Силабуси ЛНТУ

Силабус

Луцький національний технічний університет · Технології штучного інтелекту

2026/2027 Професійна освіта (комп`ютерні технології) затверджено 29.08.2026
PDF Затверджена редакція силабуса

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

ЛУЦЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ

ФАКУЛЬТЕТ ЦИФРОВИХ, ОСВІТНІХ ТА СОЦІАЛЬНИХ ТЕХНОЛОГІЙ

ЗАТВЕРДЖУЮ

Декан факультету

Галина ГЕРАСИМЧУК

«28» серпня 2026 р.

ЗАТВЕРДЖУЮ

Перший проректор

____________ Надія КОВАЛЬЧУК

«29» серпня 2026 р.

СИЛАБУС

з освітнього компонента «Технології штучного інтелекту»

ступінь вищої освіти – бакалавр

галузь знань – 015 Освіта/Педагогіка

спеціальність – 015.39 Професійна освіта (Цифрові технології)

освітня програма – Професійна освіта (комп`ютерні технології)

Кафедра цифрових освітніх технологій

Силабус склав(ла) доцент кафедри цифрових освітніх технологій, к.пед.н., доцент Павло САВАРИН

Силабус затверджений на засіданні кафедри цифрових освітніх технологій, протокол № 1а від «28» серпня 2026 р.

Завідувач кафедри к.пед.н., доцент Віталій КАБАК

Розглянуто та схвалено групою забезпечення освітньої програми «Професійна освіта (комп`ютерні технології)», протокол № 1а від «28» серпня 2026 р.

Гарант ОП «Професійна освіта (комп`ютерні технології)» к.пед.н., доцент Віталій КАБАК

Схвалено науково-методичною радою університету, протокол № 1/а від «29» серпня 2026 р.

QR Затверджений силабус онлайн:
https://e.lntu.edu.ua/syllabus/2377

Луцьк – 2026

СИЛАБУС ОСВІТНЬОГО КОМПОНЕНТА «Технології штучного інтелекту»

Освітня програма Професійна освіта (комп`ютерні технології)
Галузь знань / Спеціальність 015 Освіта/Педагогіка / 015.39 Професійна освіта (Цифрові технології)
Рівень вищої освіти перший (бакалаврський)
Статус дисципліни нормативна
Мова викладання українська
Обсяг 4 кредити ECTS / 120 годин, семестр 6
Форма контролю екзамен
Викладач(і) к.пед.н., доцент Павло САВАРИН

1. Мета і завдання дисципліни

Мета: Полягає в ознайомленні студентів з основними концепціями, методами та технологіями, що стоять за розвитком штучного інтелекту (ШІ).

Завдання: Надання студентам компетентностей у галузі ШІ, що дозволяє їм розуміти, як працюють системи ШІ, як вони можуть бути застосовані в різних сферах, таких як медицина, фінанси, транспорт, маркетинг тощо, а також як етичні аспекти ШІ впливають на суспільство та людей.

Пререквізити: Дискретна математика, Програмування на Python, Алгоритмізація і програмування з методикою навчання, Кодування інформації та архітектура комп'ютера, Комп'ютерні системи та мережі

2. Компетентності

ІК — інтегральна компетентність: Здатність розв’язувати складні спеціалізовані задачі та практичні проблеми в професійній освіті, що передбачає застосування певних теорій і методів педагогічної науки та інших наук відповідно до спеціалізації і характеризується комплексністю та невизначеністю умов.

ЗК06 — Навички використання інформаційних і комунікаційних технологій.

ЗК07 — Здатність вчитися і оволодівати сучасними знаннями.

ЗК14 — Здатність оперувати навичками усного і писемного наукового мовлення, аналізувати факти, працювати з фаховими текстами, самостійно шукати і опрацьовувати джерела, знання понять академічної доброчесності, особливостей стилю академічного письма.

СК04 — Здатність спрямовувати здобувачів освіти на прогрес і досягнення.

СК05 — Здатність використовувати сучасні інформаційні технології та спеціалізоване програмне забезпечення та інтегрувати їх в освітнє середовище.

