Е.В. ЛУЦЕНКО. ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ. 2006

Учебное пособие включает курс лекций, лабораторный практикум и программу самостоятельной работы студентов и издано в 2-х томах. 1-й том, "Курс лекций", состоит из 16 лекций, сгруппированных в 4 раздела: введение в интеллектуальные информационные системы; теоретические основы и эксплуатация универсальной когнитивной аналитической системы "Эйдос"; принципы построения интеллектуальных информационных систем; применение и перспективы систем искусственного интеллекта. 2-й том, "Лабораторный практикум" содержит также "Программу самостоятельной работы студентов". Лабораторный практикум базируется на универсальной когнитивной аналитической системе "Эйдос", разработанной автором данного учебного пособия, и включает 10 лабораторных работ. Программа самостоятельной работы студентов по дисциплине включает теоретические вопросы и практические задания, выносящиеся на экзамен по дисциплине и государственный экзамен, а также список основной и дополнительной литературы, включая Internet-сайты по проблематике искусственного интеллекта. Рассчитано на студентов очной и заочной форм обучения, аспирантов, преподавателей и научных работников, интересующихся проблематикой систем искусственного интеллекта.

<< | >>

↑

ПРЕДИСЛОВИЕ

ЧАСТЬ I. КУРС ЛЕКЦИЙ

РАЗДЕЛ 1.1. ВВЕДЕНИЕ В ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ

1.1.1. ЛЕКЦИЯ-1. Интеллектуальные информационные системы, как закономерный и неизбежный этап развития средств труда

1.1.1.1. Основные положения информационно-функциональной теории развития техники

1.1.1.1.1. Процессы труда и познания, как информационные процессы снятия неопределенности

1.1.1.1.2. Организм человека и средства труда как информационные системы

1.1.1.1.3. Законы развития техники

1.1.1.1.3.1. Закон перераспределения функций между человеком и средствами труда

1.1.1.1.3.2. Закон повышения качества базиса

1.1.1.1.4. Детерминация формы сознания человека функциональным уровнем средств труда

1.1.1.1.5. Неизбежность возникновения компьютеров, информационных систем и систем искусственного интеллекта

1.1.1.2. Информационная теория стоимости

1.1.1.2.1. Связь количества и качества информации с меновой и потребительной стоимостью

1.1.1.2.2. Информация, как сырье и как товар: абсолютная, относительная и аналитическая информация. Данные, информация, знания

1.1.1.2.3. Стоимость и амортизация систем искусственного интеллекта и баз знаний

1.1.1.2.4. Источники экономической эффективности систем искусственного интеллекта и интеллектуальной обработки данных с позиций информационной теории стоимости (повышение уровня системности и "охлаждение" объекта управления)

1.1.1.3. Интеллектуализация – генеральное направление и развития информационных технологий

1.1.1.3.1. От электронных вычислительных машин к компьютерам. Функциональное определение компьютера

1.1.1.3.2. Эволюция понятия: "Обработка информации" от информационного сырья к информационному продукту

1.1.1.3.3. Эволюция технологий создания и поддержки информационных систем: автоматизация функций посредников

1.1.1.3.4. Перспективы информационных технологий: интеллектуализация, создание самообучающихся, саморазвивающихся (эволюционирующих) и самовоспроизводящихся систем

1.1.2. ЛЕКЦИЯ-2. Определение и критерии идентификации систем искусственного интеллекта. Место СИИ в структуре обработки информации и управления

1.1.2.1. Данные, информация, знания. Системно-когнитивный анализ как развитие концепции смысла Шенка-Абельсона. Место СИИ в иерархической системе обработки информации

1.1.2.1.1. Постановка проблемы

1.1.2.1.2. Традиционные пути решения проблемы

1.1.2.1.2.1. Классификация и характеристика концепций смысла

1.1.2.1.2.2. Суть концепции смысла Шенка-Абельсона

1.1.2.1.3. Идея решения проблемы

1.1.2.1.3.1. Формулировка идеи

1.1.2.1.3.2. Обоснование принципиальной возможности реализации идеи

1.1.2.1.4. Когнитивная концепция СК-анализа и синтез когнитивного конфигуратора

1.1.2.1.4.1. Понятие когнитивного конфигуратора и необходимость естественнонаучной (формализуемой) когнитивной концепции

