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/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 3 курс
• ММСА 3 курс
• ММСА 4 курс
• СП 3 курс
• СП 4 курс

---

7 семестр

Освітній компонент 9

Хмарні технології та сервіси (Письменний І. О.)

Про що дисципліна, які теми охоплює?

• «Хмарна інфраструктура + System Design».

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

• «Знання будь-якої мови програмування, базові знання розробки бекенд систем».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 10.

В чому полягає актуальність знань?

• «У тому, що викладаються теми, які будуть корисними для будь-кого, хто планує в подальшому працювати у сфері інформаційних технологій, допомагає розвинути архітектурне мислення та зрозуміти, як працюють системи з великим навантаженням».

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

• «Лаби + МКР, відповідає».

Оцініть зручність РСО

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Виключно позитивні».

Оцінка вражень від проходження курсу

• Середня оцінка: 10.

Порада наступним поколінням

• «Обирайте цю дисципліну, іншу не обирайте».

Відгук викладачу

• «10/10».

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 Python».

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 доволі важка та заплутана».

Вільний мікрофон.

• «Викладачка справила негативне враження».

Інтелектуальна обробка спектрально-просторових даних у аерокосмічних застосуваннях (Лесогорський К. С.)

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

• «Для успішного опанування матеріалів курсу бажаним є: Базові навички роботи з мовою програмування Python; Знайомство з бібліотеками numpy, pandas, TensorFlow / Pytorch».

Кому радите обрати цей предмет?

• «Цей предмет є спеціалізованим, і буде корисний студентам, які зацікавлені в обробці спектрально-просторових задач, особливо з супутників та БПЛА. В межах курсу будуть розглянуті як типові методи обробки растрових (зображень) та векторних даних, так і найсучасніші підходи інтелектуальної обробки із застосуванням глибокого навчання. Курс буде особливо корисним тим, хто планує в подальшому проводити дослідницьку діяльність за цим напрямком».

Які види роботи планується проводити?

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

Які основні знання та навички можна набути після проходження курсу?

• «У ході проходження курсу будуть отримані такі теоретичні навички: Фундаментальні знання щодо принципів збору та представлення інформації з супутників, БпЛА та інших літальних апаратів. Вибір задачі (класифікація / сегментація / детекція) та метрик оцінки ефективності при інтелектуальному аналізі спектрально-просторових даних. Теоретичні засади методів штучного інтелекту для обробки спектрально-просторових даних. Також будуть набуті такі практичні навички: Обробка індивідуальних зображень, формування ортофотоплану із використанням OpenDroneMap. Обробка та візуалізація спектрально-просторових зображень із використанням бібліотек numpy, pandas та їх інтеграція до GIS. Програмна імплементація та навчання сучасних моделей штучного інтелекту на основі методів глибинного навчання для обробки спектрально-просторових даних на основі фреймворків PyTorch та TensorFlow».

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

• «Основний досвід за темою дисципліни повʼязаний з виконанням досліджень в межах моєї дисертаційної роботи, метою якої є обробка растрових спектрально-просторових даних для підвищення ефективності процесу гуманітарного розмінування».

Освітній компонент 10

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

Про що предмет, що вивчалося?

• «Поняття інтернету речей, цифрових двійників і систем давачів».

Які попередні знання необхідні?

• «Аналіз часових рядів не був би зайвим, якщо можете знайти інформацію раніше предмету на 4 курсі))».

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

• «Ну, гарне питання, але якщо працюватимете із системами давачів і оброблятимете якісь сигнали (наприклад, робитимeте прогноз температури в системі), то досить актуально. Або якщо ж працюватимете з брокерами типу протоколу MQTT як Eclipse Mosquitto.

Розкажіть докладніше про РСО.

• «Три лаби, не надто складні, робляться за вечір-два».

Які загальні враження від дисципліни?

• «Цікаво, викладачка розбирається гарно і добре пояснює, але часом враження, що чогось не вистачає».

Вільний мікрофон.

• «Ненапряжний предмет. Бали можна отримати за курси теж, на захисті можна не надто нудно поспілкуватись про предмет.».

Розпізнавання образів (Коломоєць С. О.)

Про що предмет, що вивчалося?

• «База computer vision».

Які попередні знання необхідні?

• «Лінал, матан, нейромережі, АСД/АП».

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

• «Ну, як вступ в CV то норм, але можна і цікавіше, сухувато, не вистачає куража».

Розкажіть докладніше про РСО.

• «Шість простих лаб, які закриваються за тиждень».

Які загальні враження від дисципліни?

• «Закрити просто, якщо не хочете напрягатись. Викладач хороший, тому можна брати. Але як якийсь буст до знань…не сказав би. Лише в разі того, якщо не брали Нейромережі чи ІАД всі минулі рази».

Вільний мікрофон.

• «Все вже сказано вище)».

Аналіз часових рядів (Гуськова В. Г.)

Про що дисципліна, які теми охоплює?

• «Лекторка компетентна, на лекціях розповідалося досить широко про роботу з ЧР. Цікаво було ходити на лекції і слухати, перша пара в суботу це не по-людськи…».