СК07 — Здатність аналізувати ефективність проектних рішень, пов’язаних з підбором, експлуатацією, удосконаленням, модернізацією технологічного обладнання та устаткування галузі/сфери відповідно до спеціалізації.

СК11 — Здатність використовувати у професійній діяльності основні положення, методи, принципи фундаментальних та прикладних наук.

СК15 — Здатність забезпечити якість освіти і управління діяльністю закладу освіти, відповідно до спеціалізації.

СК23 — Здатність до застосування методів обчислювального інтелекту, зокрема статистичної, нейромережевої та нечіткої обробки даних, методів машинного навчання, технологій штучного інтелекту для розробки інформаційних систем.

3. Структура дисципліни, розподіл годин, зв'язок тем з компетентностями

№ Назва теми Лекції
денна/ заочна
Практ./ Семін./ лаб
денна/ заочна
Самост. робота
денна/ заочна
Разом Методи навчання Методи оцінювання ЗК та СК
Змістовий модуль 1. Основи штучного інтелекту, розв'язання задач та ймовірнісні методи
1 Тема 1. Поняття штучного інтелекту та його визначення 1/1 2/1 5/7 8/9 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
2 Тема 2. Філософські та етичні аспекти ШІ (Тест Тюрінга) 1/0 2/0 5/8 8/8 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
3 Тема 3. Пошук як метод розв'язання задач 1/0 2/0 5/7 8/7 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК14, ЗК07, СК04, СК05, СК07, СК11, СК15, СК23
4 Тема 4. Ігри та протиборчі алгоритми (Алгоритм Minimax) 1/0 2/0 5/8 8/8 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
5 Тема 5. Ймовірність та робота з невизначеністю 1/1 2/1 5/7 8/9 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
6 Тема 6. Теорема Байєса та байєсівська класифікація 1/0 2/0 5/8 8/8 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
7 Тема 7. Практичний ШІ в реальному світі та робототехніка 1/0 2/0 5/7 8/7 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи, модульна контрольна робота ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
Змістовий модуль 2. Машинне навчання, нейронні мережі та суспільний вплив ШІ
8 Тема 8. Вступ до машинного навчання та типи навчання 1/0 2/0 5/8 8/8 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
9 Тема 9. Лінійна регресія та прогнозування 1/1 2/1 5/7 8/9 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
10 Тема 10. Метод K-найближчих сусідів (k-NN) та класифікація 1/0 2/0 5/7 8/7 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
11 Тема 11. Основи штучних нейронних мереж 1/0 2/0 5/8 8/8 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
12 Тема 12. Глибоке навчання (Deep Learning) та архітектури нейронних мереж 1/1 2/1 5/8 8/10 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
13 Тема 13. Генеративний ШІ та сучасні мовні моделі 1/0 2/0 5/8 8/8 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК23, СК15
14 Тема 14. Етичні та суспільні наслідки розвитку ШІ 1/0 2/0 5/7 8/7 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
15 Тема 15. Майбутнє штучного інтелекту та його обмеження 1/0 2/0 5/7 8/7 МН1, МН2, МН3, МН5, МН6 МО1, МО2, МО4, захист практичної роботи, модульна контрольна робота ЗК06, ЗК07, ЗК14, СК04, СК05, СК07, СК11, СК15, СК23
Разом 15/4 30/4 75/112 120/120

Легенда: ЗК — загальна компетентність (номер за п. 2); СК — спеціальна (фахова) компетентність (номер за п. 2). Повне формулювання кожного коду наводиться в ОП / стандарті спеціальності.

Методи навчання: МН1 — словесний метод (лекція, дискусія, співбесіда тощо); МН2 — практичний метод (лабораторні та практичні заняття); МН3 — наочний метод (метод ілюстрацій і метод демонстрацій); МН5 — відеометод у сполученні з новітніми інформаційними технологіями та комп’ютерними засобами навчання (дистанційні, мультимедійні, веб-орієнтовані тощо); МН6 — самостійна робота (розв’язання завдань).

