Section outline

• Select section Штучний інтелект та гібридні мережі 👩‍💻

  Collapse Expand

  Штучний інтелект та гібридні мережі 👩‍💻

  Collapse all Expand all

  • Select activity 🚀 Ласкаво просимо на курс Штучний інтелект та гібр...

    🚀 Ласкаво просимо на курс Штучний інтелект та гібридні мережі 🚀
    

     

    🎯 Для кого цей курс?

    Цей курс ідеально підійде для здобувачів старших курсів, дослідників, розробників та аналітиків даних, які прагнуть поглибити свої знання у сфері штучного інтелекту, машинного навчання, особливо в області генеративних моделей та гібридних мереж.

     

    📚 Що вас чекає?

    • фундаментальне розуміння Data Science та AI.
    • поглиблене вивчення основ Machine Learning та Deep Learning.
    • детальний розгляд питань оптимізації та валідації моделей.
    • опанування передових методів у ML та DL.
    • дослідження генеративного штучного інтелекту.
    • практичне застосування генеративних моделей.
    • розробка та аналіз гібридних нейронних мереж.

     

    🔍 Ви дізнаєтеся:

    • Основи штучного інтелекту та його роль у сучасному світі.
    • Як збирати, обробляти, нормалізувати та візуалізувати дані для задач машинного навчання.
    • Як будувати, навчати, оптимізувати та валідувати моделі машинного та глибокого навчання.
    • Як застосовувати різні архітектури нейронних мереж (MLP, CNN, RNN, GAN, Transformer) для вирішення практичних задач.
    • Як використовувати генеративні моделі для створення тексту, зображень та інших типів даних.
    • Як розробляти гібридні нейронні мережі, що поєднують найкращі риси різних підходів.
    • Як оцінювати ефективність та етичність застосування AI-систем у різних сферах.

     
  • Select activity Спеціальність Семестр Лекцій Лаб. Практ. Самост. П...

    Спеціальність	Семестр	Лекцій	Лаб.	Практ.	Самост.	Підсумк. контроль	Індивідуальне завдання
    122 | Комп'ютерні науки	1	30 годин	30 годин	-	105 годин	екзамен	Курсова робота

  • Select activity Викладачі

    Викладачі:
    д.т.н., професор, завідувач кафедри ІТ Гончаренко Тетяна Андріївна, 
    асистент кафедри ІТ Долгополов Сергій Юрійович

  • Select activity Робоча програма 2025-2026

    

    Робоча програма 2025-2026 File
  • Select activity Робоча програма 2024-2025

    

    Робоча програма 2024-2025 File
  • Select activity Силабус 2024-2025

    

    Силабус 2024-2025 File
  • Select activity Конспект лекцій

    

    Конспект лекцій File
  • Select activity Перелік питань до контролю

    

    Перелік питань до контролю File
  • Select activity Форум новин

    

    Форум новин Forum
  • Select activity Приклад екзаменаційного бланку

    

    Приклад екзаменаційного бланку File
  • Select activity Методичні вказівки до виконання курсової роботи

    

    Методичні вказівки до виконання курсової роботи File
  • Select activity Методичні вказівки до виконання лабораторних робіт

    

    Методичні вказівки до виконання лабораторних робіт File
• Select section 📚 МОДУЛЬ 1. ОСНОВИ DATA SCIENCE ТА ARTIFICIAL INTELLIGENCE

  Collapse Expand

  📚 МОДУЛЬ 1. ОСНОВИ DATA SCIENCE ТА ARTIFICIAL INTELLIGENCE

  • Select activity 📘 Тема 1. Вступ в курс лекцій «Штучний інтелект та гібридні мережі»

    📘 Тема 1. Вступ в курс лекцій «Штучний інтелект та гібридні мережі»

  • Select activity Вступ в курс лекцій "Штучний інтелект та гібридні мережі" [📺 Презентація]

    

    Вступ в курс лекцій "Штучний інтелект та гібридні мережі" [📺 Презентація] File
  • Select activity Лабораторна робота № 1. Інтегрований аналіз даних в Data Science: практичне застосування та візуалізація