1.1.2.1.4.2. Базовая когнитивная концепция

1.1.2.1.4.3. Когнитивный конфигуратор и базовые когнитивные операции системного анализа

1.1.2.1.4.4. Задачи формализации базовых когнитивных операций системного анализа

1.1.2.1.5. Мышление как вычисление смысла и реализация операций со смыслом в инструментарии СК-анализа – системе "Эйдос"

1.1.2.1.7. Выводы

1.1.2.2. Понятие: "Система искусственного интеллекта", место СИИ в классификации систем обработки информации и управления

1.1.2.3. Определение и классификация систем искусственного интеллекта, цели и пути их создания

1.1.2.3.1. Тест Тьюринга и критерии "интеллектуальности" информационных систем. Может ли машина мыслить? Может ли искусственный интеллект превзойти своего создателя?

1.1.2.3.2. Классификация систем искусственного интеллекта

1.1.2.3.3. Особенности технологии создания систем искусственного интеллекта (обучение, "социализация", как технологический этап)

1.1.2.4. Информационная модель деятельности специалиста и место систем искусственного интеллекта в этой деятельности

1.1.2.5. Жизненный цикл системы искусственного интеллекта и критерии перехода между этапами этого цикла

РАЗДЕЛ 1.2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ И ПРИМЕНЕНИЕ УНИВЕРСАЛЬНОЙ КОГНИТИВНОЙ АНАЛИТИЧЕСКОЙ СИСТЕМЫ "ЭЙДОС"

1.2.1. ЛЕКЦИЯ-3. Теоретические основы системно-когнитивного анализа и место СИИ в структуре АСУ

1.2.1.1. Системный анализ, как метод познания

1.2.1.1.1. Принципы системного анализа

1.2.1.1.2. Методы и этапы системного анализа

1.2.1.1.3. Этапы когнитивного анализа

1.2.1.1.4. Предлагаемая обобщенная схема системного анализа, ориентированного на интеграцию с когнитивными технологиями

1.2.1.2. Когнитивная концепция и синтез когнитивного конфигуратора

1.2.1.2.1. Понятие когнитивного конфигуратора и необходимость естественнонаучной (формализуемой) когнитивной концепции

1.2.1.2.1.1. Определение понятия конфигуратора

1.2.1.2.1.2. Понятие когнитивного конфигуратора

1.2.1.2.1.3. Когнитивные концепции и операции

1.2.1.2.2. Предлагаемая когнитивная концепция

1.2.1.2.3. Когнитивный конфигуратор и базовые когнитивные операции системного анализа

1.2.1.2.4. Задачи формализации базовых когнитивных операций системного анализа

1.2.1.3. СК-анализ, как системный анализ, структурированный до уровня базовых когнитивных операций

1.2.1.4. Место и роль СК-анализа и систем искусственного интеллекта в структуре АСУ

1.2.1.4.1. Структура типовой АСУ

1.2.1.4.2. Параметрическая модель адаптивной АСУ сложными системами

1.2.1.4.3. Модель рефлексивной АСУ активными объектами и понятие мета-управления

1.2.1.4.4. Двухконтурная модель РАСУ в АПК

Резюме

1.2.2. ЛЕКЦИЯ-4. Системная теория информации и семантическая информационная модель

1.2.2.1. Программа системного обобщения математики и предпосылки системной теории информации

1.2.2.2. Теоретические основы системной теории информации

1.2.2.2.1. Требования к математической модели и численной мере

1.2.2.2.2. Выбор базовой численной меры

1.2.2.2.3. Конструирование системной численной меры на основе базовой

1.2.2.3. Семантическая информационная модель СК-анализа

1.2.2.3.1. Формализм динамики взаимодействующих семантических информационных пространств. Двухвекторное представление данных.

1.2.2.3.2. Применение классической теории информации К.Шеннона для расчета весовых коэффициентов и мер сходства

1.2.2.3.3. Математическая модель метода распознавания образов и принятия решений, основанного на системной теории информации

Семантический информационный анализ

Кластерно-конструктивный анализ и семантические сети

Когнитивные диаграммы классов и признаков

Содержательное (смысловое) сравнение классов

Содержательное (смысловое) сравнение признаков

1.2.2.4. Некоторые свойства математической модели (сходимость, адекватность, устойчивость и др.)

