Wybrane techniki sztucznej inteligencji WM-I-S1-E5-WTSZI

Przegląd aktualnych technik sztucznej inteligencji: reprezentacja wiedzy, metody wnioskowania, algorytmy przeszukiwania, problemy spełniania ograniczeń, strategie rozgrywania gier, systemy eksperckie, sieci neuronowe, planowanie, przetwarzanie języka naturalnego.

Dyscyplina naukowa, do której odnoszą się efekty uczenia się

informatyka techniczna i telekomunikacja

E-Learning

E-Learning (pełny kurs) z podziałem na grupy

Grupa przedmiotów ogólnouczenianych

nie dotyczy

Koordynatorzy przedmiotu

Dorota Dąbrowska
Artur Mikitiuk

Opis nakładu pracy studenta w ECTS

WYKŁAD/KONWERSATORIUM uczestnictwo w zajęciach: 15 godz. udział w egzaminie poza godzinami zajęć: 2 godz. . udział w konsultacjach: 1 godz. przygotowanie do egzaminu: 7 godz. Łącznie 25 godz. 0,7 ECTS - kontakt bezpośredni z prowadzącym 0,3 ECTS - praca własna LABORATORIUM uczestnictwo w zajęciach: 15 godz. udział w konsultacjach: 2 godz. przygotowanie do zaliczenia: 8 godz. Łącznie 25 godz. 0,7 ECTS - kontakt bezpośredni z prowadzącym 0,3 ECTS - praca własna

Poziom przedmiotu

średnio-zaawansowany

Symbol/Symbole kierunkowe efektów uczenia się

wykład: I1_W07, I1_W08, I1_W14 laboratoria: I1_U03, I1_U04 OPIS SYMBOLI - Absolwent: wykład I1_W07 - zna i rozumie w zaawansowanym stopniu metody obliczeniowe i algorytmy rozwiązywania typowych problemów nauki ze szczególnym uwzględnieniem problemów informatyki i problemów inżynierskich, I1_W08 - zna i rozumie w zaawansowanym stopniu pojęcie i prawa zarządzania informacją, w tym dotyczącą systemów baz danych, modelowania danych, składowania i wyszukiwania informacji, I1_W14 - zna i rozumie teoretyczne i techniczne podstawy wybranej dziedziny informatycznej. laboratoria I1_U03 - potrafi projektować, analizować pod kątem poprawności i kosztu, modelować oraz programować algorytmy z wykorzystaniem przeznaczonych do tego technik, I1_U04 - potrafi posługiwać się przyjętymi formatami reprezentacji różnego rodzaju danych stosownie do sytuacji.

Typ przedmiotu

obowiązkowy

Wymagania wstępne

Algorytmy i struktury danych

Efekty uczenia się

WYKŁAD
Student:
W1 - charakteryzuje podstawowe metody przeszukiwania przestrzeni stanów, w tym metody ogólne i heurystyczne (I1_W07),
W2 - opisuje strategie rozwiązywania problemów związanych z rozgrywaniem gier oraz wyjaśnia działanie algorytmów minimax i alfa-beta (I1_W07),
W3 - charakteryzuje wybrane metody reprezentacji wiedzy i automatycznego rozumowania (I1_W08),
W4 - wyjaśnia pojęcie systemu eksperckiego oraz opisuje jego zastosowania i ograniczenia (I1_W08),
W5 - zna różne formalizmy logiczne (I1_W14).

LABORATORIA
Student:
I1 - stosuje odpowiedni dla danego problemu algorytm przeszukiwania (I1_U03)
I2 - dobiera odpowiednią reprezentację dla danego problemu spełniania ograniczeń (I1_U04).

Kryteria oceniania

Dla wszystkich efektów przyjmuje się następujące kryteria oceny we wszystkich formach weryfikacji:
ocena 5: osiągnięty w pełni (bez uchwytnych niedociągnięć)
ocena 4,5: osiągnięty niemal w pełni i nie są spełnione kryteria przyznania wyższej oceny
ocena 4: osiągnięty w znacznym stopniu i nie są spełnione kryteria przyznania wyższej oceny
ocena 3,5: osiągnięty w znacznym stopniu – z wyraźną przewagą pozytywów – i nie są spełnione kryteria przyznania wyższej oceny
ocena 3: osiągnięty dla większości przypadków objętych weryfikacją i nie są spełnione kryteria przyznania wyższej oceny
ocena 2: nie został osiągnięty dla większości przypadków objętych weryfikacją

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu WM-I-S1-E5-WTSZI w USOSweb