Wybrane techniki sztucznej inteligencji WM-I-Z-S1-E5-TSI

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

Dyscyplina naukowa, do której odnoszą się efekty uczenia się

informatyka techniczna i telekomunikacja

E-Learning

E-Learning (pełny kurs)

Grupa przedmiotów ogólnouczenianych

nie dotyczy

Koordynatorzy przedmiotu

Dorota Dąbrowska
Artur Mikitiuk

Opis nakładu pracy studenta w ECTS

WYKŁAD uczestnictwo w zajęciach: 10 godz. udział w konsultacjach: 1 godz. udział w egzaminach poza zajęciami: 2 godz. przygotowanie do zajęć: 2 godz. przygotowanie do egzaminu: 10 godz. Łącznie 25 godz. 0,5 ECTS - kontakt bezpośredni z prowadzącym 0,5 ECTS - praca własna LABORATORIUM uczestnictwo w zajęciach: 10 godz. udział w konsultacjach: 1 godz. przygotowanie do zajęć: 2 godz. przygotowanie do zaliczenia: 12 godz. Łącznie 25 godz. 0,4 ECTS - kontakt bezpośredni z prowadzącym 0,6 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-Z-S1-E5-TSI w USOSweb