• «Що таке часові ряди, тренд, сезонність, стаціонарність та як їх всіх визначати (ACF, PACF), алгоритми аналізу часових рядів (ARMA, ARIMA тощо)».

• «Аналіз часових рядів взагалі це обробка даних за певні часові проміжки. Визначення тренду, прогнозу, як оброблювати пропущені дані, визначати викиди і таке інше».

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

• «Теорія ймовірностей і МатСтат».

• «Базове розуміння Python».

• «Базові знання з методів оптимізації».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 10.

В чому полягає актуальність знань?

• «Вміти працювати з ЧР досить актуально, тому 9/10».

• «Багато даних є у вигляді часових рядів, тому корисно розуміти, як з ними працювати».

• «Завжди будуть намагатися заглядати у майбутнє і завжди будуть дані, які вимірюються в часі».

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

• «В кінці курсу давалася контрольна робота на тиждень».

• «Було десь 4-5 лаб, які робили командами, та 1-2 індивідуальних тести, РСО відповідає».

• «4 лаби + контрольна. Рсо відповідає. Одну лабу можна закрити курсерою».

Оцініть зручність РСО

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Нетяжкий предмет, який закрити на ізі можна. Особливо працюючи в команді. Якщо ж вчити, то навчитись теж можна)»

• «Дисципліна сподобалася, викладачка знає свій предмет та цікаво розповідає, лабораторні також цікаво було робити, хоча інколи вони не зовсім відповідали пройденому матеріалу».

• «Негативні, тому що настільки цікавий предмет довелося розбирати здебільшого самому через відсутність викладача тривалий час протягом семестру». Але так вона дуже цікава і здавати лаби, якщо Ви максимально розібралися, було легко».

Оцінка вражень від проходження курсу

• Середня оцінка: 6,5.

Порада наступним поколінням

• «Предмет цікавий, і знання будуть корисні». Але готуйтеся до самостійного вивчення. Це окупиться тим, що чим більше Ви розкажете по матеріалу на захисті лаби, тим менше питань (якщо вони взагалі виникнуть) і буде максимум балів (20)».

Освітній компонент 11

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 займаюся більше як 15 років, маю близько 300 наукових робіт у галузі ШІ. Маю посаду наукового керівника аспірантів та докторантів, керівника проєктів зі штучного інтелекту».

Основи моделювання складних мереж (Данилов В. Я.)

Про що дисципліна, які теми охоплює?

• «Про нейронні мережі (RNN, CNN тощо) та використання їх для розпізнавання обʼєктів на картинках/відео, роботи з текстом».

• «Тransformers (NLP), YOLO, Згорткові нейронні мережі. Класифікація зображень (CNN)».

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

• «Базові знання python».

• «Мова програмування, бажано, Python».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 9.

В чому полягає актуальність знань?

• «Нейронні мережі — корисний інструмент для роботи з даними, особливо якщо хочете працювати з картинками або текстами».

• «Та загалом цікаво послухати як працюють нейронки, камери з розпізнаванням і тд».

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

• «РСО як такого не було, на початку семестру сказали, що буде десь 4–5 лаб., врешті їх було десь 3».

• «РСО трохи по ходу складалось і модифікувалось»

Оцініть зручність РСО

• Середня оцінка: 5.

Які загальні враження від дисципліни?

• «Загалом непогана дисципліна, але лекції часто скасовувалися. Лаби були досить цікаві, оцінювання лояльне, хоча до кінця семестру була невідома оцінка».

• «Загалом досить цікаво і не напряжно. Вели якісь аспіранти, які вони ж або з життя розказували або просто відносно актуально».

Оцінка вражень від проходження курсу

• Середня оцінка: 8.

Порада наступним поколінням

• «Якщо легко щось дізнатись цікаве, вайбкодити то це воно. Головне щоб попались аспіранти, хоча викладач також наче не страшний».

Прикладні ШІ-агенти та системи на основі великих мовних моделей (Рязановський К. Д.)

(Відповідь викладача).

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

• «Повторіть основи Python та спробуйте попрацювати з API OpenAI або Claude хоча б на базовому рівні. Корисно буде переглянути будь-який вступний курс з prompt engineering, наприклад безкоштовний від DeepLearning.AI».

Кому радите обрати цей предмет?

• «Тим, хто хоче почати розбиратися і почати використовувати агентів для роботи чи хобі».

Які види роботи планується проводити?

• «Практичні роботи по налаштуванню та будуванню агентних систем, пайплайнів, використання сучасних фреймворків».

Які основні знання та навички можна набути після проходження курсу?

• «Навчитесь проєктувати та будувати AI-агентів, які вміють працювати з даними, викликати API, запам'ятовувати контекст та співпрацювати в команді агентів. Зможете створювати як code-рішення, так і no-code автоматизації для бізнесу».

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

• «Активно використовую агентів та agentic engineering для роботи в сфері Data Engineering, Data Science. Оскільки це доволі нова і відкрита сфера, то намагаюсь тестувати і досліджувати різні підходи в своїй реальній роботі для оптимізації і продуктивності».

8 семестр

Освітній компонент 12

Навчання з підкріпленням (Касьянов П. О.)

