Sztuczna inteligencja B. Informacje szczegółowe
Transkrypt
Sztuczna inteligencja B. Informacje szczegółowe
Sztuczna inteligencja B. Informacje szczegółowe Elementy składowe przedmiotu Nazwa przedmiotu Kod przedmiotu Nazwa kierunku Nazwa jednostki prowadzącej kierunek Język przedmiotu Liczba godzin zajęć dydaktycznych oraz forma prowadzenia zajęć Rok studiów / semestr Liczba punktów ECTS Prowadzący Treści merytoryczne przedmiotu Efekty kształcenia wraz ze sposobem ich weryfikacji Forma i warunki zaliczenia przedmiotu Wykaz literatury podstawowej i uzupełniającej Opis Sztuczna inteligencja 0600-IS1-3SZI Informatyka Wydział Matematyki i Informatyki, Instytut Informatyki polski Wykład, 30 godz. III / 6 4 dr hab. Anna Gomolińska, prof. UwB Reprezentacja i odkrywanie wiedzy z wykorzystaniem zbiorów przybliżonych oraz z wykorzystaniem zbiorów rozmytych. Sztuczne sieci neuronowe i algorytmy ich uczenia. Wybrane metody klasyfikacji. Metody grupowania danych. Metody heurystyczne przeszukiwania przestrzeni stanów. Algorytmy ewolucyjne. Student wie, jakimi zagadnieniami zajmuje się sztuczna inteligencja (AI) oraz jakie są ograniczenia obecnie stosowanych metod i narzędzi AI. Student wie, czym są zbiory przybliżone oraz zbiory rozmyte; zna podstawowe pojęcia teoretyczne z nimi związane; zna podstawowe metody i techniki stosowane w obu podejściach oraz możliwości zastosowań. Student wie, czym są sztuczne sieci neuronowe i zna ich podstawowe rodzaje; zna podstawowe algorytmy uczenia sieci oraz przykładowe zastosowania. Student wie, na czym polega zagadnienie klasyfikacji obiektów i zna podane na wykładzie metody klasyfikacji. Student wie, na czym polega zagadnienie grupowania danych i zna podane na wykładzie metody grupowania. Student zna podstawowe metody heurystyczne przeszukiwania przestrzeni stanów. Student wie, czym są algorytmy ewolucyjne, zna przykłady takich algorytmów oraz wie, do jakich zagadnień można je stosować. Sposób weryfikacji osiągnięcia efektów: egzamin pisemny. Zaliczenie przedmiotu w formie egzaminu pisemnego. Warunkiem dopuszczenia do egzaminu jest uzyskanie oceny co najmniej dostatecznej z laboratorium i projektu. W razie nieobecności na wykładzie student ma obowiązek samodzielnie nadrobić zaległości. Literatura podstawowa: 1. Russell, S. J., Norvig, P., Artificial Intelligence. A Modern Approach, Prentice Hall, 2003. 2. Rutkowski, L., Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa, 2009. 3. Flasiński, M., Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa, 2011. Literatura uzupełniająca: 1. Cichosz, P., Systemy uczące się, Wydawnictwa Naukowo-Techniczne, Warszawa, 2009. 2. Michalewicz, Z., Algorytmy genetyczne + struktury danych = Programy ewolucyjne, Wydawnictwa Naukowo-Techniczne, Warszawa, 2003. 3. Pawlak, Z., Systemy informacyjne. Podstawy teoretyczne, Wydawnictwo Naukowo-Techniczne, Warszawa, 1983. 4. Rutkowska, D., Piliński, M., Rutkowski, L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa, 2004. 5. Tadeusiewicz, R., Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, Akademicka Oficyna Wydawnicza PLJ, Warszawa, 1998.