• Kierunek: Informatyka
• Rok: III
• Prowadzący:
  • dr inż. Krzysztof Kutt (KKT)
  • mgr inż. Dawid Bydłosz (DBD)

• Ogólne zasady, które Państwa obowiązują: GRIS - proszę przeczytać, zrozumieć, ew. wątpliwości zgłosić na 1.-2. zajęciach
  • Uwaga: zasady dotyczące nieobecności na PSI są INNE niż opisane w GRIS. Szczegóły poniżej.

• W czasie zajęć zdobywamy punkty doświadczenia (EXP). Punkty można zdobywać (i tracić) na kilka sposobów:
  • Główny wątek: uczestniczenie w laboratoriach
    • Zajęcia odbywają się co dwa tygodnie zgodnie z Harmonogramem
    • 6x4 EXP – kartkówka na każdych zajęciach (poza pierwszymi) na podstawie materiałów z Wiki o Sztucznej Inteligencji (2 pytania po 2 EXP)
    • 1 EXP – za aktywność na zajęciach (plusy z aktywności)
    • -10 EXP – za każdą nieobecność nieusprawiedliwioną (również pierwszą)
  • Wątek poboczny: udział w eksperymencie affective computing
    • Eksperyment będzie przeprowadzany w dniach 11-29.03.2019. Więcej szczegółów zostanie podanych wkrótce.
    • Udział w badaniu przez uczestnika PSI to zaliczenie jednej nieobecności i otrzymanie 4 EXP (max) z kartkówki z tych zajęć – w przypadku, gdy ktoś będzie obecny na wszystkich zajęciach, ciągle może skorzystać z opcji otrzymania 4 EXP z kartkówki (z tej, która przyniosła najmniej EXP)
    • 4 EXP – zaproszenie do udziału kogoś spoza Roku¹⁾ (4 EXP za każdą osobę, która wzięła udział w badaniu)
  • Wątek poboczny: tworzenie Wiki o Sztucznej Inteligencji
    • Wiki stanowi kompendium wiedzy do zajęć/kolokwium/egzaminu, ale też zbiór ciekawych tematów dot. SI – więcej szczegółów poniżej w sekcji Wiki o Sztucznej Inteligencji
    • 4 EXP za każde wykonane zadanie w Wiki (2 EXP za wartość merytoryczną + 2 EXP za zrobienie w terminie)
    • 0.5 EXP za każde ocenione zadanie w Wiki
    • UWAGA: w tym wątku można zdobyć maksymalnie 30 EXP
  • Boss: 50 EXP
    • do wyboru jeden z dwóch poniższych (można też nie atakować Bossów tylko przemknąć w cieniu, jeżeli ktoś ma wystarczającą liczbę EXP):
    • Boss 1: Kolokwium (test wielokrotnego wyboru) na podstawie materiałów z Wiki
      • Każda osoba ma indywidualnie wygenerowany test oznaczony kodem kreskowym
      • W każdym zadaniu minimum 1 odpowiedź jest poprawna; maksymalnie wszystkie cztery
      • Punktacja każdego zadania:
        • +1 pkt za każdą poprawnie zaznaczoną odpowiedź (gdy powinna być zaznaczona)
        • -1 pkt za każdą niepoprawnie zaznaczoną (zaznaczenie odpowiedzi, która nie powinna zostać zaznaczona)
        • 0 pkt za niezaznaczoną odpowiedź
        • W ramach zadania nie można mieć punktów ujemnych.
      • W związku z tym, że każda osoba może mieć inną liczbę punktów, wyliczany jest wynik procentowy z kolokwium i przeliczany na EXP
    • Boss 2: Projekt (w grupach 2-3 os.): „Przygotowanie modeli predykcji emocji na podstawie sygnałów fizjologicznych (HR, GSR)” (analiza danych zebranych w ramach Eksperymentu)
      • Ocenie podlega raport (kod + tekst; archiwum 7z/tar.gz/zip; preferowany Jupyter Notebook):
        • 10 EXP – Wstępna eksploracja
        • 10 EXP – Preprocessing
        • 5 EXP – Przygotowanie podstawowych modeli
        • 10 EXP – Dopracowanie parametrów modeli, ustalenie optymalnych parametrów
        • 10 EXP – Porównanie modeli
        • 5 EXP – Wybór najlepszego modelu
      • Punkty przyznawane są za działające fragmenty kodu oraz za sensowne uzasadnienie dlaczego dany krok został zrealizowany w taki, a nie inny sposób (np. dlaczego wybrano takie modele i takie ich parametry)

• 100 EXP stanowi 100% łącznej liczby punktów (MAX).