Про що дисципліна, які теми охоплює?

• «Не знаю. 2 курси на курсері і 100 балів у кишені».

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

• «Шукати відповіді на курсеру».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 10.

В чому полягає актуальність знань?

• «Знань 0, але рейтинг викладачу псувати не буду».

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

• «2 курси на курсері. Це 100 балів. Лабораторні ніхто не робив, але ними також можна закрити».

Оцініть зручність РСО

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Вогонь🔥».

Оцінка вражень від проходження курсу

• Середня оцінка: 10.

Порада наступним поколінням

• «Беріть».

Відгук викладачу

• «Топ, рекомендасьйон».

Методи бінарної класифікації (Купенко О. П.)

(Дивіться Ф-каталог).

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

Про що дисципліна, які теми охоплює?

• «Про аналіз тексту: як це працює, які методи, все, що варто знати».

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

• «Вистачить Пайтона і чату GPT (буквально перші лаби — це промпти чату)».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 10.

В чому полягає актуальність знань?

• «Актуально всім, хто зацікавлений в аналізі тексту».

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

• «Для отримання балів потрібно виконати один великий проєкт з чотирьох частин і захистити. Всі інші лаби допомагають потренуватись до цього проєкту».

Оцініть зручність РСО

• Середня оцінка: 8.

Які загальні враження від дисципліни?

• «Це було цікаво і корисно, на практиках можна обговорювати де виникають проблеми і які є думки. Викладач не обмежує у виборі теми проєкту, а навіть НАГОЛОШУЄ що тема має бути цікава саме нам, і заохочує всі цікаві думки і ідеї».

Оцінка вражень від проходження курсу

• Середня оцінка: 10.

Порада наступним поколінням

• «Раджу не відкладати проєкт на останній день, бо виконувати довго, а для зарахування ще обов'язковий захист».

Відгук викладачу

• «Має великий досвід, надає багато корисної інформації. Насправді один з найкращих на факультеті».

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 ШІ».

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

(Дивіться Ф-каталог).

Інтелектуальні системи аналізу медичних зображень та комп'ютерної діагностики (Рязановський К. Д.)

(Відповідь викладача).

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

• «Освіжіть знання з нейронних мереж та згорткових архітектур, особливо базове розуміння CNN. Буде корисно переглянути, що таке сегментація зображень та метрики оцінки якості моделей».

Кому радите обрати цей предмет?

• «Тим, хто хоче працювати на перетині AI та медицини і створювати технології, що можуть дійсно мати вплив і допомагати людям. Підійде всім, кого цікавить computer vision з практичним застосуванням у healthcare».

Які види роботи планується проводити?

• «Працюватимемо з реальними медичними зображеннями: КТ, МРТ, рентген. Будемо обробляти DICOM-файли, навчати моделі сегментації U-Net та nnU-Net, оцінювати їх якість та інтерпретувати результати».

Які основні знання та навички можна набути після проходження курсу?

• «Навчитесь повному циклу роботи з медичними зображеннями: від сирих даних з томографа до навченої моделі та клінічної інтерпретації. Опануєте інструменти pydicom, SimpleITK та сучасні архітектури сегментації».

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

• «Моя дисертація присвячена гібридним методам сегментації медичних зображень при обмеженій розмітці. Маю досвід роботи з реальними клінічними даними (КТ, МРТ, УЗД і тд) у співробітництві з медичними закладами в Києві і Європі».

Освітній компонент 14

Мультимодальні системи на основі штучного інтелекту (Гаврилович М. П)

(Відповідь викладача).

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

• «Курс потребує базових знань 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.)

Про що дисципліна, які теми охоплює?

• «Дисципліна про все, що повʼязано із дронами: інженерну частину, взаємодію, керування, програмування».

• «БпЛА».

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

• «Знання Пайтону є бажаними, але взагалі — ніякі».

• «Нічого не треба».

Наскільки здобуті знання є актуальними та корисними?

• Середня оцінка: 10.

В чому полягає актуальність знань?

• «У часі, в якому ми живимо — війна».

• «Враховуючи сучасне становище України, то максимальне. Навіть якщо не цікавитеся цією сферою, то буде дуже корисно та захопливо».

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

• «Так. Викладач дуже лояльно ставиться до студентів і завжди готовий іти назустріч».

• «Мінімум 80 балів цього року. Оцінки викладачу не важливі, головне — знання. Наприкінці ми фактично самі себе оцінювали».

Оцініть зручність РСО

• Середня оцінка: 10.

Які загальні враження від дисципліни?

• «Лише позитивні, вартує того, щоб обрати».

• «Вогонь. Спілкування із оператором дронів на передовій пам'ятатимемо усім потоком».

Оцінка вражень від проходження курсу

• Середня оцінка: 10.

Порада наступним поколінням

• «100% беріть. Це чи не єдиний викладач, який дійсно вміє зацікавити. Принаймні оцінку високу отримаєте з легкістю».

Відгук викладачу

• «Найкращий. Просто найкращий. Побільше б таких. Хочеш щось знати — залюбки. Не хочеш — не проблема. Але із ним хочуть майже усі».

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».