1.2.2.4.1. Непараметричность модели. Робастные процедуры и фильтры для исключения артефактов

1.2.2.4.2. Зависимость информативностей факторов от объема обучающей выборки

1.2.2.4.3. Зависимость адекватности семантической информационной модели от объема обучающей выборки (адекватность при малых и больших выборках)

1.2.2.4.4. Семантическая устойчивость модели

1.2.2.4.5. Зависимость некоторых параметров модели от ее ортонормированности

1.2.2.5. Взаимосвязь математической модели СК-анализа с другими моделями

1.2.2.5.1. Взаимосвязь системной меры целесообразности информации со статистикой c2 и новая мера уровня системности предметной области

1.2.2.5.2. Сравнение, идентификация и прогнозирование как разложение векторов объектов в ряд по векторам классов (объектный анализ)

1.2.2.5.3. Системно-когнитивный и факторный анализ. СК-анализ, как метод вариабельных контрольных групп

1.2.2.5.4. Семантическая мера целесообразности информации и эластичность

1.2.2.5.5. Связь семантической информационной модели с нейронными сетями

1.2.2.5.6. Математический метод СК-анализа в свете идей интервальной бутстрепной робастной статистики объектов нечисловой природы

1.2.3. ЛЕКЦИЯ-5. Методика численных расчетов (алгоритмы и структуры данных)

1.2.3.1. Принципы формализации предметной области и подготовки эмпирических данных

1.2.3.2. Иерархическая структура данных и последовательность численных расчетов в СК-анализе

1.2.3.3. Обобщенное описание алгоритмов СК-анализа

1.2.3.4. Детальные алгоритмы СК-анализа

1.2.4. ЛЕКЦИЯ-6. Технология синтеза и эксплуатации приложений в системе "Эйдос"

1.2.4.1. Назначение и состав системы "ЭЙДОС"

1.2.4.1.1. Цели и основные функции системы "Эйдос"

1.2.4.1.2. Обобщенная структура системы "Эйдос"

1.2.4.2. Пользовательский интерфейс, технология разработки и эксплуатации приложений в системе "ЭЙДОС"

1.2.4.2.1. Начальный этап синтеза модели: когнитивная структуризация и формализация предметной области, подготовка исходных данных (подсистема "Словари") (БКОСА-1, БКОСА-2)

1.2.4.2.2. Синтез модели: пакетное обучение системы распознавания (подсистема "Обучение") (БКОСА-3)

1.2.4.2.3. Оптимизация модели (подсистема "Оптимизация") (БКОСА-4)

1.2.4.2.4. Верификация модели (оценка ее адекватности) (БКОСА-5)

1.2.4.2.5. Эксплуатация приложения в режиме адаптации и периодического синтеза модели (БКОСА-7, БКОСА-9, БКОСА-10)

1.2.4.3. Технические характеристики и обеспечение эксплуатации системы "ЭЙДОС" (версии 12.5)

1.2.4.3.1. Состав системы "Эйдос": базовая система, системы окружения и программные интерфейсы импорта данных

1.2.4.3.2. Отличия системы "Эйдос" от аналогов: экспертных и статистических систем

1.2.4.3.3. Некоторые количественные характеристики системы "Эйдос"

1.2.4.3.4. Обеспечение эксплуатации системы "Эйдос"

1.2.4.4. АСК-анализ, как технология синтеза и эксплуатации рефлексивных АСУ активными объектами

РАЗДЕЛ 1.3. ПРИНЦИПЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ

1.3.1. ЛЕКЦИЯ-7. Системы с интеллектуальной обратной связью и интеллектуальными интерфейсами

1.3.1.1. Интеллектуальные интерфейсы. Использование биометрической информации о пользователе в управлении системами

1.3.1.1.1. Идентификация и аутентификация личности по почерку. Понятие клавиатурного почерка

1.3.1.1.2. Соотношение психографологии и атрибуции текстов

1.3.1.1.3. Идентификация и аутентификация личности пользователя компьютера по клавиатурному почерку

