Sztuczna inteligencja i systemy ekspertowe 2401-K-MF-SISE

Celem wykładu jest zapoznanie studenta z najważniejszymi technikami badawczymi Sztucznej Inteligencji.

1. Wprowadzenie: Rys historyczny, systemy ekspertowe, robotyka, przetwarzanie mowy i języka naturalnego, strategie wyszukiwania, inteligencja mrówek, sztuczne życie,

2. Metody reprezentacji wiedzy z wykorzystaniem zbiorów przybliżonych: pojęcia podstawowe, aproksymacja zbioru, aproksymacja rodziny zbiorów, analiza tablic decyzyjnych, zastosowanie programu LERS

3. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 1: podstawowe pojęcia i definicje, operacje na zbiorach rozmytych, zasada rozszerzania, liczbty rozmyte, normy trójkątne i negacje,, relacje rozmyte i ich właściwości, przybliżone wnioskowanie, podstawowe reguły wnioskowania w logice dwuwartościowej, podstawowe reguły wnioskowania w logice rozmytej, reguły wioskowania dla modelu Mamdaniego, reguły wnioskowania dla modelyu logicznego, rozmyte systemy wnioskujące, baza reguł, blok rozmywania, blok wnioskowania, blok wyostrzania, zastosowania zbiorów rozmytych, rozmyta metoda Delphi, ważona rozmyta metoda Delphi, rozmyta metoda PERT, podejmowanie decyzji w otoczeniu rozmytym.

4 Metody reprezentacji wiedzy z wykorzystaniem zbioró rozmytych typu 2.

5. Sieci neuronowe, algorytmy ewolucyjne, metody grupowania danych, systemy neuronowo-rozmyte.

W cyklu 2022/23L:

Celem wykładu jest zapoznanie studenta z najważniejszymi technikami badawczymi Sztucznej Inteligencji. W wykładzie będziemy podążali głównie za wykładem tematu przedstawionym w książce Russella i Norviga (2023)

1. Wprowadzenie i informacje wstępne;
2. Czym jest sztuczna inteligencja?. Podstawy sztucznej inteligencji; Historia sztucznej inteligencji;
3. Inteligentni agencji (rodzaje i struktury);
4. Rozwiązywanie problemów i przez wyszukiwanie;
5. Wyszukiwanie w złożonych środowiskach;
6. Wyszukiwanie antagonistyczne (teoria gier);
7. Problem spełniania ograniczeń;
8. Logiczni agenci i wnioskowanie w logice pierwszego rzędu;
9. Reprezentacje wiedzy (ontologie);
10. Planowanie;
11. Kwantyfikowanie niepewności;
12. Rachunek prawdopodobieństwa i wnioskowania probabilistyczne A;
13. Rachunek prawdopodobieństwa i wnioskowania probabilistyczne B;
14. Nowe trendy w AI i wyzwanie etyczne związane z AI;
15. Zaliczenie i podsumowanie zajęć.

W cyklu 2023/24L:

Całkowity nakład pracy studenta

Godziny realizwane z udziałem nauczyciela (godz.) udział w wykładach 30 konslutacje w nauczycielem akademickim 1 Czas poświęcony na pracę indywidualną studenta ( godz.): np. - przygotowanie do wykładu- 3 - czytanie literatury- 6 - przygotowanie do egzaminu- 5 Łącznie: 45 godz. 3 ECTS)

Efekty uczenia się - wiedza

W1: Zna zarys historii Sztucznej Inteligencji - K_W17 W2: Posiada szczegółowa znajomości teorii zbiorów przybliżonych - K_W17 W3: Posiada szczegółowa znajomości teorii zbiorów i systemów rozmytych - K_W17

Efekty uczenia się - umiejętności

U1. Portafi konstruować modele baz danych za pomocą zbiorów przybliżonych - K_U13 U2 Portafi wyprowadzać reguły wnioskowania w modelach informacyjncyh - K_U13 U3. Portafi konstruować modele baz danych za pomocą zbiorów rozmytych - K_U13 U4. Portafi konstruować systemy wnioskujące za pomocą zbiorów rozmytych. - K_U13

Efekty uczenia się - kompetencje społeczne

K1: Wyszukuje rozwiązań problemów związanych z systemami ekspertowymi i systemami rozmytymi oraz potrafi zastosować odpowiednie techniki Sztucznej Inteligencji do ich rozwiązania. K_K01, K_K02, K_K03

Metody dydaktyczne

Wykład informacyjny (konwencjonalny) Wykład problemowy Wykład konwersatoryjny

Metody dydaktyczne podające

- wykład informacyjny (konwencjonalny)
- wykład konwersatoryjny
- wykład problemowy

Rodzaj przedmiotu

kanon (atrybut wycofany)

Wymagania wstępne

Brak

Koordynatorzy przedmiotu

Przemysław Nowakowski

Kryteria oceniania

zaliczenie na stopień w formie pisemnej w postaci szczegółowych zadań dotyczących Systewów Ekspertowych oraz metod Zbiorów i Systemów rozmytych.

Praktyki zawodowe

nie

Literatura

Leszek Rutkowski Metody i techniki Sztucznje Inteligencji

S. Russell, Peter Norvig Artificial Intelligence A modern Approach

W cyklu 2022/23L:

1. S. Russell, Peter Norvig Stuczna inteligencja. Nowe spojrzenie, Helion 2023 (tom I & II)
2. Rishal Hurbans, Algorytmy sztucznej inteligencji. Ilustrowany przewodnik, Helion, 2021
3. Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin's Press

W cyklu 2023/24L:

Uwagi

W cyklu 2022/23L:

Kryteria zaliczenia:

Prezentacja dotycząca wybranego algorytmu AI.

W cyklu 2023/24L:

Kryteria zaliczenia:

Prezentacja dotycząca wybranego algorytmu AI.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 2401-K-MF-SISE w USOSweb