• Zaliczenie poprawkowe obejmuje jednego z bossów.
• Do zaliczenia poprawkowego mogą przystąpić osoby które:
  • Nie mają zaliczenia (mniej niż 50 EXP) lub
  • nie walczyły z żadnym Bossem i posiadają usprawiedliwienie (ważne w dzień walki z Bossem 1: Kolokwium).
• 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.

L.p.	Tydzień A	Tydzień B	Laboratorium
1.	27.02.2019	06.03.2019	Reprezentacja wiedzy (KKT)
2.	13.03.2019	20.03.2019	Przeszukiwanie grafów (KKT)
3.	27.03.2019	03.04.2019	Programowanie z ograniczeniami (KKT)
4.	10.04.2019	17.04.2019	Regułowe systemy ekspertowe (KKT)
5.	24.04.2019	08.05.2019	Uczenie nadzorowane (DBD/KKT)
6.	15.05.2019	22.05.2019	Uczenie nienadzorowane (DBD/KKT)
7.	29.05.2019	05.06.2019	Reprezentacja niepewności (DBD/KKT)
–	12.06.2019		Termin zapasowy / oddawanie projektów
			Kolokwium
			Egzamin. Termin zerowy (dla osób mających zaliczenie z lab)

• Aktualna lista obecności i punktacja

• Wiki: https://krzysztof.kutt.pl/psi-wiki/
• Lista zadań: https://trello.com/b/fBs9PkEz/psi-2018-2019
  • UWAGA Zmieniać cokolwiek w tablicy można dopiero od 07.03.2019 00:01 (wszyscy będą wtedy po pierwszych zajęciach i będą znać zasady organizacji zajęć z PSI)

• Zasady realizacji zadań w Wiki:
  • Zadania wykonujemy indywidualnie korzystając ze swojego konta w wiki.
  • Każdy samodzielnie wybiera zadania. W danym momencie można realizować tylko jedno zadanie.
    • Podjęcie się zadania to przypisanie się do tego zadania. Należy również wtedy przenieść zadanie z listy „Do zrobienia” do listy „W trakcie” w Trello
    • Realizacja kilku zadań równocześnie skutkuje ujemnymi punktami: -3 EXP za każde równoczesne zadanie.
  • Jedyne ograniczenie na liczbę realizowanych zadań to maks. 30 EXP do zdobycia w wątku z wiki (jak zaznaczono w zasadach zaliczenia). Nie ma limitów na liczbę zrealizowanych zadań w ramach konkretnego laboratorium: można nie zrobić żadnego, można zrobić kilka (w miarę dostępności zadań).
  • Zadania mają przyporządkowane terminy wykonania (sobota 23:59 przed pierwszymi zajęciami z danego tematu) – wykonanie zadania w terminie skutkuje doliczeniem 2 EXP (zadanie musi mieć co najmniej jedną ocenę większą od 0 w poniedziałek o 08:00, aby zostało to doliczone)
    • Zadania z laboratorium 1 (których siłą rzeczy nie dało się wykonać do soboty przed zajęciami) + dodatkowe tematy poszerzające wiedzę mają ustalony termin na sobotę przed ostatnimi zajęciami, aby móc je na spokojnie realizować w czasie semestru.
  • Po zakończeniu zadania (gdy ktoś uzna, że jest zakończone) proszę o przeniesienie go do listy „Zrobione”, o komentarz w zadaniu w Trello z linkami do stron na których dokonało się zmian w ramach tego zadania oraz o otagowanie stron statusem „ZROBIONE”

• Zasady oceny zadań:
  • Wiki jest oceniane na zasadzie peer-review (oceniają Państwo siebie nawzajem). Każde zadanie mogą ocenić maksymalnie 3 osoby (inne niż autor).
  • Oceny dokonujemy w komentarzu w Trello + na konkretnej stronie wiki, podając swój login. Podczas oceny proszę brać przede wszystkim pod uwagę to, że ktoś to opracowanie zrobił dla Państwa, aby nie musieli Państwo czytać oryginalnego tekstu tylko opracowanie w wiki.
  • Skala ocen:
    • 0 – brak strony / tekst kompletnie niezrozumiały / trudny do przełknięcia (np. ktoś wkleił masę tekstu i nie da się tego czytać)
    • 1 – pośrednie między 0 i 2; czyli np. tekst ok, ale brakło linków; albo tekst tylko w części opracowany
    • 2 – tekst w porządku, na temat, zwięzły, zrozumiały; z linkami do innych powiązanych stron [tekst nie musi być długi! jeżeli tylko rozumie się o co chodzi w danym zagadnieniu! Może to być nawet tylko jeden obrazek, jeżeli to już zamyka zagadnienie ]
  • Osoba która dokonuje trzeciej oceny proszona jest o zmianę statusu strony wiki ze „ZROBIONE” na „OCENIONE” i przeniesienie zadania do listy „Ocenione” na Trello

