Застосування методів машинного навчання у навчанні моделювання майбутніх учителів хімії
Електронна бібліотека НАПН України
Переглянути архів Інформація| Поле | Співвідношення | |
| Relation |
http://lib.iitta.gov.ua/712747/
http://elibrary.kdpu.edu.ua/xmlui/handle/123456789/2645 |
|
| Title |
Застосування методів машинного навчання у навчанні моделювання майбутніх учителів хімії
Application of machine learning methods in teaching simulation of future chemistry teachers |
|
| Creator |
Семеріков, С.О.
|
|
| Subject |
004.93 Pattern information processing
004.94 Simulation 378 Higher education. Universities. Academic study 54 Chemistry. |
|
| Description |
Починаючи з 2018-2019 н. р., для магістрантів з додатковою спеціальністю «Інформатика» уведено навчальну дисципліну «Чисельні методи та моделювання», спрямованої на формування у студентів системи теоретичних знань з основ апарату чисельних методів і практичних навичок їх використання для розробки та дослідження математичних моделей. Одним із провідних завдань дисципліни є надання комплексу знань, необхідних для розуміння проблем, які виникають під час побудови та при використанні сучасних інтелектуальних систем, та ознайомлення студентів з основними принципами нейромережевого моделювання: – загальними характеристиками біологічних та штучних нейронів; – штучною нейронною мережею Хебба, класичним та модифікованими перцептронами; – видами функцій активації, що набули поширення в штучних нейронних мережах; – технологією проектування одношарових та багатошарових штучних нейронних мереж; – алгоритмами навчання нейронних мереж. Вказані питання в останні десятиріччя розглядаються у межах машинного навчання (Machine Learning) – розділу штучного інтелекту, що розглядає методи побудови алгоритмів та на їх основі програм, здатних «навчатися» шляхом подання емпіричних даних (прецедентів або спостережень), в яких виявляються закономірності, та на їх основі будуються моделі, що надають можливість у подальшому прогнозувати певні характеристики для нових об’єктів. На жаль, класичний (і найбільш популярний у світі) курс машинного навчання Е. Ина (Andrew Ng), розміщений на платформі Coursera, зорієнтований насамперед на студентів-початковців інформатичних спеціальностей – це надає можливість пропонувати його для самостійного опрацювання, але не розв’язує основну проблему: надання змістовних моделей, що відображають специфіку основної спеціальності – хімія. Starting from 2018-2019, the discipline "Numerical Methods and Modeling" was introduced for graduate students with the additional specialty "Informatics", aimed at forming the system of theoretical knowledge on the fundamentals of the numerical methods and practical skills of the students for the development and research of mathematical models. One of the main tasks of the discipline is to provide a set of knowledge necessary to understand the problems that arise during the construction and use of modern intelligent systems and to familiarize students with the basic principles of neural network modeling: - general characteristics of biological and artificial neurons; - Hebb's artificial neural network, classical and modified perceptron; - types of activation functions that have become distributed in artificial neural networks; - technology of designing single-layer and multi-layered artificial neural networks; - algorithms for learning neural networks. These issues have been addressed in the last decades within the framework of Machine Learning - a section of artificial intelligence that considers methods for constructing algorithms and programs based on them that can "learn" by presenting empirical data (precedents or observations) in which patterns are revealed, and on the basis of which models are being constructed, which enable to further predict certain characteristics for new objects. Unfortunately, the classical (and the most popular in the world) machine learning course of Andrew Ng, located on Coursera, focused primarily on the freshmens in computer science - it gives the opportunity to offer it for self-study, but does not solve the main problem: the provision of content models that reflect the specifics of the main specialty - chemistry. |
|
| Publisher |
КДПУ
|
|
| Date |
2018
|
|
| Type |
Book Section
PeerReviewed |
|
| Format |
text
|
|
| Language |
uk
|
|
| Identifier |
http://lib.iitta.gov.ua/712747/1/mlchem_cc_published.pdf
- Семеріков, С.О. (orcid.org/0000-0003-0789-0272 <http://orcid.org/0000-0003-0789-0272>) (2018) Application of machine learning methods in teaching simulation of future chemistry teachers In: Технології навчання хімії у школі та ЗВО : збірник тез доповідей Всеукраїнської науково-практичної Інтернет-конференції КДПУ, м. Кривий Ріг, Україна, pp. 10-19. |
|