Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Wprowadzenie do sztucznej inteligencji
Koordynator przedmiotu:
Dr inż. Felicja Okulicka-Dłużewska
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Informatyka i Systemy Informacyjne
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
1120-IN000-ISP-XXXX
Semestr nominalny:
6 / rok ak. 2021/2022
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
.
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
.
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
.
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia0h
  • Laboratorium30h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Programowanie 2 – obiektowe, Programowanie 3 – zaawansowane, Algorytmy i struktury danych 1 i 2
Limit liczby studentów:
.
Cel przedmiotu:
Celem przedmiotu jest zapoznanie studentów z podstawowymi pojęciami z dziedziny metod sztucznej inteligencji oraz nabycie przez nich umiejętności teoretycznych i praktycznych z zakresu modelowania systemów decyzyjnych opartych na przeszukiwaniu heurystycznym, automatycznym wnioskowaniu poprzez zasadę rezolucji oraz przetwarzania wiedzy zamodelowanej przy pomocy zbiorów rozmytych i przybliżonych. Po ukończeniu kursu studenci powinni znać podstawowe pojęcia z metod sztucznej inteligencji oraz posiadać umiejętność: - modelowania problemów przeszukiwania przy pomocy grafów, - zaprojektowania i implementacji odpowiedniej metody heurystycznej wraz z heurystyką, - modelowania problemów w logice i przeprowadzenia prostego wywodu rezolucyjnego, - modelowania problemów z niepełną informacją przy pomocy zbiorów przybliżonych i wnioskowania, - modelowania problemów z niepełną informacją przy pomocy zbiorów rozmytych i wnioskowania w logice rozmytej, - skonstruowania prostego systemu eksperckiego.
Treści kształcenia:
Modelowanie przy pomocy grafów. Strategie przeszukiwania heurystycznego dla grafów OR ( w głąb, wszerz, baktraking, best first, uniform cost, A*). Strategie przeszukiwania heurystycznego dla grafów AND/OR (konwencje: min-max, neg-max, a-b prunning, SSS*, SCOUT). Metody automatycznego wnioskowania, zasada rezolucji. Algorytmy genetyczne – podstawy działania.
Metody oceny:
W ramach laboratorium studenci uruchamiają program w dowolnym języku. Do zaliczenia wymagane jest przedstawienie programu, przetestowanie go i zinterpretowanie wyników. Warunkiem dopuszczenia do egzaminu jest zaliczenie laboratorium. Egzamin składa się z części pisemnej i ustnej. Na ocenę ostateczną składają się: ocena z laboratorium z wagą 0.4 oraz ocena z egzaminu z wagą 0.6.
Egzamin:
tak
Literatura:
1. Skrypt przygotowany przez prowadzącego. 2. J. Pearl, Heuristics. 3. L. Bolc, J. Cytowski, Metody przeszukiwania heurystycznego. 4. S.C. Shapiro, Encyclopedia of AI.
Witryna www przedmiotu:
.
Uwagi:
.

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka W01
Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie sztucznej inteligencji
Weryfikacja: egzamin pisemny
Powiązane charakterystyki kierunkowe: K_W07
Powiązane charakterystyki obszarowe:
Charakterystyka W02
Ma szczegółową wiedzę z zakresu sztucznej inteligencji
Weryfikacja: egzamin pisemny
Powiązane charakterystyki kierunkowe: K_W08
Powiązane charakterystyki obszarowe:
Charakterystyka W03
Zna podstawowe metody, techniki i narzędzia stosowane przy rozwiązywaniu prostych zadań informatycznych z zakresu sztucznej inteligencji
Weryfikacja: egzamin pisemny
Powiązane charakterystyki kierunkowe: K_W12
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - umiejętności

Charakterystyka U01
Potrafi modelować problemy przy pomocy grafów stanów i wykorzystać wiedzę teoretyczną do analizy i rozwiązania tych problemów
Weryfikacja: egzamin pisemny
Powiązane charakterystyki kierunkowe: K_U03, K_U04
Powiązane charakterystyki obszarowe:
Charakterystyka U02
Ma umiejętność rozwiązywania prostych zagadnień z zakresu sztucznej inteligencji, formułowania algorytmów i projektowania prostych systemów informatycznych
Weryfikacja: ocena wykonanego projektu
Powiązane charakterystyki kierunkowe: K_U23
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Charakterystyka K01
Potrafi wykazać się skutecznością w realizacji projektów o charakterze naukowo-badawczym
Weryfikacja: ocena wykonanego projektu
Powiązane charakterystyki kierunkowe: K_K06
Powiązane charakterystyki obszarowe: