1. Негізгі ұғымдар

Термин	Анықтамасы
Интеллектуалды ақпараттық жүйе	Деректерді талдап, білімді пайдаланып, шешім қабылдауға көмектесетін жүйе.
Жасанды интеллект	Компьютерлердің адамға тән интеллектуалды міндеттерді орындау қабілетін зерттейтін сала.
Деректер	Ақпаратты сипаттайтын фактілер, сандар, мәтіндер және басқа мәліметтер.
Білім	Белгілі бір сала туралы жинақталған және шешім қабылдауда қолданылатын ақпарат.
Білім қоры	Жүйеде сақталатын ережелер, фактілер және білімдер жиынтығы.
Қорытынды шығару механизмі	Білім мен ережелерді пайдаланып, жаңа қорытынды жасайтын компонент.
Онтология	Белгілі бір саладағы ұғымдар мен олардың байланыстарын сипаттайтын модель.
Білім графы	Нысандар мен олардың арасындағы байланыстарды граф түрінде көрсететін құрылым.
Сараптамалық жүйе	Сарапшының білімін пайдаланып, белгілі бір мәселені шешуге көмектесетін жүйе.
Интеллектуалды агент	Қоршаған ортаны қабылдап, мақсатқа сәйкес әрекет ететін жүйе.

2. Деректерді өңдеу және машиналық оқыту

Термин	Анықтамасы
Деректерді алдын ала өңдеу	Деректерді тазалау, түзету және талдауға дайындау процесі.
Жіктеу (Classification)	Нысандарды алдын ала белгіленген санаттарға бөлу әдісі.
Кластерлеу (Clustering)	Ұқсас нысандарды топтарға бөлу әдісі.
Машиналық оқыту	Компьютердің деректер негізінде заңдылықтарды үйрену әдісі.
Бақыланатын оқыту	Дұрыс жауаптары немесе белгілері бар деректер арқылы оқыту.
Бақыланбайтын оқыту	Алдын ала белгіленбеген деректерден заңдылықтар мен топтарды анықтау.
Нейрондық желі	Биологиялық нейрондардың жұмыс істеу қағидаларынан шабыт алған есептеу моделі.
Терең оқыту	Көп қабатты нейрондық желілерді пайдаланатын машиналық оқыту бағыты.
Табиғи тілді өңдеу (NLP)	Компьютердің адам тіліндегі мәтінді немесе сөйлеуді өңдеу әдістері.
Тілдік модель	Мәтіндегі тілдік заңдылықтарды үйреніп, мәтінді өңдеуге немесе құрастыруға арналған модель.

3. Негізгі әдістер мен алгоритмдер

Әдіс немесе алгоритм	Қолданылуы
Анық емес логика	Дәл емес немесе аралық мәндер арқылы шешім қабылдау.
Байес теоремасы	Жаңа ақпарат негізінде оқиғаның ықтималдығын жаңарту.
Байес желісі	Айнымалылар арасындағы ықтималдық байланыстарды модельдеу.
Генетикалық алгоритм	Эволюция және табиғи сұрыпталу қағидалары арқылы тиімді шешім іздеу.
Мутация	Генетикалық алгоритмдегі шешім элементтерін кездейсоқ өзгерту.
Семантикалық желі	Ұғымдар мен олардың арасындағы мағыналық байланыстарды көрсету.
Көпагентті жүйе	Бірнеше интеллектуалды агенттің өзара әрекеттесуіне негізделген жүйе.

4. Жиі қолданылатын қысқартулар

Қысқарту	Толық атауы және мағынасы
AI	Artificial Intelligence — жасанды интеллект.
ML	Machine Learning — машиналық оқыту.
DL	Deep Learning — терең оқыту.
NLP	Natural Language Processing — табиғи тілді өңдеу.
KB	Knowledge Base — білім қоры.
ES	Expert System — сараптамалық жүйе.
MAS	Multi-Agent System — көпагентті жүйе.

5. Негізгі формулалар

1. Байес теоремасы

Мұнда:

• P(A | B) — (B) оқиғасы белгілі болғандағы (A) оқиғасының ықтималдығы;
• P(B | A) — (A) болғандағы (B) оқиғасының ықтималдығы;
• P(A) — (A) оқиғасының бастапқы ықтималдығы;
• P(B) — (B) оқиғасының ықтималдығы.

2. Нейронның математикалық моделі

Мұнда:

• (xi) — кіріс мәндері;
• (wi) — кіріс салмақтары;
• (b) — ығысу параметрі;
• (f) — белсендіру функциясы;
• (y) — нейронның шығыс мәні.

3. Дәлдік көрсеткіші (Accuracy)

· TP — дұрыс анықталған оң мысалдар;

· TN — дұрыс анықталған теріс мысалдар;

· FP — қате оң деп анықталған мысалдар;

· FN — қате теріс деп анықталған мысалдар.

6. Интеллектуалды ақпараттық жүйені әзірлеу кезеңдері

1. Мәселені анықтау — жүйенің мақсаты мен талаптарын белгілеу.
2. Деректерді жинау — қажетті ақпаратты әртүрлі көздерден алу.
3. Деректерді өңдеу — қателерді түзету және деректерді талдауға дайындау.
4. Модельді таңдау — есепке сәйкес әдіс пен алгоритмді анықтау.
5. Жүйені әзірлеу — модельді бағдарламалық жүйеге енгізу.
6. Тестілеу — жүйенің жұмысын және нәтижелерінің дұрыстығын тексеру.
7. Бағалау және жетілдіру — жүйенің сапасын бағалап, кемшіліктерін түзету.

7. Білімді бекітуге арналған негізгі ережелер

• Машиналық оқыту деректерден заңдылықтарды анықтауға мүмкіндік береді.
• Сараптамалық жүйелер білім қоры мен қорытынды шығару механизмін пайдаланады.
• Нейрондық желілер күрделі тәуелділіктерді үйренуге қолданылады.
• Анық емес логика дәл емес ақпаратпен жұмыс істеуге мүмкіндік береді.
• Байес әдістері ықтималдықтарды бағалау және жаңарту үшін қолданылады.
• Генетикалық алгоритмдер көптеген ықтимал шешімдердің ішінен тиімді нұсқаларды іздейді.
• Интеллектуалды агенттер ортаны бақылап, мақсатқа сәйкес әрекет етеді.
• Жүйені бағалау дәлдік, жылдамдық, сенімділік және қолдану тиімділігі сияқты көрсеткіштерге сүйенеді.