PODSTAWY SZTUCZNEJ INTELIGENCJI
Informacje ogólne
Kod przedmiotu: | 03-IN-S1-PSI315 |
Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
Nazwa przedmiotu: | PODSTAWY SZTUCZNEJ INTELIGENCJI |
Jednostka: | Wydział Matematyki, Fizyki i Chemii |
Grupy: |
Przedmioty obowiązkowe - 4 sem. informatyki /stacjonarne I stopnia/ |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | polski |
Rodzaj przedmiotu: | obowiązkowy |
Skrócony opis: |
Celem przedmiotu jest omówienie podstawowych metod sztucznej inteligencji, w tym systemów ekspertowych, technik wnioskowania, przeszukiwania przestrzeni stanów oraz uczenia maszynowego |
Pełny opis: |
W ramach przedmiotu omawiane będą następujące zagadnienia: Sformułowanie zadania wnioskowania. Systemy ekspertowe – budowa bazy wiedzy, baza wiedzy z ograniczeniami. Wiedza przybliżona w systemach ekspertowych. Wnioskowanie w przód i wstecz. Wnioskowanie w deklaratywnym języku PROLOG, przykładowe predykaty. Budowa i przykłady systemów automatycznego wnioskowania. Zadanie przeszukiwania przestrzeni stanów. Pojęcie stanu początkowego, operatora stanów, stanu końcowego. Strategie przeszukiwania w głąb i wszerz, wybrane strategie przeszukiwania heurystycznego, algorytm przeszukiwania z nawrotami. Strategie gier dwuosobowych, algorytm min max, przycinanie alfa-beta. Uczenie maszynowe, omówienie zasady uczenia z nauczycielem, ocena wyniku uczenia nadzorowanego. Pojęcie funkcji błędu, problem generalizacji, rola zbioru trenującego, testowego. Zadanie uczenia klasyfikacji. Sztuczne sieci neuronowe. Model sztucznego neuronu, funkcje aktywacji. Metody uczenia perceptronu wielowarstwowego, algorytm wstecznej propagacji błędu. Uczenie nienadzorowane, aglomeracyjny algorytm grupowania hierarchicznego, algorytmy z optymalizacją funkcji kryterialnej. |
Literatura: |
1. G. Luger: Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Addison- Wesley, 2005. 2. Cichosz: Systemy uczące się, WNT 2007. 3. A. Niederliński: Regułowe systemy ekspertowe, Wyd. Pracowni Komputerowej Jacka Skalmierskiego, 2000. 4. J. Żurada, M. Barski, M. Jędruch: Sztuczne sieci neuronowe, PWN 1996. |
Efekty uczenia się: |
Ma podstawową wiedzę o metodach sztucznej inteligencji Posiada umiejętność opisywania przestrzeni problemu Posiada umiejętność dobierania algorytmu przeszukiwania heurystycznego do specyfiki problemu |
Metody i kryteria oceniania: |
Egzamin pisemny obejmujący zagadnienia omawiane na wykładzie. Warunkiem przystąpienia do egzaminu jest zaliczenie laboratorium na ocenę pozytywną. Ocenę z egzaminu, w zależności od zdobytej łącznej liczby punktów, określa się następująco: [0; 5) ndst (2.0) [5; 7) dst (3.0) [7; 8) dst + (3.5) [8; 10) db (4.0) [10; 11) db + (4.5) [11; 12] bdb (5.0) |
Właścicielem praw autorskich jest Uniwersytet Ślaski w Katowicach.