Sztuczna inteligencja i systemy ekspertowe
Informacje ogólne
Kod przedmiotu: | 2401-K-MF-SISE |
Kod Erasmus / ISCED: |
(brak danych)
/
(0228) Interdyscyplinarne programy i kwalifikacje związane z naukami humanistycznymi
|
Nazwa przedmiotu: | Sztuczna inteligencja i systemy ekspertowe |
Jednostka: | Katedra Kognitywistyki |
Grupy: |
Kognitywistyka s1,s2 - zajęcia do wyboru |
Punkty ECTS i inne: |
2.00
LUB
3.00
(zmienne w czasie)
|
Język prowadzenia: | polski |
Wymagania wstępne: | Brak |
Rodzaj przedmiotu: | kanon |
Całkowity nakład pracy studenta: | Godziny realizwane z udziałem nauczyciela (godz.) udział w wykładach 30 konslutacje w nauczycielem akademickim 1 Czas poświęcony na pracę indywidualną studenta ( godz.): np. - przygotowanie do wykładu- 3 - czytanie literatury- 6 - przygotowanie do egzaminu- 5 Łącznie: 45 godz. 3 ECTS) |
Efekty uczenia się - wiedza: | W1: Zna zarys historii Sztucznej Inteligencji - K_W17 W2: Posiada szczegółowa znajomości teorii zbiorów przybliżonych - K_W17 W3: Posiada szczegółowa znajomości teorii zbiorów i systemów rozmytych - K_W17 |
Efekty uczenia się - umiejętności: | U1. Portafi konstruować modele baz danych za pomocą zbiorów przybliżonych - K_U13 U2 Portafi wyprowadzać reguły wnioskowania w modelach informacyjncyh - K_U13 U3. Portafi konstruować modele baz danych za pomocą zbiorów rozmytych - K_U13 U4. Portafi konstruować systemy wnioskujące za pomocą zbiorów rozmytych. - K_U13 |
Efekty uczenia się - kompetencje społeczne: | K1: Wyszukuje rozwiązań problemów związanych z systemami ekspertowymi i systemami rozmytymi oraz potrafi zastosować odpowiednie techniki Sztucznej Inteligencji do ich rozwiązania. K_K01, K_K02, K_K03 |
Metody dydaktyczne: | Wykład informacyjny (konwencjonalny) Wykład problemowy Wykład konwersatoryjny |
Metody dydaktyczne podające: | - wykład informacyjny (konwencjonalny) |
Skrócony opis: |
Celem przedmiotu jest zapoznanie studentów z najważniejszymi metodami i technikami Sztucznej Inteligencji |
Pełny opis: |
Celem wykładu jest zapoznanie studenta z najważniejszymi technikami badawczymi Sztucznej Inteligencji. 1. Wprowadzenie: Rys historyczny, systemy ekspertowe, robotyka, przetwarzanie mowy i języka naturalnego, strategie wyszukiwania, inteligencja mrówek, sztuczne życie, 2. Metody reprezentacji wiedzy z wykorzystaniem zbiorów przybliżonych: pojęcia podstawowe, aproksymacja zbioru, aproksymacja rodziny zbiorów, analiza tablic decyzyjnych, zastosowanie programu LERS 3. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 1: podstawowe pojęcia i definicje, operacje na zbiorach rozmytych, zasada rozszerzania, liczbty rozmyte, normy trójkątne i negacje,, relacje rozmyte i ich właściwości, przybliżone wnioskowanie, podstawowe reguły wnioskowania w logice dwuwartościowej, podstawowe reguły wnioskowania w logice rozmytej, reguły wioskowania dla modelu Mamdaniego, reguły wnioskowania dla modelyu logicznego, rozmyte systemy wnioskujące, baza reguł, blok rozmywania, blok wnioskowania, blok wyostrzania, zastosowania zbiorów rozmytych, rozmyta metoda Delphi, ważona rozmyta metoda Delphi, rozmyta metoda PERT, podejmowanie decyzji w otoczeniu rozmytym. 4 Metody reprezentacji wiedzy z wykorzystaniem zbioró rozmytych typu 2. 5. Sieci neuronowe, algorytmy ewolucyjne, metody grupowania danych, systemy neuronowo-rozmyte. |
Literatura: |
Leszek Rutkowski Metody i techniki Sztucznje Inteligencji S. Russell, Peter Norvig Artificial Intelligence A modern Approach |
Metody i kryteria oceniania: |
zaliczenie na stopień w formie pisemnej w postaci szczegółowych zadań dotyczących Systewów Ekspertowych oraz metod Zbiorów i Systemów rozmytych. |
Praktyki zawodowe: |
nie |
Zajęcia w cyklu "Semestr zimowy 2021/22" (zakończony)
Okres: | 2021-10-01 - 2022-02-20 |
Przejdź do planu
PN WT ŚR CZ PT WYK
WYK
|
Typ zajęć: |
Wykład, 30 godzin
|
|
Koordynatorzy: | Jacek Malinowski | |
Prowadzący grup: | Jacek Malinowski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę |
|
Skrócony opis: |
Celem przedmiotu jest zapoznanie studentów z najważniejszymi metodami i technikami Sztucznej Inteligencji |
|
Pełny opis: |
