Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Metody sztucznej inteligencji
Tok studiów:
2014/2015
Kod:
IIN-1-503-s
Wydział:
Informatyki, Elektroniki i Telekomunikacji
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka
Semestr:
5
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
prof. dr hab. inż. Dobrowolski Grzegorz (grzela@agh.edu.pl)
Osoby prowadzące:
prof. dr hab. inż. Dobrowolski Grzegorz (grzela@agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Zna i rozumie podstawowe pojęcia sztucznej inteligencji (SI) i inżynierii wiedzy IN1A_W10 Kolokwium
M_W002 Zna i rozumie podstawowe zagadnienia SI objęte programem IN1A_W10 Kolokwium
M_W003 Rozumie podstawowe narzędzia SI oparte na metodach objętych programem IN1A_W10 Kolokwium
Umiejętności
M_U001 Potrafi posługiwać się współczesnymi narzędziami opartymi na metodach SI objętych programem IN1A_U14 Wynik testu zaliczeniowego
M_U002 Potrafi rozwiązywać proste zadania modelowania z użyciem narzędzi SI objętych programem IN1A_U14 Wykonanie ćwiczeń laboratoryjnych
Kompetencje społeczne
M_K001 Pracować w zespole IN1A_U14 Wykonanie ćwiczeń laboratoryjnych
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Zna i rozumie podstawowe pojęcia sztucznej inteligencji (SI) i inżynierii wiedzy + - + - - - - - - + -
M_W002 Zna i rozumie podstawowe zagadnienia SI objęte programem + - - - - - - - - - -
M_W003 Rozumie podstawowe narzędzia SI oparte na metodach objętych programem + - - - - - - - - - -
Umiejętności
M_U001 Potrafi posługiwać się współczesnymi narzędziami opartymi na metodach SI objętych programem + - - - - - - - - - -
M_U002 Potrafi rozwiązywać proste zadania modelowania z użyciem narzędzi SI objętych programem + - - - - - - - - - -
Kompetencje społeczne
M_K001 Pracować w zespole + - - - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:
  1. Podstawowe pojęcia

    Charakterystyka obszaru problemowego i pojęcia podstawowe. Pojęcie agenta i jego środowiska. Klasyfikacja metod SI. Modele reprezentacji wiedzy

  2. Reprezentacja wiedzy za pomocą języków logik

    Właściwości języków logik z punktu widzenia modelowania oraz wnioskowania jako istotnego elementu tych modeli. Panorama logik i języków.

  3. Język predykatów pierwszego rzędu

    Repertorium w aspekcie modelowania. Właściwości i ograniczenia dla procesu modelowania (siła wyrazu, właściwości rezonerów). Konsekwentny przykład konstrukcji modelu.

  4. Język rachunku sytuacji

    Repertorium w aspekcie modelowania. Właściwości i ograniczenia dla procesu modelowania (siła wyrazu). Konsekwentny przykład konstrukcji modelu.

  5. Narzędzia programistyczne oparte na języku predykatów pierwszego rzędu

    Forward- and backward-chaining. Programowanie logiczne (Prolog), teorem provers, systemy regułowe (JESS).

  6. Wprowadzenie do języka Prolog

    Leksyka, syntaktyka, semantyka. Przetwarzanie kodu źródłowego.

  7. Teoria zbiorów rozmytych i logika rozmyta

    Elementy teorii zbiorów, logika rozmyta. Rozumowanie rozmyte. Właściwości i ograniczenia dla procesu modelowania.

  8. Narzędzia oparte na języku logiki rozmytej

    Regulatory rozmyte. Rozmyte systemy regułowe – fuzyfikacja, obliczanie przesłanek i konkluzji, defuzyfikacja. System Mamdaniego.

  9. Wprowadzanie do algorytmów genetycznych

    Przykładowe metody kodowania operatory wariacyjne, selekcji, własności algorytmów ewolucyjnych jako metody optymalizacji globalnej.

  10. Wprowadzanie do sieci neuronowych

    Podstawowe struktury i algorytmy uczenia sieci neuronowych, własność generalizacji, niedouczenie i przeuczenie, popularne środowiska wspomagające tworzenie i uczenie sieci neuronowych.

  11. Podstawy automatycznego planowania

    Definicja. Podejście STRIPS. Plan częściowo i całkowicie uporządkowany. Grafy planowania – Graphplan. Planowanie HTN

  12. Podstawy teorii gier

    Sposoby reprezentacji gier. Użyteczność. Podstawowe pojęcia – strategia gracza, wektor wypłat, równowaga Nasha, optymalność Pareto. Dylemat więźnia. Targi.

Ćwiczenia laboratoryjne:
  1. Programowanie w języku Prolog

    Programowanie w języku Prolog

  2. Budowanie systemów regułowych

    Budowanie systemów regułowych

  3. Projektowanie i implementacja sterowników rozmytych

    Projektowanie i implementacja sterowników rozmytych

  4. Optymalizacja przy użyciu metod ewolucyjnych

    Optymalizacja przy użyciu metod ewolucyjnych

  5. Wybrane algorytmy planowania

    Wybrane algorytmy planowania

  6. Budowa chat-botów przy użyciu języka AIML

    Budowa chat-botów przy użyciu języka AIML

  7. Sieci neuronowe

    Sieci neuronowe

Inne:
inne

inne

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 100 godz
Punkty ECTS za moduł 3 ECTS
Udział w wykładach 28 godz
Samodzielne studiowanie tematyki zajęć 32 godz
Udział w zajęciach praktycznych 30 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp. 10 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

1. Aby uzyskać pozytywną ocenę końcową niezbędne jest uzyskanie pozytywnej oceny z ćwiczeń laboratoryjnych oraz kolokwium.
2. Obliczona zostaje średnia arytmetyczna (sr) z ocen zaliczenia i kolokwium uzyskanych we wszystkich terminach.
3. Wyznaczona zostaje ocena końcowa (OK) na podstawie zależności:
if sr>4.5 then OK:=5.0 else
if sr>4.0 then OK:=4.5 else
if sr>3.5 then OK:=4.0 else
if sr>3.0 then OK:=3.5 else OK:=3.0

Wymagania wstępne i dodatkowe:

Znajomość: logiki (w zakresie odpowiadającym), podstaw algorytmiki

Zalecana literatura i pomoce naukowe:

L.Rutkowski: Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2009
S. J. Russell and P. Norvig: Artificial Intelligence: A Modern Approach, Prentice Hall International, 1995
N. J. Nilsson: Artificial Intelligence: A New Synthesis, Morgan Kaufmann Publishers, 1998

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak