В результате обучения слушатель будет знать:

• Подходы к формализации представления понятий;
• Классификацию и структуру экспертных систем;
• Компоненты экспертных систем;
• Основные понятия и алгоритмы обучения искусственных нейронных сетей;
• Методику применения искусственного интеллекта в сельском хозяйстве;
• Виды нейронных сетей;
• Стратегии обучения нейронных сетей;
• Архитектуру нейронной сети;
• Типы алгоритмов машинного обучения;
• Методы машинного обучения;
• Методологию создания систем искусственного интеллекта для нужд сельского хозяйства.

В результате обучения слушатель будет уметь:

• Использовать инструментальные средства логического программирования для разработки и отладки экспертных систем;
• Применять средства численной математики для создания программных моделей искусственных нейронных сетей при решении прикладных задач: прогнозирования, оптимизации и распознавания образов;
• Внедрять интеллектуальные системы адаптивного управления производством;
• Использовать методы распознавания растений, оценки поведения животных;
• Обслуживать и сопровождать оборудование для автопилотирования сельскохозяйственной техники;
• Внедрять дополнительные модули с использованием искусственного интеллекта;
• Выбирать оптимальную конфигурацию искусственной нейронной сети;
• Осуществлять обучение искусственной нейронной сети;
• Определять алгоритмы искусственного интеллекта;
• Выбирать методы обучения искусственного интеллекта под конкретные задачи, оценивать результаты машинного обучения.

В результате обучения слушатель будет иметь навыки:

• Оценки возможности применения искусственного интеллекта и машинного обучения;
• Применения искусственного интеллекта и машинного обучения;
• Разработки типовых алгоритмов.