    

    Лабораторна робота № 1. Інтегрований аналіз даних в Data Science: практичне застосування та візуалізація File
  • Select activity Лабораторна робота № 1 [Google Colab🔗]

    

    Лабораторна робота № 1 [Google Colab🔗] URL
  • Select activity 📗 Тема 2. Data Science та підготовка даних

    📗 Тема 2. Data Science та підготовка даних

  • Select activity Data Science та підготовка даних [📺 Презентація]

    

    Data Science та підготовка даних [📺 Презентація] File
  • Select activity Лабораторна робота № 2. Аналіз та візуалізація великих наборів даних

    

    Лабораторна робота № 2. Аналіз та візуалізація великих наборів даних File
  • Select activity Лабораторна робота № 2 [Google Colab🔗]

    

    Лабораторна робота № 2 [Google Colab🔗] URL
  • Select activity Перевірка secret key

    

    Перевірка secret key URL
  • Select activity 📙 Тема 3. Основи Machine Learning та Deep Learning

    📙 Тема 3. Основи Machine Learning та Deep Learning

  • Select activity Основи Machine Learning та Deep Learning [📺 Презентація]

    

    Основи Machine Learning та Deep Learning [📺 Презентація] File
  • Select activity Лабораторна робота № 3. Використання Label Studio для анотації, класифікація та детекція об’єктів на зображеннях з використанням ResNet та Yolo

    

    Лабораторна робота № 3. Використання Label Studio для анотації, класифікація та детекція об’єктів на зображеннях з використанням ResNet та Yolo File
  • Select activity Лабораторна робота № 3 [Google Colab🔗]

    

    Лабораторна робота № 3 [Google Colab🔗] URL
• Select section 📚 МОДУЛЬ 2. ПІДГОТОВКА ТА ОПТИМІЗАЦІЯ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ

  Collapse Expand

  📚 МОДУЛЬ 2. ПІДГОТОВКА ТА ОПТИМІЗАЦІЯ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ

  • Select activity 📘 Тема 4. Архітектура та проєктування нейронних мереж

    📘 Тема 4. Архітектура та проєктування нейронних мереж

  • Select activity Архітектура та проєктування нейронних мереж [📺 Презентація]

    

    Архітектура та проєктування нейронних мереж [📺 Презентація] File
  • Select activity Лабораторна робота № 4. Оптимізація нейронних мереж: дослідження функцій активації та стратегій оптимізації

    

    Лабораторна робота № 4. Оптимізація нейронних мереж: дослідження функцій активації та стратегій оптимізації File
  • Select activity Лабораторна робота № 4 [Google Colab🔗]

    

    Лабораторна робота № 4 [Google Colab🔗] URL
  • Select activity 📗 Тема 5. Оптимізація та налаштування моделей

    📗 Тема 5. Оптимізація та налаштування моделей

  • Select activity Оптимізація та налаштування моделей [📺 Презентація]

    

    Оптимізація та налаштування моделей [📺 Презентація] File
  • Select activity Лабораторна робота № 5. Дослідження методів регресії: Linear Regression, Polynomial Regression, Ridge Regression та Lasso Regression

    

    Лабораторна робота № 5. Дослідження методів регресії: Linear Regression, Polynomial Regression, Ridge Regression та Lasso Regression File
  • Select activity Лабораторна робота № 5 [Google Colab🔗]

    

    Лабораторна робота № 5 [Google Colab🔗] URL
  • Select activity 📙 Тема 6. Навчання та валідація моделей

    📙 Тема 6. Навчання та валідація моделей

  • Select activity Навчання та валідація моделей [📺 Презентація]

    

    Навчання та валідація моделей [📺 Презентація] File
  • Select activity Лабораторна робота № 6. Дослідження методів класифікації: K-NN, Naive Bayes, SVM, Decision Trees, Logistic Regression

    

    Лабораторна робота № 6. Дослідження методів класифікації: K-NN, Naive Bayes, SVM, Decision Trees, Logistic Regression File
  • Select activity Лабораторна робота № 6 [Google Colab🔗]