1.3.1.1.4. Прогнозирование ошибок оператора по изменениям в его электроэнцефалограмме

1.3.1.2. Системы с биологической обратной связью

1.3.1.2.1. Общие положения

1.3.1.2.1. Мониторинг состояния сотрудников сборочного конвейера с целью обеспечения высокого качества продукции

1.3.1.2.2. Компьютерные тренажеры, основанные на БОС, для обучения больных навыкам управления своим состоянием

1.3.1.2.3. Компьютерные игры с БОС

1.3.1.3. Системы с семантическим резонансом. Компьютерные Y-технологии и интеллектуальный подсознательный интерфейс

1.3.1.4. Системы виртуальной реальности и критерии реальности. Эффекты присутствия, деперсонализации и модификация сознания пользователя

1.3.1.4.1. Классическое определение системы виртуальной реальности

1.3.1.4.2. "Эффект присутствия" в виртуальной реальности

1.3.1.4.3. Применения систем виртуальной реальности

1.3.1.4.4. Модификация сознания и самосознания пользователя в виртуальной реальности

1.3.1.4.5. Авторское определение системы виртуальной реальности

1.3.1.4.6. Критерии реальности при различных формах сознания и их применение в виртуальной реальности

1.3.1.4.7. Принципы эквивалентности (относительности) Галилея и Эйнштейна и критерии виртуальной реальности

1.3.1.5. Системы с дистанционным телекинетическим интерфейсом

1.3.2. ЛЕКЦИЯ-8. Автоматизированные системы распознавания образов

1.3.2.1. Основные понятия

1.3.2.1.1. Признаки и образы конкретных объектов, метафора фазового пространства

1.3.2.1.2. Признаки и обобщенные образы классов

1.3.2.1.3. Обучающая выборка и ее репрезентативность по отношению к генеральной совокупности. Ремонт (взвешивание) данных

1.3.2.1.4. Основные операции: обобщение и распознавание

1.3.2.1.5. Обучение с учителем (экспертом) и самообучение (кластерный анализ)

1.3.2.1.6. Верификация, адаптация и синтез модели

1.3.2.2. Проблема распознавания образов

1.3.2.3. Классификация методов распознавания образов

1.3.2.4. Применение распознавания образов для идентификации и прогнозирования. Сходство и различие в содержании понятий "идентификация" и "прогнозирование"

1.3.2.5. Роль и место распознавания образов в автоматизации управления сложными системами

1.3.2.5.1. Обобщенная структура системы управления

1.3.2.5.2. Место системы идентификации в системе управления

1.3.2.5.3. Управление как задача, обратнаяидентификации и прогнозированию

1.3.2.6. Методы кластерного анализа

1.3.2.6.1. Древовидная кластеризация

1.3.2.6.2. Двухвходовое объединение

1.3.2.6.3. Метод K средних

1.3.3. ЛЕКЦИЯ-9. Математические методы и автоматизированные системы поддержки принятия решений

1.3.3.1. Многообразие задач принятия решений

1.3.3.1.1. Принятие решений, как реализация цели

1.3.3.1.2. Принятие решений, как снятие неопределенности (информационный подход)

1.3.3.1.3. Связь принятия решений и распознавания образов

1.3.3.1.4. Классификация задач принятия решений

1.3.3.2. Языки описания методов принятия решений

1.3.3.2.1. Критериальный язык

1.3.3.2.2. Язык последовательного бинарного выбора

1.3.3.2.3. Обобщенный язык функций выбора

1.3.3.2.4. Групповой выбор

1.3.3.3. Выбор в условиях неопределенности

1.3.3.3.1. Информационная (статистическая) неопределенность в исходных данных

1.3.3.3.2. Неопределенность последствий

1.3.3.3.3. Расплывчатая неопределенность

1.3.3.4. Решение как компромисс и баланс различных интересов. О некоторых ограничениях оптимизационного подхода

1.3.3.5. Экспертные методы выбора

1.3.3.6. Юридическая ответственность за решения, принятые с применением систем поддержки принятия решений