Методи оцінювання: МО1 — екзамен; МО2 — усне або письмове опитування; МО4 — тестування.

4. Результати навчання

ПРН07. Аналізувати та оцінювати ризики, проблеми у професійній діяльності й обирати ефективні шляхи їх вирішення.

ПРН18. Розв’язувати типові спеціалізовані задачі, пов’язані з вибором матеріалів, виконанням необхідних розрахунків, конструюванням, проектуванням технічних об’єктів у предметній галузі (відповідно до спеціалізації).

ПРН21. Застосовувати міжнародні та національні стандарти і практики в професійній діяльності.

5. Цілі сталого розвитку

ЦСР 4 – Якісна освіта

ЦСР 9 – Промисловість, інновації та інфраструктура

6. Неформальна освіта

Рекомендовані курси, тренінги, стажування та інші: результати навчання, здобуті у формальній, неформальній чи інформальній освіті, можуть бути визнані відповідно до процедур ЛНТУ. Підтвердженнями можуть бути сертифікати тематичних тренінгів, вебінарів чи онлайн-курсів разом з описом досягнутих результатів навчання та, за потреби, коротке верифікаційне завдання або портфоліо.

7. Критерії та форми контролю

Оцінювання — за 100-бальною шкалою (національна шкала / ЄКТС). Підсумковий бал = поточний контроль (40 %) + модульний контроль (10 %) + екзамен (50 %).

Академічна доброчесність: самостійне виконання завдань; коректне посилання на джерела; позначення частин тексту, згенерованих засобами ШІ. Порушення академічної доброчесності не толеруються.

8. Зміст тем

Тема 1. Поняття штучного інтелекту та його визначення

Тема знайомить із базовими концепціями штучного інтелекту та різними підходами до його визначення. Розглядається різниця між вузьким (слабким) та загальним (сильним) ШІ, а також його зв'язок з суміжними галузями. Студенти вчаться критично оцінювати міфи про ШІ та відрізняти реальні технології від фантастики.

Тема 2. Філософські та етичні аспекти ШІ (Тест Тюрінга)

Тема присвячена класичним філософським питанням інтелекту, зокрема тесту Тюрінга та мисленнєвому експерименту «Китайська кімната». Вона висвітлює проблеми свідомості, сприйняття та здатності машин до справжнього розуміння. Учасники аналізують межі сучасної комп'ютерної техніки в імітації людського мислення.

Тема 3. Пошук як метод розв'язання задач

Тема пояснює, як ШІ моделює процеси прийняття рішень та пошуку оптимальних шляхів у складних умовах. Розглядаються базові алгоритми пошуку в просторі станів, які застосовуються від навігаційних карт до складання розкладів. Окремо висвітлюється принцип евристичного пошуку для оптимізації обчислювальних витрат.

Тема 4. Ігри та протиборчі алгоритми (Алгоритм Minimax)

У цій темі аналізується застосування ШІ в іграх із повною інформацією, таких як шахи чи хрестики-нулики. Пояснюється робота алгоритму Minimax та методу альфа-бета відсікання для прийняття рішень за наявності суперника. Розглядається історія створення ігрових систем від Deep Blue до сучасних стратегічних ботів.

Тема 5. Ймовірність та робота з невизначеністю

Тема розкриває, як ШІ оперує неповною або шумовлюваною інформацією реального світу. Розглядаються основні поняття теорії ймовірностей, за допомогою яких оцінюється достовірність подій. Наводиться розуміння того, чому ймовірнісний підхід є ключем до створення гнучких інтелектуальних систем.

Тема 6. Теорема Байєса та байєсівська класифікація

Тема присвячена практичному застосуванню правило Байєса для оновлення ймовірностей на основі нових даних. Пояснюється принцип роботи наївного байєсівського класифікатора на прикладі фільтрації спам-повідомлень. Учасники вчаться розраховувати апостеріорні ймовірності для прийняття автоматизованих рішень.

Тема 7. Практичний ШІ в реальному світі та робототехніка

Тема висвітлює використання алгоритмів штучного інтелекту в автономних системах та робототехніці. Розглядаються задачі локалізації, картирування (SLAM) та керування в умовах мінливого оточення. Аналізуються обмеження сучасного апаратного забезпечення при реалізації ШІ-рішень у реальному житті.

