Przedmiot fakultatywny - Sztuczna inteligencja
Informacje ogólne
Kod przedmiotu: | MFI-I.2L.115 |
Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
Nazwa przedmiotu: | Przedmiot fakultatywny - Sztuczna inteligencja |
Jednostka: | Instytut Informatyki |
Grupy: |
Przedmioty fakultatywne - informatyka 4 semestr |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | (brak danych) |
Wymagania wstępne: | Podstawy programowania, Logika i teoria mnogości |
Godzinowe ekwiwalenty punktów ECTS: | 4pkt ects Łącznie 120h 30h- wykłady 30h laboratoria 29h przygotowywanie programów na laboratoria 30h samodzielna praca 1h - konsultacje 51% praca w kontakcie z wykładowcą (2,032 pkt ECTS) 49% praca samodzielna (1,968 pkt ECTS) |
Sposób weryfikacji efektów kształcenia: | Zaliczenie wykładu: 2 kolokwia (3 pytania/zadania) każde pytanie/zadanie max 1 punkt. Aby uzyskać zaliczenie każdego kolokwium należy uzyskać minimum 1,6 punkta efekty kształcenia: W1, W2, W3, W4, U1, U2, U5, U6, P1, P2, P3 Zaliczenie laboratoriów 4 prace/programy, których temat jest ustalany przez prowadzącego (jeden poświęcony systemom opartych na wiedzy, 1 algorytmom genetycznym i 2 poświęcone systemom uczącym się). Programy są realizowane i oceniane na zajęciach. Ocena programu polega na "obronie": student tłumaczy prowadzącemu zasadę działania programu. Kryterium koniecznym do uzyskania pozytywnej oceny jest poprawne działanie algorytmu i samodzielna realizacja zadania. Aby uzyskać zaliczenie należy zaliczyć wszystkie prace na ocenę min. dostateczną. efekty kształcenia: W1, W2, W3, U1, U2, U3, U4, U5, U6, P2, P3 |
Pełny opis: |
Celem przedmiotu jest wprowadzenie studenta w podstawowe zagadnienia związane ze sztuczną inteligencją. W trakcie zajęć student zapozna się z dwoma głównymi kierunkami badań nad sztuczną inteligencją: systemami opartymi o wiedzę oraz systemami opartymi o maszynowe uczenie. Tematyka zajęć: Systemy ekspertowe i reprezentacja wiedzy, ontologie, wnioskowanie Reprezentacja wiedzy niepełnej i niepewnej Logika i wnioskowania niemonotniczne formalne modele argumentacji Programowanie w logice i programowanie w logice z ograniczeniami Algorytmy genetyczne Maszynowe uczenie (w tym sieci neuronowe, algorytmy uczące, eksploracja danych) Teoria gier |
Literatura: |
1. Paweł Cichosz Systemy uczące się. WNT 2000 2. Russel, Norvig: Artificial Intelligence: A Modern Approach. Global Edition. Pearson 2016 3. T. Żurek: Metody Sztucznej inteligencji. UMCS 2011 4. M. Kufel, T. Żurek: Eksploracja danych. UMCS 2012 5. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydaw. RM, 1993. |
Efekty uczenia się: |
Kierunkowe wiedza: W1 - Student zna i rozumie podstawy i zasadę działania wybranych mechanizmów sztucznej inteligencji: K_W04 (ma ogólną wiedzę w zakresie teoretycznych podstaw informatyki) [+++] W2 - Student zna algorytmy wykorzystywane w narzędziach sztucznej inteligencji: K_W05 (ma ogólną wiedzę w zakresie algorytmiki) [++] W3 - Student zna formalne podstawy mechanizmów sztucznej inteligencji: K_W09 (ma znajomość technik matematyki wyższej w zakresie niezbędnym dla ilościowego opisu, zrozumienia oraz modelowania problemów o średnim poziomie złożoności) [+++] W4 - Student zna i rozumie zjawiska i cechy ludzkiego rozumowania będące podstawą konstrukcji systemów sztucznej inteligencji, potrafi je wyrazić w za pomocą języka matematyki - K_W10 - (rozumie oraz potrafi wytłumaczyć opisy prawidłowości, zjawisk oraz procesów wykorzystujące język matematyki, w szczególności potrafi samodzielnie odtworzyć podstawowe twierdzenia i prawa) [+++] Umiejętności: U1 - Student potrafi przeanalizować algorytm wykorzystujący mechanizmy sztucznej inteligencji - K_U02 (ma umiejętność tworzenia i analizowania algorytmów) [+++] U2 - Student potrafi zaprojektować algorytm wykorzystujący mechanizmy sztucznej inteligencji -K_U04 (ma umiejętność projektowania i produkcji programowania) [+] U3 - Student potrafi dobrać parametry algorytmu wykorzystującego mechanizmy sztucznej inteligencji -K_U04 (ma umiejętność projektowania i produkcji programowania) [+] U4 - Student potrafi zaimplementować algorytm wykorzystujący mechanizmy sztucznej inteligencji -K_U05 (ma umiejętność tworzenia kodu źródłowego programów komputerowych) [+] U5 - Student potrafi opisać problem oraz działanie mechanizmu sztucznej inteligencji w sposób formalno matematyczny - K_U08 (ma umiejętność modelowania matematycznego problemów informatycznych) [+++] U6 - Student potrafi przedstawić, wyjaśnić i opisać zagadnienia sztucznej inteligencji w sposób zrozumiały- K_U12 (potrafi mówić i pisać o zagadnieniach informatycznych zrozumiałym, potocznym językiem w języku polskim i języku obcym) [+] Postawy: P1- Student zdaje sobie sprawę z szybkiego rozwoju sztucznej inteligencji i rozumie potrzebę poszerzania własnej wiedzy.K_K01 (zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia) [++] P2- Student zdaje sobie sprawę z konieczności wyjaśnienia zasady działania mechanizmów sztucznej inteligencji laikom. K_K05 (rozumie potrzebę popularnego przedstawiania laikom wybranych osiągnięć matematyki wyższej )[++] P3 Student zna i potrafi wyszukać oraz krytyczine ocenić pozycje literaturowe pozwalające na rozszerzenie jego wiedzy ze sztucznej inteligencji. K_K06 (potrafi samodzielnie wyszukiwać informacje w literaturze, także w językach obcych) [+++] i K_K07 (potrafi formułować opinie na temat podstawowych zagadnień matematycznych) [+++] |
Właścicielem praw autorskich jest Uniwersytet Marii Curie-Skłodowskiej w Lublinie.