1.3.3.7. Условия корректности использования систем поддержки принятия решений

1.3.3.8. Хранилища данных для принятия решений

1.3.4. ЛЕКЦИЯ-10. Экспертные системы

1.3.4.1. Экспертные системы, базовые понятия

1.3.4.2. Экспертные системы, методика построения

1.3.4.3. Этап-1: "Идентификация"

1.3.4.4. Этап-2: "Концептуализация"

1.3.4.5. Этап-3: "Формализация"

1.3.4.6. Этап-4: "Разработка прототипа"

1.3.4.7. Этап-5:"Экспериментальная эксплуатация"

1.3.4.8. Этап-6: "Разработка продукта"

1.3.4.9. Этап-7: "Промышленная эксплуатация"

1.3.5. ЛЕКЦИЯ-11. Нейронные сети

1.3.5.1. Биологический нейрон и формальная модель нейрона Маккалоки и Питтса

1.3.5.2. Возможность решения простых задач классификации непосредственно одним нейроном

1.3.5.3. Однослойная нейронная сеть и персептрон Розенблата

1.3.5.4. Линейная разделимость и персептронная представляемость

1.3.5.5. Многослойные нейронные сети

1.3.5.5.1. Многослойный персептрон

1.3.5.5.2. Модель Хопфилда

1.3.5.5.3. Когнитрон и неокогнитрон Фукушимы

1.3.5.6. Проблемы и перспективы нейронных сетей

1.3.5.7. Модель нелокального нейрона и нелокальные интерпретируемые нейронные сети прямого счета

1.3.5.7.1. Метафора нейросетевого представления семантической информационной модели

1.3.5.7.2. Соответствие основных терминов и понятий

1.3.5.7.3. Гипотеза о нелокальности нейрона и информационная нейросетевая парадигма

1.3.5.7.4. Решение проблемы интерпретируемости весовых коэффициентов (семантическая мера целесообразности информации и закон Фехнера)

1.3.5.7.5. Семантическая информационная модель, как нелокальная нейронная сеть

1.3.5.7.6. Гипотеза о физической природе нелокального взаимодействия нейронов в нелокальной нейронной сети

1.3.5.7.7. Решение проблемы интерпретируемости передаточной функции

1.3.5.7.8. Решение проблемы размерности

1.3.5.7.9. Решение проблемы линейной разделимости

1.3.5.7.10. Моделирование причинно-следственных цепочек в нейронных сетях и семантической информационной модели

1.3.5.7.11. Моделирование иерархических структур обработки информации

1.3.5.7.12. Нейронные сети и СК-анализ

1.3.5.7.13. Графическое отображение нейронов, Паррето-подмножеств нелокальной нейронной сети, семантических сетей, когнитивных карт и диаграмм в системе "Эйдос"

1.3.6. ЛЕКЦИЯ-12. Генетические алгоритмы и моделирование биологической эволюции

1.1.6.1. Основные понятия, принципы и предпосылки генетических алгоритмов

1.1.6.2. Пример работы простого генетического алгоритма

1.1.6.3. Достоинства и недостатки генетических алгоритмов

1.1.6.4. Примеры применения генетических алгоритмов

1.3.7. ЛЕКЦИЯ-13. Когнитивное моделирование

1.3.7.1. Определение основных понятий: "Когнитивное моделирование" и "Классическая когнитивная карта", их связь с когнитивной психологией и гносеологией

1.3.7.2. Когнитивная (познавательно-целевая) структуризация знаний об исследуемом объекте и внешней для него среды на основе PEST-анализа и SWOT-анализа

1.3.7.3. Разработка программы реализации стратегии развития исследуемого объекта на основе динамического имитационного моделирования(при поддержке программного пакета Ithink)

1.3.8. ЛЕКЦИЯ-14. Выявление знаний из опыта (эмпирических фактов) и интеллектуальный анализ данных (data mining)