Тема 8. Вступ до машинного навчання та типи навчання

У цій темі розглядаються фундаментальні принципи машинного навчання (ML) як здатності систем навчатися на даних без явного програмування. Розкривається різниця між навчанням із вчителем, без вчителя та навчанням із підкріпленням. Описується значення якісних навчальних даних для ефективності побудованих моделей.

Тема 9. Лінійна регресія та прогнозування

Тема знайомить із математичним методом лінійної регресії для передбачення числових значень. Пояснюється поняття залежних і незалежних змінних, а також мінімізація помилок (метод найменших квадратів). Наводяться приклади застосування регресії для прогнозування цін, температур або попиту.

Тема 10. Метод K-найближчих сусідів (k-NN) та класифікація

Тема присвячена базовому алгоритму класифікації k-NN, який базується на знаходженні подібних об'єктів у просторі ознак. Пояснюється поняття відстані між даними (наприклад, евклідової відстані) та вплив параметра k на точність. Наводяться приклади використання k-NN для розпізнавання образів та рекомендаційних систем.

Тема 11. Основи штучних нейронних мереж

Тема пояснює концепцію нейронних мереж, натхнену будовою біологічного мозку. Розглядається найпростіший штучний нейрон (персептрон), його входи, вагові коефіцієнти та активаційні функції. Студенти дізнаються, як поєднання багатьох нейронів дозволяє розв'язувати нелінійні задачі.

Тема 12. Глибоке навчання (Deep Learning) та архітектури нейронних мереж

У цій темі розглядаються багатошарові нейронні мережі та концепція глибокого навчання. Описуються особливості згорткових (CNN) та рекурентних (RNN) мереж для обробки зображень і текстів. Аналізується роль великих обсягів даних та обчислювальних потужностей GPU у розвитку сучасного ШІ.

Тема 13. Генеративний ШІ та сучасні мовні моделі

Тема присвячена технологіям генеративного ШІ, які створюють новий текст, зображення чи аудіо. Пояснюються базові принципи роботи великих мовних моделей (LLM) та механізмів уваги (Transformers). Наводяться приклади практичного використання таких систем у бізнесі та повсякденній роботі.

Тема 14. Етичні та суспільні наслідки розвитку ШІ

Тема присвячена аналізу впливу штучного інтелекту на ринок праці, приватність та права людини. Розглядаються проблеми упередженості алгоритмів (bias), розповсюдження дипфейків та прозорості рішень ШІ. Аналізуються міжнародні ініціативи щодо регулювання та безпечного розвитку AI-технологій.

Тема 15. Майбутнє штучного інтелекту та його обмеження

У цій темі підбиваються підсумки щодо того, що штучний інтелект здатен і не здатен робити на сучасному етапі. Оцінюються перспективні напрями розвитку галузі та потенційні загрози. Учасники формують розуміння відповідального використання ШІ у своїй майбутній професійній діяльності.

9. Опис ІЗ/КПІЗ

Не передбачено навчальним планом.

10. Самостійна робота

Теми для самостійної роботи

1.     Етичні аспекти застосування штучного інтелекту в суспільстві.

2.     Автоматичне розпізнавання образів і відео за допомогою штучного інтелекту.

3.     Штучний інтелект у медицині: діагностика та лікування.

4.     Роль штучного інтелекту в автономних транспортних системах.

5.     Використання штучного інтелекту в фінансовому секторі.

6.     Вплив штучного інтелекту на маркетинг та рекламу.

7.     Автоматизація процесів у виробництві за допомогою штучного інтелекту.

8.     Застосування штучного інтелекту для оптимізації логістичних систем.

9.     Розвиток штучного інтелекту в ігровій індустрії.

10.  Штучний інтелект у сфері кібербезпеки.

11.  Використання штучного інтелекту для прогнозування ринкових тенденцій.

12.  Штучний інтелект у сфері освіти та навчання.

