин, кожна з яких вартує 20 балів. Таким чином, отримати високі бали дуже просто. Альтернативно можна пройти онлайн-курси й отримати 60-100 балів залежно від обраного курсу. І також можна робити певні доповіді, за що отримувати бали».

• «Домашні завдання / пару курсів / якийсь власний проєкт. Дали багато різних можливостей на вибір, навіть записали жартівливу відеоінструкцію як зробити домашку за допомогою ChatGPT))».

• «Курси на Coursera (100 балів), лабораторні роботи (також до 100 балів) або командний проєкт (до 85 балів). Види робіт можна об'єднувати».

Які загальні враження від дисципліни?

• «Цікавий предмет. Якщо хочеш щось вивчити, можна слухати лекції та робити лаби, щось запитувати у викладачів. А можна просто надіслати 2 сертифікати з курсери й отримати 100 балів)».

• «Дають багато різних матеріалів, рекомендацій, на лекціях розписують мат базу. Для тих, кому цікаво, будуть що робити, а для, тих кому нецікаво, є прості можливості закриття».

• «Все чудово, дуже якісно, не надто напряжно. Добре організовано. Андрій Титаренко дуже цікава і приємна людина. Павло Олегович теж приємний для спілкування, тільки трохи нуднуватий (затягує те, що можна було б і не затягувати)».

Методи бінарної класифікації (Купенко О.П.)

(Дивіться Ф-каталог.)

Системний аналіз предметної галузі із використанням текстової аналітики (Савастьянов В.В.)

Про що предмет, що вивчалося?

• «Назва дисципліни цілком відповідає матеріалу, що розглядався. Розповідалося про особливості постановки задачі для аналізу (визначення предметної галузі), способи збору текстів в межах обраної галузі, використання текстової аналітики для обробки текстового корпусу; специфіку сентимент-аналізу (визначення емоційної оцінки у текстах); використання мовних моделей (на прикладі ChatGPT) для дослідження специфічних предметних областей (приклад з лекцій: тема волонтерської діяльності в умовах війни)».

• «Текстова аналітика, різні її області (наприклад сентимент аналіз)».

• «Аналіз текстів, пошук ключових слів, класифікація текстів і т.д.».

Які попередні знання необхідні?

• «Досвід роботи з Python може бути корисним, але не є обов'язковим».

• «Особливо непотрібні, бажано мати уявлення про сферу Data Mining загалом.

• «Мати уявлення, що таке машинне навчання, нейромережі. Якихось глибоких знань не треба».

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

• «Викладач цікаво розповідає матеріал і підкріплює його сучасними прикладами (працюємо з ChatGPT). Також розповідає про проблеми сфери, що теж актуально».

• «Взагалі розглянуті теми цікаві й актуальні. Але викладаються так собі».

Розкажіть докладніше про РСО.

• «Один проєкт — дослідження текстів (новин) з обраної тематики. Він був розбитий на чотири лабораторні (базова постановка задачі; збір текстового корпусу; уточнення і побудова класифікатора; класифікація текстів і їх аналіз; по завершенню — презентація отриманих результатів). Можна було робити в групах по удвох-утрьох або самому. Кілька опитувальних форм за матеріалами лекцій — на додаткові бали. Була запропонована можливість закрити предмет за допомогою курсу з coursera — після проходження й подальшого діалогу з викладачем можна було отримати ~70 балів».

• «Лабораторні, також є опитування-тести за лекціями. Їх можна закрити курсами, але лише підтвердивши знання матеріалів».

• «Зробити проєкт, що складається з 3-х лаб. Й іноді опитування в гугл формах. Але як такого РСО оголошено не було (тут можу помилятися)».

Які загальні враження від дисципліни?

• «Загалом враження позитивні. Матеріали з лекцій часто доповнювалися детальними прикладами (як абстрактними, так і практичними). Багато уваги приділялося взаємодії з ChatGPT і поясненню того, чому саме модель дає певні відповіді, як їх можна покращити. Було цікаво слухати «антилекції», де розказувалося про різні проблеми текстової аналітики, «наївні» методи їх подолання, і чому ці методи не варто застосовувати. Проєкт (лаби) теж був досить інформативним».

• «Викладач компетентний, вміє зацікавити дисципліною. Матеріал актуальний і цікавий».

• «Ніякі. Більше негативні, ніж позитивні. Викладач пояснює дуже загальні речі. Все поверхово без заглиблення у матеріал. Льє багато води. Приділив аж надто багато зайвої уваги цьому ChatGPT. Штука безумовно крута, але не настільки, щоб протриндіти про неї дві лекції й дати лабу. Але як людина викладач доволі приємний».

Освітній компонент 13

Основи обробки природної мови (Шаповал Н.В.)

Про що предмет, що вивчалося?

• «Задачі машинного перекладу, класифікація іменованих сутностей».

• «Одна з основних тем ШІ — NLP. Різні моделі, техніки».

Які попередні знання необхідні?

• «Базовий пайтон».

• «Python, основа ші».

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

• «Максимально актуальні».

• «Рекурентні нейронні мережі».

Розкажіть докладніше про РСО.

• «Лабораторні роботи, контрольна, тести, все разом — 100 балів».

• «5 лаб, тести, кр».

Які загальні враження від дисципліни?

• «Цікаві теми, приємний викладач».

• «Все подобається, Шаповал завжди дає гарну базу Ш».

Прикладні задачі геопросторового аналізу з використанням методів штучного інтелекту (Гапон С.В.)

(Дивіться Ф-каталог.)

Використання штучного інтелекту для проривних інновацій і стратегічного впливу (Тимошенко Ю.О.)

