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.