    

    Лабораторна робота № 6 [Google Colab🔗] URL
• Select section 📚 МОДУЛЬ 3. ПЕРЕДОВІ МЕТОДИ У MACHINE LEARNING ТА DEEP LEARNING

  Collapse Expand

  📚 МОДУЛЬ 3. ПЕРЕДОВІ МЕТОДИ У MACHINE LEARNING ТА DEEP LEARNING

  • Select activity 📘 Тема 7. Machine Learning з вчителем. Регресія та класифікація

    📘 Тема 7. Machine Learning з вчителем. Регресія та класифікація

  • Select activity Machine Learning з вчителем. Регресія та класифікація [📺 Презентація]

    

    Machine Learning з вчителем. Регресія та класифікація [📺 Презентація] File
  • Select activity Лабораторна робота № 7. Дослідження методів кластеризації: K-Means, DBSCAN, Mean-Shift, Agglomerative Clustering, Fuzzy C-Means

    

    Лабораторна робота № 7. Дослідження методів кластеризації: K-Means, DBSCAN, Mean-Shift, Agglomerative Clustering, Fuzzy C-Means File
  • Select activity Лабораторна робота № 7 [Google Colab🔗]

    

    Лабораторна робота № 7 [Google Colab🔗] URL
  • Select activity 📗 Тема 8. Machine Learning без вчителя. Кластеризація та асоціація

    📗 Тема 8. Machine Learning без вчителя. Кластеризація та асоціація

  • Select activity Machine Learning без вчителя. Кластеризація та асоціація [📺 Презентація]

    

    Machine Learning без вчителя. Кластеризація та асоціація [📺 Презентація] File
  • Select activity Лабораторна робота № 8. Дослідження алгоритмів асоціативних правил: Apriori, FP-Growth

    

    Лабораторна робота № 8. Дослідження алгоритмів асоціативних правил: Apriori, FP-Growth File
  • Select activity Лабораторна робота № 8 [Google Colab🔗]

    

    Лабораторна робота № 8 [Google Colab🔗] URL
  • Select activity 📙 Тема 9. Спеціалізовані методи Machine Learning. Узагальнення. Ансамблеві методи. Reinforcement Learning

    📙 Тема 9. Спеціалізовані методи Machine Learning. Узагальнення. Ансамблеві методи. Reinforcement Learning

  • Select activity Спеціалізовані методи Machine Learning. Узагальнення. Ансамблеві методи. Reinforcement Learning [📺 Презентація]

    

    Спеціалізовані методи Machine Learning. Узагальнення. Ансамблеві методи. Reinforcement Learning [📺 Презентація] File
  • Select activity Лабораторна робота № 9. Дослідження методів узагальнення: LDA, SVD (LSA), PCA, t-SNE та ансамблевих методів: Random Forest, XGBoost, LightGBM, CatBoost, AdaBoost

    

    Лабораторна робота № 9. Дослідження методів узагальнення: LDA, SVD (LSA), PCA, t-SNE та ансамблевих методів: Random Forest, XGBoost, LightGBM, CatBoost, AdaBoost File
  • Select activity Лабораторна робота № 9 [Google Colab🔗]

    

    Лабораторна робота № 9 [Google Colab🔗] URL
• Select section 📚 МОДУЛЬ 4. ГЕНЕРАТИВНИЙ ШТУЧНИЙ ІНТЕЛЕКТ

  Collapse Expand

  📚 МОДУЛЬ 4. ГЕНЕРАТИВНИЙ ШТУЧНИЙ ІНТЕЛЕКТ

  • Select activity 📘 Тема 10. Введення в генеративні моделі. Класифікація та основні концепції

    📘 Тема 10. Введення в генеративні моделі. Класифікація та основні концепції

  • Select activity Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]

    

    Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація] File
  • Select activity Лабораторна робота № 10. Моделювання нейронної мережі. Розв’язання класичної задачі «Титанік»

    

    Лабораторна робота № 10. Моделювання нейронної мережі. Розв’язання класичної задачі «Титанік» File
  • Select activity Лабораторна робота № 10 [Google Colab🔗]

    

    Лабораторна робота № 10 [Google Colab🔗] URL
  • Select activity 📗 Тема 11. Генеративні змагальні нейронні мережі (GANs): принцип роботи, архітектури, застосування.