• Zawartość wiki a kartkówki/kolokwium:
  • Część zadań ma w Trello etykietę „Kartkówka / Kolokwium” - te zadania wchodzą do kartkówki (jeżeli mają również etykietę oznaczającą laboratorium) i do kolokwium zaliczeniowego
    • W trakcie realizacji zadań w wiki proszę o tagowanie odpowiednich stron relacją: test = YES
  • Do kartkówki wchodzi materiał, który był w wiki o 23:59 w sobotę przed kartkówką.
  • Jeżeli jakiś materiał nie został opracowany w terminie to do kartkówki wchodzi cały tekst źródłowy z tego tematu.
  • W przypadku dobrej współpracy (będziemy rzetelnie pracować nad bazą wiedzy), prowadzący zagwarantuje, że kolokwium nie będzie wykraczać materiałem poza wiedzę zawartą w wiki [nawet jeżeli jakieś pojedyncze tematy nie zostaną opracowane to nie będą wchodzić do kolokwium].

• Zawartość wiki a Trello:
  • Część rzeczy jest redundantna i pojawia się zarówno w Trello jak i w wiki – przede wszystkim oceny. Domyślnie punkty będą liczone na podstawie wiki. Trello jest po to, aby weryfikować czy rzeczywiście każdy oceniał „za siebie” i nie podszywał się pod inną osobę (w wiki trudniej to zweryfikować, w Trello jest to jednoznaczne).
  • W przypadku wykrycia niezgodności (ktoś wystawił ocenę podszywając się pod kogoś innego), takiej osobie zeruje się liczbę punktów za wiki (zarówno za oceny jak i za zadania).

• D. Poole, A. Mackworth. Artificial Intelligence: Foundations of Computational Agents, 2nd Edition. Cambridge University Press, 2017 (ONLINE)
• Stuart Russell and Peter Norvig. Artificial Intelligence: A Modern Approach. 3rd Ed., Pearson, 2010.
• Mariusz Flasiński. Wstęp do Sztucznej Inteligencji. Wydawnictwo Naukowe PWN, 2011.

Inne:

• Popularnonaukowy wstęp do wybranych zagadnień sztucznej inteligencji na blogu prof. Tadeusiewicza
• Judah Vs. The Machines – 8 odcinków x 6 minut, Człowiek vs Sztuczna Inteligencja – kto wygra?

• Materiały

1. 02-27: Wprowadzenie
2. 03-06: e-learning
3. 03-13: Przeszukiwanie grafów
4. 03-20: LPP
5. 03-27: CSP
6. 04-03: RBS
7. 04-10: KRR
8. 04-17: ML
9. 04-24: ML
10. 05-08: Niepewność
11. 05-15: e-learning?
12. 05-22:
13. 05-29:
14. 06-05:

1. Wprowadzenie do sztucznej inteligencji (AI). Problematyka reprezentacji i przetwarzania wiedzy. Charakterystyka metod i obszaru zastosowań. Przykłady problemów AI. [28.02.2018; ALi]
2. E-learning. Readings in AI: from * AI Book read and analyze Chapters 1, 2 and 3. [7.03.2018; ALi]; Also: compare courses in AI: * CS221: Artificial Intelligence * CS188: Artificial Intelligence
3. Przeszukiwanie grafów. Tree Search vs. Graph Search. Metody systematyczne (ślepe). DFS vs. BFS. Problemy implementacji. [14.03.2018; ALi]
4. Przeszukiwanie grafów. Metody ślepe: DLS, ID, BS, UC (Dijkstry). Elementy implementcji w Prologu i Pythonie. [21.03.2018; ALi]
5. Przeszukiwanie grafów. Metody heurystyczne. Problemy implementacji.Elementy implementcji w Prologu i Pythonie. [28.03.2017; ALi]
6. Programowanie z ograniczeniami. Podstawy teoretyczne. Zastosowania. Narzędzia: Prolog+clpfd, MiniZinc. [11.04.2018; ALi]
7. Systemy regułowe i ekspertowe. Automatyczne planowanie operacji. Przykłady w Prologu. [18.04.2018; ALi]
8. Nowe paradygmaty w AI [25.04.2018; GJN]
9. brak wykladu [09.05.2018; GJN]
10. Uczenie maszynowe [16.05.2018; GJN]
11. Uczenie maszynowe [23.05.2018; GJN]

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: Introduction to Artificial Intelligence. CS188 [19.04.2017]
9. C.D.N. [26.04.2017]
10. …

• AI-Introduction
• KE - Introduction
• Blind Search
• Heuristic Search
• CSP and Constraint Programming
• Rule-Based Systems

• AI Book
• Prolog - page with external links
• CS221: Artificial Intelligence
• CS188: Artificial Intelligence
• CS227: Knowledge Representation and Reasoning
• KRR: PL