Тема 9. Языки программирования, их классификация

(что такое процедурные, функциональные, логические, объектно-ориентированные языки)

Язы́к программи́рования — формальный язык, предназначенный для записи компьютерных программ

^{Классификация:}

• ^{процедурные - языки высокого уровня, в которых используется метод разбиения программ на отдельные связанные между собой модули - подпрограммы (процедуры и функции). Компоненты языка состоят из последовательности операторов, которые используют библиотечные процедуры и функции}

• ^{функциональные - Функциональные языки являются языками искусственного интеллекта. Программа, написанная на функциональном языке, состоит из последовательности функций и выражений, которые необходимо вычислить. Основной структурой данных является связный список.}

• ^{логические - Языки, ориентированные на решение задач без описания алгоритмов, языки искусственного интеллекта.}

• ^{В объектно-ориентированных языках не описывают подробной последовательности действий для решения задачи, хотя они содержат элементы процедурного программирования. Программа пишется в терминах объектов, которые обладают свойствами и поведением. Объекты обмениваются сообщениями.}

Тема 10. Компьютеры в психодиагностике.

^{Особенности компьютерных методик по сравнению с традиционными:}

^{1. Автоматическое ведение протоколов исследования испытуемых}

^{2. Режим тестирования компьютерных методик предполагает предъявление инструкции, стимульного материала, а также фиксацию ответов испытуемого}

^{3. Обработка результатов тестирования предполагает получение тестовых данных (сырых баллов, стандартизированных шкальных оценок: стенов, стенайнов и т.д.) с помощью заранее известных предписаний}

^{4. Визуализация тестовых данных}

^{5. Интерпретация результатов жестко задается в компьютерном варианте}

^{История}

^{Первые упоминания о машинной обработке данных психологического тестирования относятся к началу 1930-х годов [4]. Долгое время использование компьютеров в психологических и (психодиагностических) исследованиях ограничивалось лишь обработкой числовой информации в процессе психодиагностического эксперимента. В то время компьютер (тогда еще ЕС ЭВМ, СМ-3, СМ-4, «Электроника-100») представлялся мощным арифмометром, который может освободить психолога от трудоемких рутинных операций типа «наложения ключей» и арифметического подсчета числовых показателей.}

^{В нашей стране первой программой реализованной на языке ПЛ/1 для ЕС ЭВМ, была программа обработки результатов тестирования испытуемых с помощью методики ММPI [11]. Оператор набивал ответы испытуемого на перфокарты, а компьютер, осуществляя числовую обработку, распечатывал значения Т-оценок.}

^{Дистанционное тестирование - это новый тип диагностической ситуации, определяемый тестированием в сети Интернет (какая ты феечка винкс)}

^{Адаптивное тестирование заключается в том, что предъявляемые испытуемому текущие задания зависят от результатов его ответов на предыдущие задания.}

Тема 11. Глубокое обучение.

^{Глубокое обучение — это метод машинного обучения. Глубокое обучение позволяет обучать модель предсказывать результат по набору входных данных. Для обучения сети можно использовать как контролируемое, так и неконтролируемое обучение.}

^{Искусственный интеллект — способность машины или программы находить решения при помощи вычислений. (робот для игры в шахматы)}

^{Машинное обучение — это попытка научить компьютеры самостоятельно обучаться на большом количестве данных вместо жестко постулированных правил.}

^{Символический искусственный интеллект — это собирательное название для всех методов исследования искусственного интеллекта, основанных на высокоуровневом «символическом» (человекочитаемом) представлении задач, логики и поиска}

^{Связи между нейронами имеют свой вес — долю значимости параметра среди всех данных. Например, в подсчете цен номеров большой вес будет иметь дата заезда, поскольку отели меняют цены в зависимости от спроса в конкретный день.}

^{Функция потерь измеряет «насколько хороша» нейронная сеть в отношении данной обучающей выборки и ожидаемых ответов. Она также может зависеть от таких переменных, как веса и смещения.}

^{Обратное распространение ошибки — это способ обучения нейронной сети. Цели обратного распространения просты: отрегулировать каждый вес пропорционально тому, насколько он способствует общей ошибке. Если мы будем итеративно уменьшать ошибку каждого веса, в конце концов у нас будет ряд весов, которые дают хорошие прогнозы.}

^{Применения:}

• ^{Распознавание речи}

• ^{Обработка естественного языка}

• ^{Обнаружение новых лекарственных препаратов.}

• ^{Рекомендательные системы[19]. На сегодняшний день глубокое обучение применяется для изучения пользовательских предпочтений во многих доменах;}

• ^{Предсказание геномных онтологий в биоинформатике}