Nazwa przedmiotu:
Metody sztucznej inteligencji
Koordynator przedmiotu:
prof. dr hab. inż. Włodzimierz Kasprzak, prof. dr hab. inż. Andrzej Pacut
Status przedmiotu:
Fakultatywny ograniczonego wyboru
Poziom kształcenia:
Studia II stopnia
Program:
Informatyka
Grupa przedmiotów:
Przedmioty techniczne - zaawansowane
Kod przedmiotu:
MSI
Semestr nominalny:
2 / rok ak. 2014/2015
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
Bilans nakładu pracy studenta (w sumie 100 godz.): - udział w wykładach: 15 x 2 godz. = 30 godz., - udział w zajęciach dotyczących projektów: 15 x 1 godz. = 15 godz., - przygotowanie do wykładów, przejrzenie zadań podanych w skrypcie, przejrzenie dodatkowej literatury: 1 x 15 = 15 godz. - realizacja projektu: 15 godz. - udział w konsultacjach: 2 godz. - przygotowanie do egzaminu (rozwiązanie zadań przedegzaminacyjnych) oraz obecność na egzaminie: 20 godz. + 3 godz. = 23 godz.
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
Zajęcia wymagające bezpośredniego udziału nauczycieli akademickich: 30 + 15 + 2 + 3 = 50 godz., co odpowiada 2 punktom ECTS.
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
Nakład pracy związany z zajęciami o charakterze praktycznym wynosi 50 godz., co odpowiada 2 punktom ECTS.
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt15h
  • Lekcje komputerowe0h
Wymagania wstępne:
Oczekuje się wiedzy z zakresu studiów inżynierskich dotyczącej logiki, rachunku prawdopodobieństwa i statystyki, oraz przedmiotów informatycznych – z zakresu programowania, teorii algorytmów i struktur danych. Pomocna jest znajomość podstaw sztucznej inteligencji z zakresu studiów inżynierskich
Limit liczby studentów:
30
Cel przedmiotu:
Celem przedmiotu jest zapoznanie z zaawansowanymi technikami sztucznej inteligencji z perspektywy systemów agentowych. Materiał zorientowany jest na zagadnienia projektowania racjonalnie działających agentów o możliwościach przeszukiwania i planowania działań, wnioskowania i decydowania przy niepewnej wiedzy, oraz uczenia się. Omawiane są m.in. zagadnienia: reprezentacja wiedzy i wnioskowanie w logice, algorytmy przeszukiwania i planowania działań, wnioskowanie rozmyte, sieci Bayesa, dynamiczne sieci Bayesa, procesy decyzyjne Markowa i uczenie ze wzmocnieniem, uczenie indukcyjne i stochastyczne. Po ukończeniu przedmiotu student będzie potrafił: • projektować i programować elementy autonomicznych agentów, • projektować system z bazą wiedzy, w szczególności implementując logiczne systemy wnioskowania, • radzić sobie z wiedzą niedoskonałą, w szczególności projektując systemy o wnioskowaniu rozmytym i probabilistycznym, • rozwiązać problemy sterowania aktywnością agenta poprzez stosowanie algorytmów zaawansowanego przeszukiwania i planowania działań, • tworzyć algorytmy uczenia się (nabywania wiedzy) stosując zasady aktywnej obserwacji, uczenia ze wzmacnianiem i uczenia statystycznego.
Treści kształcenia:
Pierwsza część obejmuje systemy logicznego wnioskowania oparte na reprezentacji wiedzy pewnej i jej wnioskowaniu – logikę predykatów i jej rozszerzenia takie, jak logika nie-monotoniczna i opisowa. Druga część dotyczy generalnych algorytmów rozwiązywania problemów, w tym przeszukiwania przestrzeni stanów, rozwiązywania problemów z ograniczeniami i algorytmów planowania działań agenta. Trzecia część omawia sposoby reprezentacji wiedzy niedoskonałej i ich mechanizmy wnioskowania, w szczególności wnioskowanie rozmyte i probabilistyczne w sieci Bayesa. Zawiera także wprowadzenie do stochastycznych procesów Markowa i dynamicznych sieci Bayesa. Końcowa część składa się z technik uczenia maszynowego – uczenia na podstawie obserwacji, uczenia ze wzmacnianiem i uczenia statystycznego.
Metody oceny:
Sprawdzanie założonych efektów kształcenia realizowane jest przez: - ocenę wiedzy i umiejętności związanych z realizacją projektów – ocenę przez nauczyciela akademickiego poprawności realizowanych metod i metodyk Sz.I. oraz poprawności działania zaprojektowanych programów komputerowych, - ocenę wiedzy i umiejętności rozwiązywania zagadnień projektowania systemów agentowych, wykazaną na egzaminie pisemnym o charakterze teoretyczno-problemowym (w drugiej części egzaminu student może korzystać z dowolnych materiałów dydaktycznych).
Egzamin:
tak
Literatura:
Podstawowa: 1. S. Russell, P. Norvig: Artificial Intelligence: A Modern Approach. Prentice Hall, 1995, 2002 (2nd ed.), 2010 (3d ed.). 2. W. Kasprzak: Metody Sztucznej Inteligencji - studia magisterskie. Podręcznik OKNO, Politechnika Warszawska, 2010, 2014 (wyd. 2). 3. A. Pacut: Metody sztucznej inteligencji - cz. 2. Wnioskowanie w warunkach niepewności. Skrypt do wykładu, Politechnika Warszawska, 2011, 2014. Uzupełniająca: 4. M. Flasiński: Wstęp do sztucznej inteligencji. Wydawnictwo Naukowe PWN, 2011. 5. N.J. Nilsson N.J.: Artificial Intelligence. Morgan Kaufmann Publ., 1998. 6. D.L.Poole, A.K. Mackworth: Artificial Intelligence - foundations of computational agents. Cambridge University Press, 2009.
Witryna www przedmiotu:
http://studia2.elka.pw.edu.pl/pub/14L/MSI.A/index.html
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt W1
- ma rozszerzoną i pogłębioną wiedzę z zakresu logiki matematycznej, probabilistyki i procesów stochastycznych oraz teorii grafów; - ma szczegółową wiedzę w zakresie metod sztucznej inteligencji; - ma podbudowaną teoretycznie wiedzę szczegółową z zakresu inżynierii wiedzy; - zna podstawowe metody, techniki i narzędzia stosowane przy rozwiązywaniu zadań systemów agentowych.
Weryfikacja: Ocena egzaminu pisemnego. Ocena realizacji zadań projektowych.
Powiązane efekty kierunkowe: K_W01, K_W04, K_W06, K_W08
Powiązane efekty obszarowe: T2A_W01, T2A_W02, T2A_W04, T2A_W07

Profil ogólnoakademicki - umiejętności

Efekt U1
- potrafi formułować, rozwiązywać i dokumentować problemy praktyczne oraz proste zadania badawcze w zakresie inżynierii wiedzy; potrafi wykorzystywać wiedzę z różnych dziedzin i dyscyplin naukowych oraz uwzględniać pozatechniczne aspekty problemu przy budowaniu oprogramowania; - potrafi formułować i testować hipotezy związane z rozwiązywaniem inżynierskich i badawczych problemów informatycznych; - potrafi ocenić przydatność metod i narzędzi służących do rozwiązania zadania inżynierskiego z zakresu systemów agentowych; potrafi - zgodnie z zadaną specyfikacją, uwzględniającą aspekty pozatechniczne - zaprojektować złożony system agentowy.
Weryfikacja: Ocena sposobu rozwiązania zadań podczas egzaminu. Ocena sposobu analizy problemu, projektu i implementacji wykonanej w ramach zadań projektowych.
Powiązane efekty kierunkowe: K_U06, K_U07, K_U09, K_U13, K_U14
Powiązane efekty obszarowe: T2A_U08, T2A_U09, T2A_U10, T2A_U11, T2A_U18, T2A_U19

Profil ogólnoakademicki - kompetencje społeczne

Efekt K1
Potrafi myśleć i działać w sposób kreatywny
Weryfikacja: Ocena stopnia indywiualności rozwiązań zadań egzaminacyjnych i projektów inżynierskich.
Powiązane efekty kierunkowe: K_K01
Powiązane efekty obszarowe: T2A_K06