Podstawy Sztucznej Inteligencji - Semestr letni 2016/2017

Organizacja zajęć i zasady zaliczenia

  • Ogólne zasady, które Państwa obowiązują: GRIS - proszę przeczytać, zrozumieć, ew. wątpliwości zgłosić na 1.-2. zajęciach
    • Proszę zwrócić uwagę na sposób informowania Państwa o aktualnościach, tryb konsultacji, zasady dotyczące kolokwiów i obecności.
  • W ramach zajęć będziemy wspólnie tworzyć Wiki o Sztucznej Inteligencji, stanowiącą kompendium wiedzy przed kolokwium i egzaminem
  • Na zaliczenie laboratorium składają się:
    • Udział w tworzeniu wiki: 7lab x 4pkt = 28pkt
    • Kolokwium: 28pkt
  • Powyższe punkty stanowią 100% maksymalnej łącznej liczby punktów (MAX).
  • Zgodnie z GRIS do wartości MAX nie wliczają się plusy za aktywność.

Zaliczenia poprawkowe

  • Kolokwium poprawkowe obejmuje całość materiału.
  • Do zaliczenia poprawkowego mogą przystąpić osoby które:
    • Nie mają zaliczenia lub
    • nie pisały kolokwium i posiadają usprawiedliwienie (osoby takie mogą pisać tylko zaległe kolokwium/a).
  • Do wyników uzyskanych z zaliczenia poprawkowego nie wlicza się:
    • plusów/minusów - w 1. terminie poprawkowym,
    • plusów/minusów i nieusprawiedliwionych nieobecności - w 2. terminie poprawkowym.
  • W 2. terminie poprawkowym można uzyskać co najwyżej ocenę 3.0.

Harmonogram

L.p. Tydzień A Tydzień B Laboratorium
1. 27.02.2017 06.03.2017 Reprezentacja wiedzy
2. 13.03.2017 20.03.2017 Przeszukiwanie grafów
3. 27.03.2017 03.04.2017 Programowanie z ograniczeniami
4. 10.04.2017 24.04.2017 Regułowe systemy ekspertowe (KKL)
5. 08.05.2017 15.05.2017 Uczenie nadzorowane
6. 22.05.2017 29.05.2017 Uczenie nienadzorowane
7. 05.06.2017 12.06.2017 Reprezentacja niepewności
14.06 9:45-10:45 (B1 H24) Kolokwium & zerówka

Aktualna lista obecności i punktacja

Wiki o Sztucznej Inteligencji

  • Adres wiki:
  • Lista zadań:
  • Do każdego laboratorium pojawi się lista zadań (na tydzień przed danym laboratorium, zgodnie z harmonogramem określonym w plikach powyżej).
    • Pracujemy w parach nad zadaniami.
    • Każdy korzysta ze swojego indywidualnego konta w wiki.
    • Każda para samodzielnie wybiera zadanie, które będzie realizować w ramach danego laboratorium.
    • Czas na realizację zadań: do rozpoczęcia zajęć z danego laboratorium (aby przed laboratorium wszyscy mogli przejrzeć opracowane materiały jako wstęp teoretyczny do zajęć) - szczegóły terminów zostały przedstawione w pliku z harmonogramem podlinkowanym powyżej.
    • Po zajęciach będzie tydzień na dopracowanie, rozwiązanie konfliktów, etc.
  • Ocena pracy w wiki to maksymalnie 4 pkt za każde laboratorium:
    • 2 pkt za pomyślne zakończenie zadania przez zespół (zespół po zakończeniu zadania oznacza je jako wykonane, prowadzący przedmiot ocenia czy zostało ono pomyślnie zrealizowane)
    • 2 pkt za ilość i jakość włożonej pracy (wyliczane na podstawie danych logowanych przez system wiki: metryki jakości bazy wiedzy, statystyki odwiedzin, linkowanie stron w wiki, etc)
    • Punktacja będzie generowana po zakończeniu realizacji zadań z danego laboratorium.
  • W przypadku dobrej współpracy (będziemy rzetelnie pracować nad bazą wiedzy), prowadzący zagwarantuje, że kolokwium nie będzie wykraczać materiałem poza wiedzę zawartą w wiki.

Literatura

Inne:

Dla Prowadzących

Wykłady: 2017

  1. Wprowadzenie do Sztucznej Inteligencji. Rozwiązywanie problemów. Reprezentacja wiedzy i wnioskowanie. Przykłady systemów inteligentnych. [1.03.2017;ALi]
  2. Algorytmy przeszukiwania grafów (DFS, BFS i pochodne). Tree Search vs. Graph Search. Backtracking Search. Implementacja w Prologu. [8.03.2017; ALi]
  3. Algorytmy ślepe: BFS, UC, DFS, DFS-limited, DFS-Iterative-Deepening; Algorytm Dijkstry. Przykłady implementacji (Prolog, Python). Planowanie odporne (Robust Planning) [15.03.2017; ALi]
  4. Algorytmy heurystyczne szukania w grafach. Algorytm A*. Szukanie wiązką. Algorytmy inspirowane biologicznie (GA) i fizycznie (SA). [22.03.2017; ALi]
  5. Wprowadzenie do programowania z ograniczeniami. Przykłady problemów i rozwiązań w Prologu. Biblioteka clp(fd). Techniki i narzędzia programowania z ograniczeniami. Propagacja ograniczeń vs. szukanie. Przykłady zastosowań. [29.03.2017; Ali]
  6. Systemy z Bazą Wiedzy. Systemy regułowe. Systemy eksperckie. [5.04.2017; ALi]
  7. E-Learning: Introduction to Artificial Intelligence. CS221 [12.04.2017]]
  8. E-Learning: Instroduction to Artificial Intelligence. CS188 [19.04.2017]
  9. C.D.N. [26.04.2017]

Materiały pomocnicze

pl/dydaktyka/ai/2017/start.txt · ostatnio zmienione: 2017/05/22 10:29 przez kkutt
www.chimeric.de Valid CSS Driven by DokuWiki do yourself a favour and use a real browser - get firefox!! Recent changes RSS feed Valid XHTML 1.0