    📗 Тема 11. Генеративні змагальні нейронні мережі (GANs): принцип роботи, архітектури, застосування.

  • Select activity Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]

    

    Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація] File
  • Select activity Лабораторна робота № 11. Моделювання нейронної мережі. Класифікація текстів з використанням RNN

    

    Лабораторна робота № 11. Моделювання нейронної мережі. Класифікація текстів з використанням RNN File
  • Select activity Лабораторна робота № 11 [Google Colab🔗]

    

    Лабораторна робота № 11 [Google Colab🔗] URL
  • Select activity 📙 Тема 12. Поліпшені архітектури GANs: Conditional GANs, CycleGAN, StyleGAN

    📙 Тема 12. Поліпшені архітектури GANs: Conditional GANs, CycleGAN, StyleGAN

  • Select activity Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]

    

    Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація] File
  • Select activity Лабораторна робота № 12. Побудова та оптимізація нейронних мереж для класифікації зображень

    

    Лабораторна робота № 12. Побудова та оптимізація нейронних мереж для класифікації зображень File
  • Select activity Лабораторна робота № 12 [Google Colab🔗]

    

    Лабораторна робота № 12 [Google Colab🔗] URL
• Select section 📚 МОДУЛЬ 5. ГІБРИДНІ МЕРЕЖІ ТА ПРАКТИЧНІ ЗАСТОСУВАННЯ ГЕНЕРАТИВНОГО ШТУЧНОГО ІНТЕЛЕКТУ

  Collapse Expand

  📚 МОДУЛЬ 5. ГІБРИДНІ МЕРЕЖІ ТА ПРАКТИЧНІ ЗАСТОСУВАННЯ ГЕНЕРАТИВНОГО ШТУЧНОГО ІНТЕЛЕКТУ

  • Select activity 📘 Тема 13. Генеративні моделі для обробки тексту: GPT, BERT, трансформери

    📘 Тема 13. Генеративні моделі для обробки тексту: GPT, BERT, трансформери

  • Select activity Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]

    

    Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація] File
  • Select activity Лабораторна робота № 13. Використання генеративних змагальних нейронних мереж (GANs) для створення зображень

    

    Лабораторна робота № 13. Використання генеративних змагальних нейронних мереж (GANs) для створення зображень File
  • Select activity Лабораторна робота № 13 [Google Colab🔗]

    

    Лабораторна робота № 13 [Google Colab🔗] URL
  • Select activity 📗 Тема 14. Генеративні моделі для обробки зображень: DeepDream, нейронні стилізації

    📗 Тема 14. Генеративні моделі для обробки зображень: DeepDream, нейронні стилізації

  • Select activity Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]

    

    Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація] File
  • Select activity Лабораторна робота № 14. Практичне застосування reinforcement learning у симуляціях

    

    Лабораторна робота № 14. Практичне застосування reinforcement learning у симуляціях File
  • Select activity Лабораторна робота № 14 [GitHub 👾]

    

    Лабораторна робота № 14 [GitHub 👾] URL
  • Select activity 📙 Тема 15. Гібридні нейронні мережі: інтеграція класичних і сучасних методів

    📙 Тема 15. Гібридні нейронні мережі: інтеграція класичних і сучасних методів

  • Select activity Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]

    

    Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація] File
  • Select activity Лабораторна робота № 15. Дослідження та застосування мультимодальних моделей для аналізу та генерації візуально-текстового контенту

    

    Лабораторна робота № 15. Дослідження та застосування мультимодальних моделей для аналізу та генерації візуально-текстового контенту File
  • Select activity Лабораторна робота № 15 [Google Colab🔗]

    

    Лабораторна робота № 15 [Google Colab🔗] URL
• Select section New

  Collapse Expand

  New

  • Select activity Дослідження платформи Hugging Face

    

