1DI1505 - Podstawy sztucznej inteligencji

Nazwa w drugim języku: 

Artificial Intelligence Fundamentals

Cel przedmiotu: 

Celem przedmiotu jest wprowadzenie do zagadnień sztucznej inteligencji (algorytmy ewolucyjne, systemy ekspertowe, sieci neuronowe, algorytmy mrówkowe, systemy rojowe, logika rozmyta, teoria gier, sztuczne systemy immunologiczne)

Treści kształcenia: 

1. Wprowadzenie do zagadnień sztucznej inteligencji, 2h. 2. Algorytmy ewolucyjne – wprowadzenie, podstawowe elementy algorytmu ewolucyjnego, metody kodowania oraz specjalizowane operatory genetyczne, przykładowe zastosowania algorytmów ewolucyjnych, 8h
3. Definicja i cechy systemów ekspertowych. Podstawowe elementy, architektura. Formy prezentacji wiedzy. Realizacja i sterowanie procesem wnioskowania. Metodyka tworzenia. Pozyskiwanie wiedzy. Przykładowe zastosowania systemów ekspertowych, 6h. 4. Sztuczne sieci neuronowe – wprowadzenie, podstawowy model sieci neuronowych - perceptron wielowarstwowy, zastosowania praktyczne sieci neuronowych na wybranych przykładach, 6 h. 5. Inne techniki sztucznej inteligencji (algorytmy mrówkowe, systemy rojowe, logika rozmyta, teoria gier, sztuczne systemy immunologiczne) oraz ich zastosowania (informatyka, gry logiczne, gry strategiczne) 8h

Bibliografia: 

1. Helt P., Parol M., Piotrowski P.: ” Metody sztucznej inteligencji. Przykłady zastosowań w elektroenergetyce”, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2012, stron 369, Podręcznik akademicki
2. Baczyński D., Parol. M., Piotrowski P., Bielecki S, Wasilewski J. „Sztuczna inteligencja w praktyce” – laboratorium, Oficyna Wydawnicza Politechniki Warszawskiej, 2008
3. J. Mulawka: Systemy ekspertowe, WNT, Warszawa 1996
4. S. Osowski: Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa 1996
5. S. Osowski .: Sieci neuronowe do przetwarzania informacji. Wyd. 2, OWPW, Warszawa 2006.
6. D.E. Goldberg: Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 1998
7. Z. Michalewicz: Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT 1996
8. Clocksin W. F., Mellish C. S. “Prolog. Programowanie”, Helion 2003

Metody oceny: 

Egzamin, ocena na podstawie sumy punktów maks. 100 pkt. (od 51 pkt. ocena 3,0; od 61 pkt. ocena 3,5; od 71pkt. ocena 4,0; od 81pkt. ocena 4,5; od 91pkt ocena 5,0).

Uwagi: 

Za aktywność na zajęciach (rozwiązywanie problemów, udział aktywny w twórczej dyskusji, także w grupach zadaniowych itp.) można uzyskać dodatkowo 10pkt.

Przedmioty na których bazuje dany przedmiot (prerekwizyty):

• [1DI1302] Algorytmy i struktury danych
• [1DI1106] Analiza matematyczna