(Відповідь викладача.)

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

• «Що можна порадити? Кожний день приносить нові новини, щодо розвитку ШІ та його впливу на ті чи інші сторони нашого буття. Вважаю, що знайомство з цими розробками має стати не обов'язком, а потребою життя студента незалежно від обраної спеціальності. Книжки англійською мовою ви читати не будете, але порадив би хоча б передивлятися певні відео або інтерв'ю по цій тематиці з YouTube, яких зараз є дуже багато».

Кому радите обрати цей предмет?

• «Всім тим студентам, які хочуть чогось досягнути в своєму житті. Без ШІ тут вже нічого не вдієш і свою кар'єру не побудуєш. Тому навіть на другій освіті в ІПСА ми такі знання даємо вже дорослим людям».

Які види роботи планується проводити?

• «Поки у найближчі роки ця дисципліна планується викладатись головним чином через студентські семінарські заняття та лекції викладача».

Які основні знання та навички можна набути після проходження курсу?

• «Після завершення курсу «Використання штучного інтелекту в інноваціях і суспільстві» студенти отримають базові знання про концепції AI та їх застосування. Вони розвинуть навички критичного мислення щодо впливу ШІ на суспільство, зрозуміють етичні міркування та навчаться використовувати інструменти ШІ для інноваційних рішень. Крім того, студенти отримають уявлення про практичні приклади з реального світу, підвищуючи свою здатність аналізувати та вирішувати суспільні проблеми за допомогою технологій. Критичне мислення відіграє життєво важливу роль в оцінюванні технологічних досягнень, оскільки дозволяє студентам об’єктивно аналізувати інформацію, ставити під сумнів припущення та розглядати ширші наслідки нових технологій. Це дозволяє оцінити переваги та недоліки інновацій, сприяючи прийняттю обґрунтованих рішень. Завдяки критичному мисленню можна оцінити етичний, соціальний та економічний вплив технологій, виявити потенційні упередження та розробити всебічну точку зору. Ця навичка необхідна для орієнтування в складнощах швидких технологічних змін і забезпечення позитивного внеску прогресу в суспільство».

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

• «Мій досвід спирається вже на 20 - річний досвід праці у цьому напрямку, в першу чергу, яка пов'язана з Healthcare. Розробив зі своїм учнем - випускником ІПСА певну ІТ технологію, яка спирається на ШІ і разом з ним в цьому напрямку успішно захистили PhD дисертацію у 2019р. По досягнутим результатах були учасниками на міжнародних конференціях у Європі, з цією розробкою у 2019 р. були запрошені в КНР. Маємо відповідні міжнародні публікації. Зараз працюю над патентом по цій технології. Вже другий випускник ІПСА у 2024р. мною підключився до подібних розробок з ШІ і у 2025 планує вступити до мене до аспірантури ІПСА. Такі поточні справи».

Освітній компонент 14

Основи розуміння природної мови та мультимодальні системи на базі штучного інтелекту (Гаврилович М.П)

(Відповідь викладача).

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

• «Курс потребує базового знання програмування(бажано мовою Python). А також основи побудови моделей за допомогою машинного навчання та інтелектуального аналізу даних».

Кому радите цей предмет?

• «Цей предмет бути корисним студентам які розглядають можливість подальшого професійного розвитку в професіях таких як: Data Scientist, Machine Learning Engineer, Software Engineer».

Які види роботи плануєте проводити?

• «Лекції, практичні заняття такі як: побудова демонстраційних застосунків, виконання особистих проєктів».

Які основні знання та навички можна набути після проходження курсу?

• «Ознайомитися з сучасним станом справ в сфері моделей штучного інтелекту. Навчитися застосовувати ці моделі для побудови життєздатних застосунків для вирішення конкретних бізнес задач».

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

• «Більше ніж 7 років комерційного досвіду в 4 продуктових компаніях на позиціях Data Scientists та Machine Learning Engineer».

Прикладні технології штучного інтелекту та машинного навчання для БпЛА (Кот А.Т.)

Розкажіть докладніше про РСО.

• «Автоматом ставить 80, про якісь практичні роботи досі нічого не сказав, тільки лекції читає».

Які загальні враження від дисципліни?

• «Викладач прикольний, шарить тему і влаштовує цікаві лекції, наприклад, інтервʼю у оператора БПЛА.».

Прийняття рішень в умовах конфліктів (Зайченко Ю.П.)

Про що предмет, що вивчалося?

• «Продовження обов'язкової «Теорії прийняття рішень». Вивчаються прийняття рішень у теорії ігор та їхнє застосування в економіці».

Які попередні знання необхідні?

• « «Теорія прийняття рішень». Саму теорію ігор знати не треба, лектор усе розповість».

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

• «Не можу сказати, наскільки вони актуальні. Не певен, що ця сфера сильно змінюється і застосування цим знанням для мене не знаходяться».

Розкажіть докладніше про РСО.

• «Тяжко… Три чи чотири контрольних роботи по 5-10 балів кожна. На тему КР ще існує ДЗ для трьох добровольців з групи, яке вони показують на практиці. Там також можна отримати стільки ж балів, скільки й за КР. Потім це все домножується, щоб максимум бал був десь 85. Ще можна піти на іспит-залік, поговорити з Зайченком на обрану тему й доотримати бали».

Які загальні враження від дисципліни?

• «Не знаю, навіщо воно треба. Зайченка слухати тяжко, хоча він старається та система навчання досить непогана. Відпочивати сильно не доводиться, але розуміння матеріалів практик достатньо, щоб писати КР і отримати свій автомат».