    Дослідження платформи Hugging Face File
  • Select activity HuggingFace

    

    HuggingFace URL
  • Select activity Розробка автономного AI-агента з довготривалою пам'яттю на базі smolagents

    

    Розробка автономного AI-агента з довготривалою пам'яттю на базі smolagents File
  • Select activity AI-Agent smolagents [GitHub 👾]

    

    AI-Agent smolagents [GitHub 👾] URL
  • Select activity Дослідження екосистеми llamahub та створення AI-агента на базі llamaindex

    

    Дослідження екосистеми llamahub та створення AI-агента на базі llamaindex File
  • Select activity AI-Agent llamaindex [GitHub 👾]

    

    AI-Agent llamaindex [GitHub 👾] URL
  • Select activity Розробка та розширення функціональності AI-агента з використанням langchain та langgraph

    

    Розробка та розширення функціональності AI-агента з використанням langchain та langgraph File
  • Select activity AI-Agent langchain&langgraph [GitHub 👾]

    

    AI-Agent langchain&langgraph [GitHub 👾] URL
• Select section 📚 РЕКОМЕНДОВАНА ЛІТЕРАТУРА 📚

  Collapse Expand

  📚 РЕКОМЕНДОВАНА ЛІТЕРАТУРА 📚

  • Select activity Базова: 📘 Кононова К. Ю. "Машинне навчання: методи...

    Базова:

    📘 Кононова К. Ю. "Машинне навчання: методи та моделі". Харків: ХНУ імені В. Н. Каразіна, 2020.
    📗 Gallatin, K. & Albon, C. "Machine Learning with Python Cookbook". O’Reilly Media, 2023.

    📙 Howard, J., & Gugger, S. "Deep Learning for Coders with fastai & PyTorch". O’Reilly Media, 2020.
    📘 Huyen, C. "Designing Machine Learning Systems". O’Reilly Media, 2022.
    📗 Lakshmanan, V., Görner, M., & Gillard, R. "Practical Machine Learning for Computer Vision". 2021.
    📙 Moroney, L. "AI and Machine Learning for Coders". O’Reilly Media, 2021.

     

    Допоміжна:

    📘 Булгакова О.С., Зосімов В.В., Поздєєв В.О. "Методи та системи штучного інтелекту: теорія та практика". Одеса: ОЛДІ-ПЛЮС, 2020.
    📗 Гавриленко С.Ю., Челак В.В. "Машинне навчання. Лабораторний практикум". Х.: НТУ «ХПІ», 2022.
    📙 Методи та системи штучного інтелекту: навч. посіб. Мелітополь, 2019.
    📘 Субботін С.О. "Нейронні мережі". Запоріжжя: ЗНТУ, 2014.
    📗 Тимощук П.В. "Штучні нейронні мережі". Львів: Видавництво Львівської Політехніки, 2011.
    📙 Федорін І. В. "Методи та технології обчислювального інтелекту: Практикум". Київ: КПІ ім. Ігоря Сікорського, 2022.
    📘 Шаповал Н. В. "Методи та системи штучного інтелекту. Комп’ютерний практикум". Київ: КПІ ім. І. Сікорського, 2022.
    📗 Charu C. Aggarwal "Neural Networks and Deep Learning". Springer, 2023.
    📙 Dulani Meedeniya "Deep Learning". CRC Press, 2023.
    📘 Foster, D. "Generative Deep Learning". O’Reilly Media, 2023.
    📗 Hapke, H., & Nerlson, C. "Building Machine Learning Pipelines". O’Reilly Media, 2020.
    📙 Machine Learning and Its Application to Reacting Flows. Springer, 2023.
    📘 Zgurovsky M. Z., Zaychenko Y. P. "The Fundamentals of Computational Intelligence: System Approach". Springer, 2016.

