Algorytmy sztucznej inteligencji W4-IN-IS-N2-19-2-ASI
Laboratorium (L) semestr letni 2020/2021

1. Cichosz P.: Systemy uczące się, WNT 2001

2. Russel S., Norvig P., Artificial Intelligence: A Modern Approach. Prentice Hall,2010

3. Łęski J., Systemy neuronowo-rozmyte, WNT, 2008

4. Koronacki J., Ćwik J., Statystyczne systemy uczące się, Exit, 2008

5. Tadeusiewicz R., Sieci Neuronowe, AOW, Zbiory biblioteki AGH, 1993

1. Kasperski M., Sztuczna inteligencja, Helion, 2003

2. Traczyk W. [red.], Problemy sztucznej inteligencji, Wiedza i Życie, Warszawa 1995

3. Rutkowski L., Metody i techniki sztucznej inteligencji, PWN, 2012

4. Stąpor K., Automatyczna klasyfikacja obiektów, Exit, 2005

1. Geneza sztucznej inteligencji, podstawowe definicje, typy metod sztucznej inteligencji.

2. Logika rozmyta i zbiory rozmyte. Typy funkcji rozmytych, omówienie procesów rozmywania i wyostrzania. Wnioskowanie rozmyte.

3. Podstawy sieci neuronowych. Uczenie się sieci neuronowych. Topologia sieci neuronowych. Klasyfikacja z użyciem sieci neuronowych.

4. Algorytmy klasyfikacji danych: drzewa klasyfikacyjne, naiwny klasyfikator Bayesa, algorytm kNN.

Planowane jest wykonanie projektów: z zakresu klasyfikacji danych, logiki rozmytej i sieci neuronowych. W ramach logiki rozmytej planuje się projekt systemu wnioskowania rozmytego i do niej wykonanie sprawozdania opisującego poszczególne elementy takiego systemu. W ramach sieci neuronowych planowane jest przygotowanie modelu sieci neuronowej dla wybranego zbioru danych w narzędziu Statistica bądź podobnym. Do modelu ma być przygotowane sprawozdanie, które będzie opisywało poszczególne etapy tworzenia i wykorzystania stworzonej sieci neuronowej.

Sprawozdanie powinno zawierać opis problemu, procedurę jego rozwiązania, opis narzędzia, które wykorzystano do rozwiązania problemu, wnioski i literaturę z której student korzystał. Format sprawozdania określony jest na laboratorium; oceniana jest kompletność przedstawionego sprawozdania.

Skala ocen zgodna z regulaminem studiów;