1.3.8.1. Интеллектуальный анализ данных

1.3.8.2. Типы выявляемых закономерностей

1.3.8.2.1. Ассоциация

1.3.8.2.2. Последовательность

1.3.8.2.3. Классификация

1.3.8.2.4. Кластеризация

1.3.8.2.5. Прогнозирование

1.3.8.3. Математический аппарат

1.3.8.3.1. Деревья решений

1.3.8.3.2. Регрессионный анализ

1.3.8.3.3. Нейронные сети

1.3.8.3.4. Временные ряды

1.3.8.4. Области применения технологий интеллектуального анализа данных

1.3.8.4.1. Розничная торговля

1.3.8.4.2. Банковская деятельность

1.3.8.4.3. Страховой бизнес

1.3.8.4.4. Производство

1.3.8.5. Автоматизированные системы для интеллектуального анализа данных

РАЗДЕЛ 1.4. ПРИМЕНЕНИЕ И ПЕРСПЕКТИВЫ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

1.4.1. ЛЕКЦИЯ-15. Области применения систем искусственного интеллекта

1.4.1.1. Обзор опыта применения АСК-анализа для управления и исследования социально-экономических систем

1.4.1.1.1. Синтез и решение задач управления качеством подготовки специалистов

1.4.1.1.2. Экономические исследования

6.1.3.1. Маркетинговые исследования

6.1.3.2. Рекламные исследования

1.4.1.1.3. Социологические и политологические исследования

1.4.1.2. Поддержка принятия решений по выбору агротехнологий, культур и пунктов выращивания

1.4.1.2.1. Поддержка принятия решений по выбору агротехнологий

1.4.1.2.2. Поддержка принятия решений по выбору культур и пунктов выращивания

1.4.1.3. Прогнозирование динамики сегмента рынка

1.4.1.3.2. Когнитивная структуризация и формализация предметной области

1.4.1.3.3. Исходные данные для прогноза: биржевые базы данных

1.4.1.3.4. Формирование точечных прогнозов

1.4.1.3.5. Формирование средневзвешенного прогноза

1.4.1.3.6. Оценка адекватности модели. Зависимость достоверности прогнозирования от разброса точечных прогнозов

1.4.1.3.7. Детерминистские и бифуркационные участки траектории

1.4.1.3.8. Прогнозирования времени перехода системы в бифуркационное состояние

1.4.1.3.9. Исследование семантической информационной модели

1.4.1.4. Анализ динамики макроэкономических состояний городов и районов на уровне субъекта Федерации в ходе экономической реформы (на примере Краснодарского края) и прогнозирование уровня безработицы (на примере Ярославской области)

1.4.2. ЛЕКЦИЯ-16. Перспективы развития систем искусственного интеллекта, в т.ч. в Internet

1.4.2.1. Ограничения АСК-анализа и обоснованное расширение области его применения на основе научной индукции

1.4.2.2. Перспективы применения АСК-анализа в управлении

1.4.2.2.1. Оценка рисков страхования и кредитования предприятий

1.4.2.2.2. Мониторинг, прогнозирование и управление в финансово-экономической сфере

1.4.2.2.3. Некоторые перспективные области применения АСК-анализа

1.4.2.3. Развитие АСК-анализа

1.4.2.3.1. Многоагентные распределенные системы обнаружения, накопления и использования знаний в Internet

1.4.2.3.2. Развитие АСК-анализа с применением теории нечетких множеств и неклассической логики

1.4.2.3.3. Динамика взаимодействующих семантических пространств и создание континуального АСК-анализа

1.4.2.4. Другие перспективные области применения АСК-анализа и систем искусственного интеллекта

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

КРАТКИЙ СЛОВАРЬ ТЕРМИНОВ ПО СК-АНАЛИЗУ И СИСТЕМАМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Помощь с написанием учебных работ

Книги и учебники по дисциплине Искусственный интеллект:

- Автоматизация - Информатика - Информационная безопасность - Информационные технологии - Искусственный интеллект - Математическое моделирование, численные методы и комплексы программ - Общая теория систем (ОТС) -

- Безопасность жизнедеятельности и охрана труда - Химические науки - Бизнес и заработок - Горно-геологическая отрасль - Домашнему мастеру - Естественные науки‎ - Зарубежная литература - Информатика, вычислительная техника и управление - Искусство. Культура - История - Литературоведение. Фольклор - Международные отношения и политические дисциплины - Науки о Земле - Общеобразовательные дисциплины - Педагогика, образование, воспитание - Промышленность - Психология - Религиоведение - Социология - Строительство - Техника - Транспорт - Филология - Философские науки - Экология - Экономика - Юридические дисциплины -