Sztuczna inteligencja
Informacje ogólne
| Kod przedmiotu: | 0800-SZIN | Kod Erasmus / ISCED: |
(brak danych)
/
(0613) Tworzenie i analiza oprogramowania i aplikacji
 |
| Nazwa przedmiotu: | Sztuczna inteligencja | ||
| Jednostka: | Wydział Fizyki, Astronomii i Informatyki Stosowanej | ||
| Grupy: | |||
| Strona przedmiotu: | http://www.is.umk.pl/~duch/Wyklady/AI_plan.html | ||
| Punkty ECTS i inne: |
6.00 |
||
| Język prowadzenia: | polski | ||
| Wymagania wstępne: | Podstawowy kurs programowania |
||
| Rodzaj przedmiotu: | przedmiot obowiązkowy |
||
| Całkowity nakład pracy studenta: | 30 g wykład + 24 g lab + 60 g pracy własnej nad projektami, plus 30 godzin przygotowań do egzaminu |
||
| Efekty uczenia się - wiedza: | Student po zakończeniu tych zajęć, pozytywnym zaliczeniu laboratorium i zdaniem egzaminu powinien: * zdefiniować, opisać, wyliczyć zagadnienia wchodzące w zakres zainteresowań sztucznej inteligencji, jej podstawowych metod i pojęć (informatyka stosowana: K_W08); * posiadać umiejętność oceny złożoności obliczeniowej różnych procesów szukania (informatyka stosowana: K_W04); * znać podstawowe metody reprezentacji wiedzy i schematy wnioskowania (informatyka stosowana: K_W08); * rozumieć problemy i metody używane do analizy języka naturalnego; * znać zasady i rodzaje systemów ekspertowych i ich możliwe zastosowania; * posiadać wiedzę na temat projektowania podstawowych algorytmów sztucznej inteligencji, narzędzi do tego służących oraz ich potencjalnych zastosowań w różnych dziedzinach (informatyka stosowana: K_W08). |
||
| Efekty uczenia się - umiejętności: | Student po zakończeniu tych zajęć pozytywnym zaliczeniem laboratorium i zdaniem egzaminu powinien: * znaleźć informacje na temat sztucznej inteligencji korzystając z z literatury, baz danych oraz innych źródeł, ocenić je, zinterpretować, wyciągać wnioski i formułować opinie (K_U04); * potrafi wykorzystać teoretyczną wiedzę dotyczącą pojęć przydatnych do analizy i rozwiązania problemów stosując odpowiednie metody reprezentacji różnych form wiedzy w zależności od jej formy (K_U02); * ocenić możliwości i wybrać odpowiednie sposób tworzenia modeli w postaci konstrukcji systemów ekspertowych w zależności od obszaru ich zastosowań (K_U01, K_U02); * znaleźć odpowiednie narzędzia AI pomocne w rozwiązywaniu naukowych problemów (K_U04). |
||
| Efekty uczenia się - kompetencje społeczne: | Student po zakończeniu tych zajęć, pozytywnym zaliczeniu laboratorium i zdaniu egzaminu powinien: * wykazać się skutecznością w realizacji projektów o charakterze programistyczno-wdrożeniowym w oparciu o poznane metody (K_K03); * potrafić przekazać informację o osiągnięciach informatyki i różnych aspektach zawodu informatyka w sposób powszechnie zrozumiały oraz śledzić postępy w tej szybko rozwijającej się dziedzinie (K_K04); * rozumieć znaczenie zdobytej wiedzy i krytycznie ją oceniać, znając jej ograniczenia (K_K06). |
||
| Metody dydaktyczne: | Wykład + laboratorium + demonstracje programów + projekty. |
||
| Metody dydaktyczne podające: | - wykład informacyjny (konwencjonalny) |
||
| Metody dydaktyczne poszukujące: | - laboratoryjna |
||
| Skrócony opis: |
Wstęp do metod sztucznej inteligencji omawia kluczowe zagadnienia, historię i wielkie projekty, podstawowe metody szukania rozwiązań problemów, metody reprezentacji wiedzy, analizę języka naturalnego, systemy doradcze i przykłady ich zastosowań, najbardziej ambitne projekty i zunifikowane teorie poznania, oraz uczenie maszynowe i odkrywanie wiedzy w danych. Wykład dostępny jest dla każdego studenta z podstawowymi umiejętnościami informatycznymi. Zajęcia na temat data mining i uczenia maszynowego są dobrym uzupełnieniem do tego wykładu. |
||
| Pełny opis: |
1. Wstęp do metod AI: kluczowe zagadnienia AI; status AI; piąta generacja komputerów i inne wielkie projekty. 2. Szukanie: reprezentacja problemu w przestrzeni stanów; reprezentacja redukcyjna; metody szukania; przykłady programów opartych na szukaniu; szukanie a ludzkie myślenie. 3. Reprezentacja wiedzy: rodzaje wiedzy; reprezentacja stanów; reprezentacja logiczna – logika predykatów, rozmyta, przybliżona; reprezentacja proceduralna; sieci semantyczne; systemy produkcyjne; ramki i skrypty. 4. Rozumienie języka naturalnego: tłumaczenie maszynowe; gramatyki; generacja tekstu; przykłady programów. 5. Systemy doradcze: akwizycja wiedzy; konstrukcja systemów eksperckich; przykłady zastosowań. 6. Modele umysłu i najbardziej ambitne projekty AI: system CyC; zunifikowane teorie poznania i SOAR; 7. Informatyka kognitywna - IBM Watson, architektura poznawcza człowieka. 8. Uczenie maszynowe i odkrywanie wiedzy w danych. |
||
| Literatura: |
* M. Flasiński, Wstęp do sztucznej inteligencji. WN PWN 2011 * A. Kisielewicz, Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego. Wyd. Nauk-Techniczne 2011 * L. Rutkowski, Metody i techniki sztucznej inteligencji. WN PWN 2012 • Russel & Norvig: AI - the modern approach. Kursy MOOC |
||
| Metody i kryteria oceniania: |
Prace zaliczeniowe w ramach laboratorium. Egzamin będzie w formie pisemnej, na końcu wielu wykładów są przykładowe pytania. Maksymalna liczba uzyskanych punktów =10), oceny: Punkty 10 9 8 7 6 5 4.5 1-4 Oceny 5 4+ 4 4- 3+ 3 3- 2 |
||
| Praktyki zawodowe: |
Nie są planowane |
||
Zajęcia w cyklu "Semestr zimowy 2017/18" (zakończony)
| Okres: | 2017-10-01 - 2018-02-25 |
 
 zobacz plan zajęć |
| Typ zajęć: |
Laboratorium, 24 godzin  więcej informacji Wykład, 30 godzin więcej informacji |
|
| Koordynatorzy: | Włodzisław Duch | |
| Prowadzący grup: | Włodzisław Duch, Krzysztof Grąbczewski, Oleksandr Sokolov | |
| Lista studentów: | (nie masz dostępu) | |
| Zaliczenie: |
Przedmiot -
Egzamin
Laboratorium - Zaliczenie na ocenę Wykład - Egzamin |
Zajęcia w cyklu "Semestr letni 2018/19" (zakończony)
| Okres: | 2019-02-25 - 2019-09-30 |
zobacz plan zajęć |
| Typ zajęć: |
Laboratorium, 24 godzin więcej informacji Wykład, 30 godzin więcej informacji |
|
| Koordynatorzy: | Włodzisław Duch | |
| Prowadzący grup: | Włodzisław Duch, Tomasz Piotrowski, Oleksandr Sokolov | |
| Lista studentów: | (nie masz dostępu) | |
| Zaliczenie: |
Przedmiot -
Egzamin
Laboratorium - Zaliczenie na ocenę Wykład - Egzamin |
Zajęcia w cyklu "Semestr letni 2019/20" (zakończony)
| Okres: | 2020-02-29 - 2020-09-20 |
zobacz plan zajęć |
| Typ zajęć: |
Laboratorium, 24 godzin więcej informacji Wykład, 30 godzin więcej informacji |
|
| Koordynatorzy: | Włodzisław Duch | |
| Prowadzący grup: | Włodzisław Duch, Tomasz Piotrowski, Oleksandr Sokolov | |
| Lista studentów: | (nie masz dostępu) | |
| Zaliczenie: |
Przedmiot -
Egzamin
Laboratorium - Zaliczenie na ocenę Wykład - Egzamin |
Zajęcia w cyklu "Semestr letni 2020/21" (zakończony)
| Okres: | 2021-02-22 - 2021-09-20 |
zobacz plan zajęć |
| Typ zajęć: |
Laboratorium, 24 godzin więcej informacji Wykład, 30 godzin więcej informacji |
|
| Koordynatorzy: | Włodzisław Duch | |
| Prowadzący grup: | Włodzisław Duch, Tomasz Piotrowski, Oleksandr Sokolov | |
| Lista studentów: | (nie masz dostępu) | |
| Zaliczenie: |
Przedmiot -
Egzamin
Laboratorium - Zaliczenie na ocenę Wykład - Egzamin |
Zajęcia w cyklu "Semestr letni 2021/22" (jeszcze nie rozpoczęty)
| Okres: | 2022-02-21 - 2022-09-30 |
zobacz plan zajęć |
| Typ zajęć: |
Laboratorium, 24 godzin więcej informacji Wykład, 30 godzin więcej informacji |
|
| Koordynatorzy: | Włodzisław Duch | |
| Prowadzący grup: | Włodzisław Duch, Tomasz Piotrowski, Oleksandr Sokolov | |
| Lista studentów: | (nie masz dostępu) | |
| Zaliczenie: |
Przedmiot -
Egzamin
Laboratorium - Zaliczenie na ocenę Wykład - Egzamin |
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.