    📗 Hapke, H., & Nerlson, C. "Building Machine Learning Pipelines". O’Reilly Media, 2020.
    📙 Machine Learning and Its Application to Reacting Flows. Springer, 2023.
    📘 Zgurovsky M. Z., Zaychenko Y. P. "The Fundamentals of Computational Intelligence: System Approach". Springer, 2016.
    📗 Dolhopolov, S., Honcharenko, T., Sachenko, I., & Gergi, D. (2024). Enhancing Urban Planning with LoRa and GANs: A Project Management Perspective. International Workshop IT Project Management.
    📙 Dolhopolov, S., Honcharenko, T., Savenko, V., Balina, O., Bezklubenko, I., & Liashchenko, T. (2023). Construction Site Modeling Objects Using Artificial Intelligence and BIM Technology: A Multi-Stage Approach. 2023 IEEE International Conference on Smart Information Systems and Technologies (SIST), 174-179.
    📘 Dolhopolov, S., Honcharenko, T., Fedusenko, O., Khrolenko, V., Hots, V., & Golenkov, V. (2024). Neural Network Threat Detection Systems for Data Breach Protection. 2024 IEEE 4th International Conference on Smart Information Systems and Technologies (SIST), 415-421.
    📗 Dolhopolov, S., Honcharenko, T., Terentyev, O., Savenko, V., Rosynskyi, A., Bodnar, N., & Alzidi, E. (2024). Multi-Stage Classification of Construction Site Modeling Objects Using Artificial Intelligence Based on BIM Technology. 2024 35th Conference of Open Innovations Association (FRUCT), 179-185.
    📙 Chernyshev, D., Dolhopolov, S., Honcharenko, T., Sapaiev, V., & Delembovskyi, M. (2022). Digital Object Detection of Construction Site Based on Building Information Modeling and Artificial Intelligence Systems. International Workshop on Information Technologies: Theoretical and Applied Problems.
    📘 Chernyshev, D., Dolhopolov, S., Honcharenko, T., Haman, H., Ivanova, T., & Zinchenko, M. (2022). Integration of Building Information Modeling and Artificial Intelligence Systems to Create a Digital Twin of the Construction Site. 2022 IEEE 17th International Conference on Computer Sciences and Information Technologies (CSIT), 36-39.
    📗 Dolhopolov, S., Honcharenko, T., Dolhopolova, S.A., Riabchun, O., Delembovskyi, M., & Omelianenko, O. (2022). Use of Artificial Intelligence Systems for Determining the Career Guidance of Future University Student. 2022 International Conference on Smart Information Systems and Technologies (SIST), 1-6.
    📙 Dolhopolov, S., Honcharenko, T., Terentyev, O., Predun, K., & Rosynskyi, A. (2023). Information system of multi-stage analysis of the building of object models on a construction site. IOP Conference Series: Earth and Environmental Science, 1254.

• Select section Корисні посилання

  Collapse Expand

  Корисні посилання

  • Select activity Google Colab

    

    Google Colab URL
  • Select activity Label Studio

    

    Label Studio URL
  • Select activity Keras

    

    Keras URL
  • Select activity Tensorflow

    

    Tensorflow URL
  • Select activity Huggingface

    

    Huggingface URL
  • Select activity Pytorch

    

    Pytorch URL
  • Select activity Kaggle

    

    Kaggle URL
  • Select activity Бібліотека КНУБА

    

    Бібліотека КНУБА URL
  • Select activity AI-For-Beginners (Course, Microsoft)

    

    AI-For-Beginners (Course, Microsoft) URL
  • Select activity ML-For-Beginners (Course, Microsoft)

    

    ML-For-Beginners (Course, Microsoft) URL
  • Select activity Awesome Machine Learning and AI Courses (Courses, Stanford, Berkeley, Columbia etc.)

    

    Awesome Machine Learning and AI Courses (Courses, Stanford, Berkeley, Columbia etc.) URL
  • Select activity AI Agents for Beginners (Course, Microsoft)

    

    AI Agents for Beginners (Course, Microsoft) URL
  • Select activity Datacamp (Courses)

    

    Datacamp (Courses) URL
  • Select activity HuggingFace (Courses)

    

    HuggingFace (Courses) URL