Celem wykładu jest zapoznanie studenta z najważniejszymi technikami badawczymi Sztucznej Inteligencji. 1. Wprowadzenie: Rys historyczny, systemy ekspertowe, robotyka, przetwarzanie mowy i języka naturalnego, strategie wyszukiwania, inteligencja mrówek, sztuczne życie, 2. Metody reprezentacji wiedzy z wykorzystaniem zbiorów przybliżonych: pojęcia podstawowe, aproksymacja zbioru, aproksymacja rodziny zbiorów, analiza tablic decyzyjnych, zastosowanie programu LERS 3. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 1: podstawowe pojęcia i definicje, operacje na zbiorach rozmytych, zasada rozszerzania, liczbty rozmyte, normy trójkątne i negacje,, relacje rozmyte i ich właściwości, przybliżone wnioskowanie, podstawowe reguły wnioskowania w logice dwuwartościowej, podstawowe reguły wnioskowania w logice rozmytej, reguły wioskowania dla modelu Mamdaniego, reguły wnioskowania dla modelyu logicznego, rozmyte systemy wnioskujące, baza reguł, blok rozmywania, blok wnioskowania, blok wyostrzania, zastosowania zbiorów rozmytych, rozmyta metoda Delphi, ważona rozmyta metoda Delphi, rozmyta metoda PERT, podejmowanie decyzji w otoczeniu rozmytym. 4 Metody reprezentacji wiedzy z wykorzystaniem zbioró rozmytych typu 2. 5. Sieci neuronowe, algorytmy ewolucyjne, metody grupowania danych, systemy neuronjowo-rozmyte. |
|
Literatura: |
Leszek Rutkowski Metody i techniki Sztucznje Inteligencji S. Russell, Peter Norvig Artificial Intelligence A modern Approach |
Zajęcia w cyklu "Semestr letni 2022/23" (zakończony)
Okres: | 2023-02-20 - 2023-09-30 |
Przejdź do planu
PN WYK
WT ŚR CZ PT |
Typ zajęć: |
Wykład, 30 godzin
|
|
Koordynatorzy: | Przemysław Nowakowski | |
Prowadzący grup: | Przemysław Nowakowski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę |
|
Skrócony opis: |
Celem przedmiotu jest zapoznanie studentów z najważniejszymi metodami i technikami Sztucznej Inteligencji |
|
Pełny opis: |
Celem wykładu jest zapoznanie studenta z najważniejszymi technikami badawczymi Sztucznej Inteligencji. W wykładzie będziemy podążali głównie za wykładem tematu przedstawionym w książce Russella i Norviga (2023) 1. Wprowadzenie i informacje wstępne; 2. Czym jest sztuczna inteligencja?. Podstawy sztucznej inteligencji; Historia sztucznej inteligencji; 3. Inteligentni agencji (rodzaje i struktury); 4. Rozwiązywanie problemów i przez wyszukiwanie; 5. Wyszukiwanie w złożonych środowiskach; 6. Wyszukiwanie antagonistyczne (teoria gier); 7. Problem spełniania ograniczeń; 8. Logiczni agenci i wnioskowanie w logice pierwszego rzędu; 9. Reprezentacje wiedzy (ontologie); 10. Planowanie; 11. Kwantyfikowanie niepewności; 12. Rachunek prawdopodobieństwa i wnioskowania probabilistyczne A; 13. Rachunek prawdopodobieństwa i wnioskowania probabilistyczne B; 14. Nowe trendy w AI i wyzwanie etyczne związane z AI; 15. Zaliczenie i podsumowanie zajęć. |
|
Literatura: |
1. S. Russell, Peter Norvig Stuczna inteligencja. Nowe spojrzenie, Helion 2023 (tom I & II) 2. Rishal Hurbans, Algorytmy sztucznej inteligencji. Ilustrowany przewodnik, Helion, 2021 3. Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin's Press |
|
Uwagi: |
Kryteria zaliczenia: Prezentacja dotycząca wybranego algorytmu AI. |
Zajęcia w cyklu "Semestr letni 2023/24" (w trakcie)
Okres: | 2024-02-20 - 2024-09-30 |
Przejdź do planu
PN WYK
WT ŚR CZ PT |
Typ zajęć: |
Wykład, 30 godzin
|
|
Koordynatorzy: | Przemysław Nowakowski | |
Prowadzący grup: | Przemysław Nowakowski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę |
|
Skrócony opis: |
Celem przedmiotu jest zapoznanie studentów z najważniejszymi metodami i technikami Sztucznej Inteligencji |
|
Pełny opis: |
Celem wykładu jest zapoznanie studenta z najważniejszymi technikami badawczymi Sztucznej Inteligencji. W wykładzie będziemy podążali głównie za wykładem tematu przedstawionym w książce Russella i Norviga (2023) 1. Wprowadzenie i informacje wstępne; 2. Czym jest sztuczna inteligencja?. Podstawy sztucznej inteligencji; Historia sztucznej inteligencji; 3. Inteligentni agencji (rodzaje i struktury); 4. Rozwiązywanie problemów i przez wyszukiwanie; 5. Wyszukiwanie w złożonych środowiskach; 6. Wyszukiwanie antagonistyczne (teoria gier); 7. Problem spełniania ograniczeń; 8. Logiczni agenci i wnioskowanie w logice pierwszego rzędu; 9. Reprezentacje wiedzy (ontologie); 10. Planowanie; 11. Kwantyfikowanie niepewności; 12. Rachunek prawdopodobieństwa i wnioskowania probabilistyczne A; 13. Rachunek prawdopodobieństwa i wnioskowania probabilistyczne B; 14. Nowe trendy w AI i wyzwanie etyczne związane z AI; 15. Zaliczenie i podsumowanie zajęć. |
|
Literatura: |
1. S. Russell, Peter Norvig Stuczna inteligencja. Nowe spojrzenie, Helion 2023 (tom I & II) 2. Rishal Hurbans, Algorytmy sztucznej inteligencji. Ilustrowany przewodnik, Helion, 2021 3. Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin's Press |
|
Uwagi: |
Kryteria zaliczenia: Prezentacja dotycząca wybranego algorytmu AI. |
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.