Politechnika
Warszawska

Katalog
ECTS

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. 2022/2023

Liczba punktów ECTS:

4

Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:

1. godziny kontaktowe – 53 h; w tym a) obecność na wykładach – 15 h b) obecność na laboratoriach – 30 h c) konsultacje – 5 h d) obecność na egzaminie – 3 h 2. praca własna studenta – 50 h; w tym a) zapoznanie się z literaturą – 10 h b) przygotowanie do zajęć laboratoryjnych – 30 h c) przygotowanie do egzaminu – 10 h Razem 103 h, co odpowiada 4 pkt. ECTS

Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:

1. obecność na wykładach – 15 h 2. obecność na laboratoriach – 30 h 3. konsultacje – 5 h 4. obecność na egzaminie – 3 h Razem 53 h, co odpowiada 2 pkt. ECTS

Język prowadzenia zajęć:

polski

Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:

1. obecność na laboratoriach – 30 h 2. przygotowanie do zajęć laboratoryjnych – 30 h Razem 60 h, co odpowiada 2 pkt. ECTS

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 rewolucyjnego - 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, backtracking, 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. Judea Pearl, Heuristics; 3. Bolc, Cytowski, Metody przeszukiwania heurystycznego; 4. 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: