Nazwa przedmiotu:
Podstawy sztucznej inteligencji
Koordynator przedmiotu:
Paweł WAWRZYŃSKI
Status przedmiotu:
Fakultatywny ograniczonego wyboru
Poziom kształcenia:
Studia I stopnia
Program:
Informatyka
Grupa przedmiotów:
Przedmioty techniczne
Kod przedmiotu:
PSZT
Semestr nominalny:
5 / rok ak. 2015/2016
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
30 - wykład, 15 - realizacja zadania projektowego 15 - przygotowanie się do kolokwiów i realizacji projektu.
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
3
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
1
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt15h
  • Lekcje komputerowe0h
Wymagania wstępne:
Na poziomie początku drugiego roku studiów: - Analiza matematyczna - Logika matematyczna - Probabilistyka - Programowanie
Limit liczby studentów:
100
Cel przedmiotu:
1. Prezentacja zasad automatycznego wnioskowania oraz konstrukcji systemów wnioskujących w oparciu o logikę. 2. Wprowadzenie do różnych gałęzi tzw. miękkiej sztucznej inteligencji (czy inteligencji obliczeniowej), takich jak algorytmy ewolucyjne, uczenie maszynowe i sieci neuronowe. Wprowadzenie to jest na poziomie wystarczającym do implementacji podstawowych algorytmów z każdej z tych gałęzi.
Treści kształcenia:
Część I. Wnioskowanie 1. Rachunek zdań: Reprezentacja wiedzy - składnia, semantyka. Procedury wnioskowania w rachunku zdań. 2. Logika predykatów: Składnia i semantyka logiki predykatów. Postaci normalne formuł. Procedury wnioskowania w rachunku predykatów. Poprawność i zupełność wnioskowania. 3. Systemy eksperckie: Struktura systemu eksperckiego. Przykłady takich systemów. Część II. Przeszukiwanie 4. Algorytmy ewolucyjne: Wprowadzenie do zagadnień przeszukiwania. Algorytm (1+1), algorytm (mu+lambda). 5. Algorytmy genetyczne: Kodowanie osobników, reprodukcja, krzyżowanie, mutacja. 6. Przeszukiwanie przestrzeni sekwencji: przeszukiwanie w głąb, w szerz, A*, IDA*. 7. Gry dwuosobowe: Drzewo gry. Strategia minimaksowa. Przycinanie alfa-beta. Część III. Uczenie maszynowe 8. Sieci neuronowe: Zadanie aproksymacji. Definicja perceptronu dwuwarstwowego i wielowarstwowego. Algorytm wstecznej propagacji. Uczenie off-line i on-line. 9. Uczenie ze wzmocnieniem: Zadania uczenia ze wzmocnieniem. Model procesu decyzyjnego Markowa. Algorytm Q-learning.
Metody oceny:
30% pierwsze kolokwium, 30% drugie kolokwium, 40% projekt
Egzamin:
nie
Literatura:
Paweł Wawrzyński, Podstawy Sztucznej Inteligencji, Oficyna Wydawnicza Politechniki Warszawskiej, 2014. Stuart J. Russel, Peter Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall, 2002. Wiesław Traczyk, Inżynieria Wiedzy, EXIT, 2010. Paweł Cichosz, Systemy Uczące Się, WNT, 2000. Leszek Rutkowski, Metody i Techniki Sztucznej Inteligencji, PWN, 2006.
Witryna www przedmiotu:
http://eres.elka.pw.edu.pl/eres/wwersje$.startup?Z_ID_PRZEDMIOTU=PSZT&Z_NR_WERSJI=1&Z_CHK=34503
Uwagi:

Efekty uczenia się

Profil praktyczny - wiedza

Efekt Wpisz opis
Wpisz opis
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt

Weryfikacja:
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil praktyczny - umiejętności

Efekt Wpisz opis
Wpisz opis
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil praktyczny - kompetencje społeczne

Efekt Wpisz opis
Wpisz opis
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:

Profil ogólnoakademicki - wiedza

Efekt
Znajomość podstaw wszystkich głównych gałęzi sztucznej inteligencji: automatycznego wnioskowania, metod przeszukiwania, w tym metod ewolucyjnych i genetycznych, systemów rozmytych oraz uczenia maszynowego. Pogłębiona wiedza dotycząca automatycznego wnioskowania w zakresie: reprezentacji wiedzy w języku logiki, konstrukcji systemów eksperckich, a także teoretycznych podstaw logiki i wnioskowania.
Weryfikacja: Kolokwium
Powiązane efekty kierunkowe: K_W21
Powiązane efekty obszarowe: T1A_W07

Profil ogólnoakademicki - umiejętności

Efekt
W obszarze automatycznego wnioskowania student potrafi: oprogramować silnik wnioskujący, skonstruować i zaimplementować system ekspercki, opisać wierzę dziedzinową w języku logiki. Student potrafi sformułować zagadnienie przeszukiwania, wybrać odpowiedni do jego rozwiązania algorytm, zaimplementować go oraz właściwie użyć. Student potrafi napisać program grający z przeciwnikiem w dowolną deterministyczną grę dwuosobową. Student potrafi skonstruować system rozmyty, którego celem będzie wnioskowanie lub sterowanie. Student potrafi zaimplementować sieć neuronową i użyć jej do modelowania i prognozowania. Student potrafi zaimplementować odpowiedni algorytm uczenia się przez wzmacnianie i wykorzystać go w zagadnieniu sterownia adaptacyjnego.
Weryfikacja: Realizacja projektu
Powiązane efekty kierunkowe: K_U01
Powiązane efekty obszarowe: T1A_U09

Profil ogólnoakademicki - kompetencje społeczne

Efekt Wpisz opis
Wpisz opis
Weryfikacja: Wpisz opis
Powiązane efekty kierunkowe:
Powiązane efekty obszarowe:
Efekt

Weryfikacja:
Powiązane efekty kierunkowe: K_K01, K_K03
Powiązane efekty obszarowe: T1A_K01, T1A_K03