Methods of AI (LOG)

Informacje ogólne

Kod przedmiotu:	F-K.152
Kod Erasmus / ISCED:	(brak danych) / (brak danych)
Nazwa przedmiotu:	Methods of AI (LOG)
Jednostka:	Instytut Filozofii
Grupy:	Kognitywistyka I st. prz. wybieralne blok #LOG (sem. 4,6)
Punkty ECTS i inne:	(brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta. zobacz reguły punktacji
Język prowadzenia:	angielski
Wymagania wstępne:	Podstawy sztucznej inteligencji, logika
Godzinowe ekwiwalenty punktów ECTS:	30h - laboratoria 70h - praca własna studenta
Sposób weryfikacji efektów kształcenia:	1. Prace zaliczeniowe w formie projektów 2. Aktywność w trakcie zajęć
Pełny opis:	Zapoznanie studentów z podstawowymi metodami i technikami sztucznej inteligencji, w zakresie obejmującym: • drzewa decyzyjne z logiką formalną (wnioskowanie formalne); • drzewa decyzyjne z prawdopodobieństwem warunkowym (wnioskowanie Bayesa); • metody przeszukiwania drzew; • przeszukiwanie sieci z połączeniami jedno- i dwukierunkowymi, acyklicznymi i cyklicznymi; • metody heurystyczne.
Literatura:	Russel, Norvig: Artificial Intelligence: A Modern Approach. Global Edition. Pearson 2016
Efekty uczenia się:	1. Student ma wiedzę dotyczącą drzew decyzyjnych i metod ich przeszukiwania przy rozwiązywaniu problemów z zakresu sztucznej inteligencji (K_W02, K_W03, K_W08) 2. Student zna metody heurystyczne stosowane przy rozwiązywaniu problemów z zakresu sztucznej inteligencji (K_W02, K_W03, K_W08) 3. Student zna techniki opisu modeli obliczeniowych oraz wykorzystujące je aplikacje użytkowe (K_W08, K_U02, K_U05) 4. Student potrafi zaprojektować drzewo formalne dla prostego procesu decyzyjnego oraz drzewo Bayesa dla prostego procesu wnioskowania (K_U02, K_U05, K_U07) 5. Student umie stworzyć drzewo zależności (np. drzewo genealogiczne) oraz mapę zależności przy wykorzystaniu sieci o połączeniach ważonych i zaproponować odpowiednią metodę ich przeszukiwania (K_U02, K_U05, K_U07) 6. Student potrafi rozwiązać określony problem wykorzystując przeszukiwanie odwołujące się do heurystycznej funkcji celu (K_U02, K_U05, K_U07) 7. Student jest aktywny w poszukiwaniu wiedzy w zakresie metod sztucznej inteligencji (K_U11, K_U13, K_K01)

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Marii Curie-Skłodowskiej w Lublinie.