Sztuczna inteligencja
Transkrypt
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