Podstawy Sztucznej Inteligencji - Semestr zimowy 2019/2020
Kierunek: Informatyka
Rok: III
Prowadzący:
Organizacja zajęć i zasady zaliczenia
Ogólne zasady, które Państwa
obowiązują:
GRIS - proszę przeczytać, zrozumieć, ew. wątpliwości zgłosić na 1.-2. zajęciach
Materiały do zajęć (i ciekawostki dot. SI) będziemy zbierać w Wiki o sztucznej inteligencji:
W czasie zajęć zdobywamy punkty doświadczenia (EXP). Punkty można zdobywać (i tracić) na kilka sposobów:
Sposób deklaracji wyboru Bossa (wybór jednego oznacza brak możliwości wyboru innego):
Boss 1: Kolokwium – podejście do kolokwium zaliczeniowego (wejście do sali)
Boss 2: Projekt – oddanie projektu (przesłanie raportu do zaliczenia, prośba o ocenę projektu na konsultacjach)
Boss 3: Wiki – deklaracja wysłana mailem na
kkutt@agh.edu.pl;
deklaracje można wysyłać od 09.09.2019 od godziny 12:00 do wyczerpania miejsc
5046 EXP stanowi 100% łącznej liczby punktów (MAX).
Zaliczenia poprawkowe
Zaliczenie poprawkowe obejmuje jednego z bossów.
Do zaliczenia poprawkowego mogą przystąpić osoby które:
Do wyników uzyskanych z zaliczenia poprawkowego nie wlicza się:
plusów - w 1. terminie poprawkowym,
plusów i nieusprawiedliwionych nieobecności - w 2. terminie poprawkowym.
W 2. terminie poprawkowym można uzyskać co najwyżej ocenę 3.0.
Harmonogram
UWAGA: Z powodu przedłużającej się niedyspozycji p. Bydłosza zajęcia nr 5 (Regułowe systemy ekspertowe) nie odbędą się, nie będzie kartkówki z tego tematu, a materiał nie będzie obowiązywać do kolokwium.
Literatura
Obowiązkowa:
Dodatkowa:
Inne:
Dla Prowadzących
Wykłady
Wykłady 2018/2019
02-27: Wprowadzenie
03-06: e-learning
03-13: Przeszukiwanie grafów
03-20: e-learn
03-27: LPP
04-03: CSP
04-10: RBS
04-17: KRR
04-24: KRR
05-08: ML
05-15: e-learning
05-22: ML
05-29: LOD
06-05: TBA
06-12: Kolokwium
Wykłady 2017/2018
Wprowadzenie do sztucznej inteligencji (AI). Problematyka reprezentacji i przetwarzania wiedzy. Charakterystyka metod i obszaru zastosowań. Przykłady problemów AI. [28.02.2018; ALi]
-
Przeszukiwanie grafów. Tree Search vs. Graph Search. Metody systematyczne (ślepe). DFS vs. BFS. Problemy implementacji. [14.03.2018; ALi]
Przeszukiwanie grafów. Metody ślepe: DLS, ID, BS, UC (Dijkstry). Elementy implementcji w Prologu i Pythonie. [21.03.2018; ALi]
Przeszukiwanie grafów. Metody heurystyczne. Problemy implementacji.Elementy implementcji w Prologu i Pythonie. [28.03.2017; ALi]
Programowanie z ograniczeniami. Podstawy teoretyczne. Zastosowania. Narzędzia: Prolog+clpfd, MiniZinc. [11.04.2018; ALi]
Systemy regułowe i ekspertowe. Automatyczne planowanie operacji. Przykłady w Prologu. [18.04.2018; ALi]
Nowe paradygmaty w AI [25.04.2018; GJN]
brak wykladu [09.05.2018; GJN]
Uczenie maszynowe [16.05.2018; GJN]
Uczenie maszynowe [23.05.2018; GJN]
Wykłady 2016/2017
Wprowadzenie do Sztucznej Inteligencji. Rozwiązywanie problemów. Reprezentacja wiedzy i wnioskowanie. Przykłady systemów inteligentnych. [1.03.2017;ALi]
Algorytmy przeszukiwania grafów (DFS, BFS i pochodne). Tree Search vs. Graph Search. Backtracking Search. Implementacja w Prologu. [8.03.2017; ALi]
Algorytmy ślepe: BFS, UC, DFS, DFS-limited, DFS-Iterative-Deepening; Algorytm Dijkstry. Przykłady implementacji (Prolog, Python). Planowanie odporne (Robust Planning) [15.03.2017; ALi]
Algorytmy heurystyczne szukania w grafach. Algorytm A*. Szukanie wiązką. Algorytmy inspirowane biologicznie (GA) i fizycznie (SA). [22.03.2017; ALi]
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]
Systemy z Bazą Wiedzy. Systemy regułowe. Systemy eksperckie. [5.04.2017; ALi]
E-Learning: Introduction to Artificial Intelligence.
CS221 [12.04.2017]]
E-Learning: Introduction to Artificial Intelligence.
CS188 [19.04.2017]
C.D.N. [26.04.2017]
…
Materiały pomocnicze (2017/2018)
Background Material
[[http://ml.unife.it/belief-propagation/]]
—-