11. Загальні вимоги

Освітній процес регулюється академічними правилами ЛНТУ. Здобувачі освіти зобов’язані ознайомитися з вимогами, визначеними Кодексом академічної доброчесності ЛНТУ та Політикою етичного використання штучного інтелекту в ЛНТУ, і дотримуватися принципів академічної доброчесності та етичного використання штучного інтелекту в освітній діяльності.

Академічна доброчесність. Учасники освітнього процесу зобов’язані дотримуватися Закону України «Про академічну доброчесність» від 18.12.2025 № 4742-IX та внутрішніх нормативних документів ЛНТУ. Не допускаються академічний плагіат, фабрикація, фальсифікація, привласнення авторства, несамостійне виконання завдань, а також недоброчесне використання результатів, згенерованих штучним інтелектом.

Використання штучного інтелекту. Інструменти штучного інтелекту можуть використовуватися для пошуку ідей, пояснення методів, попереднього структурування, мовного редагування та допоміжного аналізу неконфіденційних даних, якщо конкретне завдання не передбачає повністю самостійного виконання. Здобувач освіти має зазначати використаний інструмент, мету та етап його застосування, перевіряти факти й розрахунки та самостійно обґрунтовувати висновки.

12. Література

I. Навчально-методичні матеріали та розробки

Праці автора силабуса:

1. Introduction to AI : електрон. навч. курс. URL: https://courses.mooc.fi/org/elements-of-ai/courses/elements-of-ai-ukr (дата звернення: 28.08.2026).

Праці інших авторів:

2. Пауелл Д., Шварц М. Штучний інтелект і нейромережі / пер. з англ. Ю. Скрипник. Дніпро : Моноліт-Bizz, 2024. 208 с.

3. Краковецький О. ChatGPT, DALL·E, Midjourney. Як генеративний штучний інтелект змінює світ. Київ : ArtHuss, 2024.

II. Наукові праці

Праці автора силабуса:

4. Поліщук М. М., Саварин П. В., Фуркало С. Ю. Методи Webhooks та Long Polling для розміщення Telegram-бота. Комп’ютерно-інтегровані технології: освіта, наука, виробництво. 2022. Вип. 49. С. 86–93.

5. Шумбаєв С. Д., Панасюк О. О., Саварин П. В. Штучний інтелект в контексті персоналізованої освіти: теоретичні підходи, практичні реалізації та перспективи розвитку. Актуальні проблеми автоматизації та управління : матеріали XІ Міжнар. наук.-практ. інтернет-конф. молодих учених та студентів (м. Луцьк, 30 листоп. 2023 р.). Луцьк, 2023. № 11. С. 146–149.

6. Savaryn P., Hulai O., Kabak V. The Impact of Non-Formal Education on the Understanding and Perception of AI. Book of Abstracts 7th International Conference Higher Education Learning Methodologies and Technologies Online (Naples, Italy, 23–25 Sept. 2025). 2025. P. 272–285. URL: https://www.helmeto.it/wp-content/uploads/2025/09/BOA_HELMETO_2025_con_ISBN.pdf (date of access: 28.08.2026).

7. Savaryn P., Hulai O., Kabak V. Impact of the “Elements of AI” Course on Students’ AI Literacy and Critical Thinking. Higher Education Learning Methodologies and Technologies Online. HELMeTO 2025 / ed. by M. Adamoli et al. Cham : Springer, 2027. Vol. 2959 : Communications in Computer and Information Science. P. 372–385. DOI: https://doi.org/10.1007/978-3-032-31853-4_24.

8. Application of Cloud-Based Digital Prototyping Systems for Developing Hardware Logic Skills / A. Lobatskyi, P. Savaryn, V. Podolyak, M. Lepkiy, V. Kabak. 2026. P. 417–423. DOI: https://doi.org/10.25673/123954.

III. Інформаційні ресурси

9. Elements of AI : навчальний вебресурс. URL: https://elementsofai.com (дата звернення: 28.06.2026).

10. W3Schools : навчальний вебресурс для розробників. URL: https://www.w3schools.com (дата звернення: 28.08.2026).