Osnove umetne inteligence (FRI)

Visokošolski učitelji: Bosnić Zoran
Število kreditnih točk: 6
Semester izvajanja: zimski
Koda predmeta: 63214



Opis predmeta

Vsebina

Uvod v umetno inteligenco in primeri uporabe Prostor stanj in osnovni algoritmi preiskovanja: globinsko, širinsko, iterativno poglabljanje, zahtevnost teh algoritmov Hevristično preiskovanje, algoritma A* in IDA*, izrek o popolnosti A*, lastnosti ocenitvenih funkcij ter analiza časovne in prostorske zahtevnosti Dekompozicija problemov z AND/OR grafi, algoritmi iskanja v AND/OR grafih, hevristično preiskovanje in algoritem AO* Strojno učenje: problem učenja iz podatkov, iskanje zakonitosti v podatkih in podatkovno rudarjenje, opisni jeziki in prostori hipotez, učenje odločitvenih dreves, regresijskih dreves, modelnih dreves, ter pravil. Programska orodja strojnega učenja in primeri uporabe. Predstavitev znanja in ekspertni sistemi: predstavitev znanja s pravili, ogrodji, semantičnimi mrežami, ontologije; algoritmi sklepanja in generiranje razlage; obravnavanje negotovega znanja, bayesovske mreže Planiranje po principu sredstev in ciljev, planiranje s popolno in delno urejenostjo, regresiranje ciljev, primeri uporabe v robotiki in logistiki.

Cilji in kompetence:

Seznaniti slušatelje z osnovnimi koncepti, idejami, metodami in tehnikami umetne inteligence Sposobnost reševanja problemov z metodami umetne inteligence Zmožnost razumevanja literature s področja umetne inteligence Prispevati k razumevanju relevantnosti tehničnih dosežkov umetne inteligence glede na njihove implikacije v filozofiji in psihologiji.

Predvideni študijski rezultati:

Po uspešnem zaključku predmeta bo študent: - poznal osnovne in najpogostejše uporabljane metode umetne inteligence, - sposoben pojasniti implikacije dosežkov umetne inteligence in relacije s kognitivno znanostjo, psihologijo, medicino, logiko, matematiko in drugimi sorodnimi področji. - sposoben opredeliti, kje so tehnične meje področja, - sposoben uporabe preiskovalnih algoritmov in metod strojnega učenja na realnih problemih, - sposoben primerjanja časovne in prostorske učinkovitosti uporabljanih metod, - sposoben formulirati probleme iz realnega življenja kot probleme, ki so rešljivi z metodami umetne inteligence.

Metode poučevanja in učenja:

Predavanja, laboratorijske vaje, domače naloge, individualni ali skupinski projekti





Gradiva

  1. Bratko, Prolog Programming for Artificial Intelligence, 4th edition, Pearson Education
  2. Addison-Wesley 2011, ISBN: 0201403757
  3. S. Russell, P. Norvig, Artificial Intelligence: A Modern Approach, Third edition, Pearson Education, Prentice-Hall 2010, ISBN: 0136042597
  4. I. Bratko, Prolog in umetna inteligenca, Založba FE in FRI, ponatis 2011
  5. I. Kononenko, Strojno učenje, Založba FE in FRI, 2005.
  6. Materiali na spletu (Spletna učilnica FRI; Ivan Bratko home page): Prosojnice predavanj, naloge.



Študiji na katerih se predmet izvaja

  • 3 letnik - 1. stopnja - Multimedija