Politechnika Warszawska - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Metody sztucznej inteligencji 1103-AR000-MSP-MESIN
Wykład (WYK) rok akademicki 2019/2020 - sem. zimowy

Informacje o zajęciach (wspólne dla wszystkich grup)

Strona zajęć: http://kursit.eu
Liczba godzin: 15
Limit miejsc: (brak limitu)
Literatura:

• J. Arabas, Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2004.

• B. Butkiewicz, Metody wnioskowania przybliżonego: właściwości i zastosowania, Oficyna Wydawnicza PW, Warszawa 2001

• K. Cetnarowicz, Problemy projektowania i realizacji systemów wieloagentowyh, AGH Uczelniane Wydawnictwo Naukowo-Dydaktyczne, Kraków 1999

• E. Goldberg, Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 1995

• Z. Michalewicz, Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa 1996

• J. J. Mulawaka, Systemy ekspertowe, WNT, Warszawa 1996

• L. Rutkowski, Metody i techniki sztucznej inteligencji. PWN, Warszawa, 2005

• R. Tadeusiewicz, Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa 1993

• J. Żurada, M. Barski, W. Jędruch, Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN, Warszawa 1996

• M. Kasperski, Sztuczna Inteligencja, Helion 2015

Efekty uczenia się:

A. Wiedza

1. Student posiada podstawy teorii metod sztucznej inteligencji w rozwiązywaniu problemów inżynierskich.

2. Student posiada podstawową wiedzę o wybranych narzędziach sztucznej inteligencji.

B. Umiejętności

1. Student posiada podstawy praktycznej umiejętności zastosowania metod i narzędzi sztucznej inteligencji w rozwiązywaniu problemów inżynierskich.

2. Student posiada podstawowe umiejętności modelowania procesów z wykorzystaniem narzędzi sztucznej inteligencji

Metody i kryteria oceniania:

Egzamin pisemny na koniec zajęć.

Zakres tematów:

1. Pojęcia podstawowe z zakresu sztucznej inteligencji

Omówienie podstawowych pojęć z zakresu sztucznej inteligencji: informacja, przetwarzanie informacji, bazy wiedzy, itp.

2. Sztuczne sieci neuronowe

Omówienie budowy sztucznego neuronu, sieci MLP, sieci ze sprzężeniem zwrotnym. Omówienie działania i uczenia. Algorytmy uczenia neuronu. Algorytmy nadzorowanego uczenia sztucznej sieci neuronowej. Algorytm nienadzorowanego uczenia sztucznej sieci neuronowej. Zastosowanie sztucznych sieci neuronowych w metamodelach. Przykłady zastosowań sztucznych sieci neuronowych w metalurgii.

3. Systemy ekspertowe

Metody reprezentacji wiedzy. Systemy ekspertowe i ich budowa. Zasady wnioskowania w systemach ekspertowych. Przykłady zastosowań systemów ekspertowych w metalurgii.

4. Systemy agentowe

Systemy agentowe: działanie i budowa, przykłady zastosowań.

5. Algorytmy ewolucyjne

Algorytmy ewolucyjne – budowa, działanie, przykłady zastosowań.

Metody dydaktyczne:

1. Wykład informacyjny

2. Wykład problemowy

Grupy zajęciowe

zobacz na planie zajęć

Grupa Uwagi Termin(y) Prowadzący Miejsca Akcje
1 MD-A0-3; wielokrotnie, wtorek (niestandardowa częstotliwość), 10:15 - 12:00, sala ST045
wielokrotnie, wtorek (niestandardowa częstotliwość), 10:15 - 11:00, sala ST045
Radosław Gościniak 13/222 szczegóły
Wszystkie zajęcia odbywają się w budynku:
Gmach Stary Technologiczny
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.