Sztuczna inteligencja

SYLABUS PRZEDMIOTU
JEDNOSTKA Katedra Informatyki i Metod Komputerowych
KIERUNEK INFORMATYKA
SPECJALNOŚĆ/
informatyka z językiem angielskim
SPECJALIZACJA
NAZWA Sztuczna inteligencja
NAZWA W J. ANG. Artificial Intelligence
KOD K8
STUDIA
PUNKTACJA ECTS 2
STACJONARNE
NIESTACJONARNE
III
ROK STUDIÓW
6
SEMESTR
KOORDYNATOR dr inż. Tomasz Hachaj
ZESPÓŁ DYDAKTYCZNY
dr inż. Tomasz Hachaj
Celem przedmiotu jest zapoznanie studentów z metodami sztucznej inteligencji i ich zastosowaniami w
ZAŁOŻENIA I CELE
PRZEDMIOTU rowziązywaniu problemów technicznych i naukowych.
WARUNKI WSTĘPNE
WIEDZA
UMIEJĘTNOŚCI Znajomość języka JAVA oraz C++.
KURSY
EFEKTY KSZTAŁCENIA
- Zapoznanie studentów z podstawowymi zagadnienia sztucznej inteligencji.
- Twarda / miękka sztuczna inteligencja (test Turinga, chiński pokój).
- Problemy przetwarzania języka naturalnego (efekt Elizy).
- Metodami przetwarzania i rozpoznawania obrazów.
- Reprezentacja wiedzy i wnioskowanie
WIEDZA - Systemy ekspertowe
- Zbiory rozmyty
- Wnioskowanie w oparciu o wiedzę niepełną / niepewną.
- Przeszukiwanie z ograniczeniami
- Heurystyczne metody klasyfikacji i optymalizacji (sieci neuronowe, algorytmy ewolucyjne).
- Sztuczne życie
- Praktyczne przygotowanie studentów do zastosowania wiedzy zdobytej na wykładzie w rozwiązywaniu
problemów, z którymi mogą spotkać się w pracy zawodowej.
- Opisywania przestrzeni problemu wyrażonego w języku naturalnym w terminach stanów, operatorów,
stanu pocz tkowego i docelowego
- Dobierania algorytmu przeszukiwania heurystycznego do specyfiki problemu
UMIEJĘTNOŚCI
- Zapoznanie studentów z gotowymi pakietami oprogramowania / bibliotekami, na których będą mogli
bazować przy projektowaniu własnych rozwiązań.
- Rozwiązywanie problemów optymalizacyjnych przy pomocy algorytmów genetycznych
- Implementacji przeszukiwania typu mini-max
- Rozwiązywania problemów przeszukiwania z ograniczeniami za pomoc algorytmu z nawrotami
- Projektowanie sieci neuronywch przeznaczonych do zadań klasyfikacji
- Zastosowanie języka AIML w celu tworzenia botów internetowych
- Tworzenie systemów ekspertowych przy użyciu aplikacji RMSE
- Rozwiązywanie zagadnień z zakresu przetwarzania obrazów (detekcja ruchu, preprocessing) przy użyciu
dedykowanych bibliotek
- Tworzenie "sztucznych organizmów" i badanie ich przystosowania przy użyciu aplikacji Framstick
METODY NAUCZANIA
WYKŁAD:
ĆWICZENIA:
informacyjny
prelekcja
dyskusja
problemowy
praca zespołowa – projekt
instruktaż
konwersatoryjny
praca indywidualna – ćwiczenia praktyczne
ćwiczenia produkcyjne
inny (jaki)
pokaz z objaśnieniem
inne (jakie)
platforma Moodle
Elementy kształcenia zdalnego:
inne (jakie)
ORGANIZACJA
FORMA ZAJĘĆ
ĆWICZENIA W GRUPACH
WYKŁAD (W)
A
STUDIA
STACJONARNE
LICZBA
GODZIN
K
L
10
S
P
20
STUDIA
NIESTACJONARNE
FORMY SPRAWDZANIA EFEKTÓW KSZTAŁCENIA
W
A
K
L
Ocena na podstawie cząstkowych ocen uzyskanych na poszczególnych laboratoriach (sprawozdania, projekty).
S
P
FORMA ZALICZENIA
egzamin
zaliczenie z oceną
zaliczenie
OCENA
UWAGI
PODSTAWOWA
Leszek Rutkowski, Metody i techniki sztucznej
inteligencji (wydanie I), Wydawnictwo Naukowe
PWN 2006
A. Niederliński, Regułowo-Modelowe Systemy
Ekspertowe, Wydawnictwo pracowni komputerowej
Jacka Skalmierskiego, 2006
LITERATURA
Włodzimierz Duch, Józef Korbicz, Leszek Rutkowski,
Ryszard Tadeusiewicz, Sieci neuronowe Tom 6, Exit
2000
Literatura uzupełniająca
Włodzimierz Kasprzak, Rozpoznawanie obrazów i
sygnałów mowy, Oficyna Wydawnicza Politechniki
Warszawskiej, 2009
ZMIANY:
UZUPEŁNIAJĄCA
http://www.alicebot.org/aiml.html
Richard O. Duda, Peter E. Hart, David G. Stork,
Pattern Classification (2nd Edition), A WileyInterscience Publication, 2001