Politechnika Warszawska - Centralny System Uwierzytelniania
Strona główna

Introduction to Artificial Intelligence

Informacje ogólne

Kod przedmiotu: 103A-CSCSN-ISA-EARIN
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Introduction to Artificial Intelligence
Jednostka: Wydział Elektroniki i Technik Informacyjnych
Grupy: ( Computer Systems and Networks )-Computer Systems and Networks-B.Sc.-EITI
( Courses in English )--eng.-EITI
( Przedmioty techniczne )---EITI
( Technical Courses )--eng.-EITI
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: angielski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

EARIN

Numer wersji:

1

Skrócony opis:

Wykład omawia różne kluczowe tematy dotyczące badań i praktycznych zastosowań sztucznej inteligencji (AI). Rozpoczyna się od tematu technik przeszukiwania i optymalizacji, dwuosobowych gier deterministycznych oraz algorytmów ewolucyjnych i genetycznych. Następnie przechodzi do uczenia maszynowego i analizy danych, omawiając metody regresji, klasyfikacji i grupowania, maszyny wektorów nośnych, drzewa decyzyjne, sztuczne sieci neuronowe, modele Bayesowskie i uczenie ze wzmocnieniem. W kolejnej części przedstawia symboliczne podejście do AI, omawiając różne rodzaje logik oraz inne formy symbolicznej reprezentacji wiedzy, takie jak sieci semantyczne, ramy, scenariusze itp. Szczegółowe omówienie zastosowania AI w konkretnych dziedzinach odbywa się na podstawie przykładów z przetwarzania języka naturalnego oraz analizy, przetwarzania i generowania obrazów (...)

Pełny opis: (tylko po angielsku)

    Part I. Introduction
  1. Introduction (2 hours)
    Definition of artificial intelligence. Weak and Strong Artificial Intelligence. Examples of contemporary applications of artificial intelligence. Symbolic and subsymbolic paradigms in AI.

  2. Part II. Search and optimisation.
  3. Search, heuristics and optimization (4 hours)
    Definition of a Search Task: Search Space, Purpose Function. Key search methods: breadth-first, depth-first, uniform-cost, A*, Monte Carlo Tree, beam. Basic analytical methods: straight gradient method, Newton's method, stochastic optimization.
  4. Two-player deterministic games (2 hours)
    Exhaustive search algorithm. Min-max algorithm. Alpha-beta pruning. Auxiliary techniques: open book, heuristics for selecting the order of moves to analyze.
  5. Evolutionary and genetic algorithms (2 hours.)
    The general structure of the evolutionary and genetic algorithms. Crossbreeding and mutation. Algorithm (1+1). Algorithm (mu+lambda).

  6. Part III. Machine learning and data analysis.
  7. Regression and classification (4 hours)
    Linear models. Support vector machine (SVM). Decision trees and their induction by ID3 and C4.5 algorithms. Gradient Boosting. Quality measures of regression and classification.
  8. Artificial neural networks (2 hours)
    Perceptron bilayer. Gradient reverse propagation. Network learning.
  9. Bayesian models (4 hours)
    Machine learning algorithms as estimators. Learning using maximum reliability, maximum a'posteriori and cross-entropy. Bayesian networks and the Bayesian classifier.
  10. Reinforcement Learning (2 hours)
    Markov decision-making model. Q-Learning algorithm. Action selection strategies. Exploration and exploitation in reinforcement learning.

  11. Part IV. Logic and Inference.
  12. Propositional logic, predicate logic and inference (2 hours)
    Sentences. Logical conjunctions. Predicates. Terms and atoms. Literals. Clauses. Substitution and unification. Reducing the formula of predicate logic to a set of clauses. Forward and Backward inference. Inference by resolution and negation. Inference control strategies: breadth search, justification set strategy, linear strategy, etc.
  13. Knowledge representation (2 hours)
    Symbolic methods: logics, frames, scripts, semantic networks, ontologies, knowledge graphs. Sub-symbolic methods: artificial neural networks, evolutionary algorithms. Commonsense reasoning and discourse modeling.

  14. Part V. AI in action: Language, Vision
  15. AI in Natural Language Processing (2 hours)
    Basic NLP concepts (tokenization, tagging etc.), text preprocessing (cleaning, normalization, feature extraction etc.), applications (sentiment analysis etc.). Deep learning techniques in NLP (RNNs, LSTMs, transformers), NLP tools
  16. AI in Vision and Graphics (2 hours)
    AI methods in computer vision: techniques and tools in image processing, feature extraction, and object recognition. Image analysis/recognition with deep learning techniques (CNNs, RNNs etc.). Generative models for image generation incl. GANs and VAEs etc.

  17. Part VI. Summary
  18. AI engineeering, Explainability and Ethics (2 hours)
    Summary of the whole lecture serie, ML Ops, AI ingeeniring, Biases, Explainability of AI, Privacy, Ethics

Laboratory contents:

The laboratory will consist of 7 mini-projects, each to be delivered in two weeks. Topics will follow lectures (details below). It assumes working knowledge of Python. Lab teams consist of two persons. It starts in the 3rd week of the course with a distributions of first exercise.

  1. Search, heuristics and optimization
  2. Two-player deterministic games
  3. Evolutionary and genetic algorithms
  4. Regression and classification
  5. Artificial neural networks
  6. Reinforcement Learning
  7. Logic and inference

Projects contents:

Students will work in pairs to complete a 1/2 semester exercise applying AI concepts and techniques covered in the lectures to solve a real-world problem or develop a practical solution. The exercise will provide hands-on experience with real-world datasets and presentation of results.

Literatura: (tylko po angielsku)

Literature:

  1. S. J. Russell, P. Norvig, „Artificial Intelligence: A Modern Approach”, Financial Times Prentice Hall, 2019.
  2. T. Nield, "Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics", O'Reilly Media, 2022
  3. A. Geron, "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow", O'Reilly Media, 3rd ed., 2023
  4. R.S. Sutton, A.G.Barto, "Reinforcement Learning. An Introduction", MIT Press, 2nd ed., 2020
  5. H. Lane, C. Howard, H.M. Hapke, ”Natural Language Processing in Action”, Manning Publication Co., 2019
  6. M. Flasiński, „Introduction to Artificial Intelligence”, Springer Verlang, 2016
  7. J. Prateek , „Artificial Intelligence with Python”, Packt 2017
Metody i kryteria oceniania: (tylko po angielsku)

  • Exam: 40 point
  • Mini-Labs: 35 points
  • Half-term project: 25 points
  • Total: 100 points

To get positive grade, Students must get:

  • min 50 point in total
  • min 50% from each activity(Exam, Mini-labs, and Half-term project)

Zajęcia w cyklu "rok akademicki 2023/2024 - sem. letni" (w trakcie)

Okres: 2024-02-19 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 75 miejsc więcej informacji
Projekt, 15 godzin, 75 miejsc więcej informacji
Wykład, 30 godzin, 75 miejsc więcej informacji
Koordynatorzy: Jarosław Chudziak
Prowadzący grup: Jarosław Chudziak, Tomasz Lehmann, Daniel Marczak, Filip Szatkowski, I Made Wangiyana
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2022/2023 - sem. letni" (zakończony)

Okres: 2023-02-20 - 2023-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 75 miejsc więcej informacji
Projekt, 15 godzin, 75 miejsc więcej informacji
Wykład, 30 godzin, 75 miejsc więcej informacji
Koordynatorzy: Jarosław Chudziak
Prowadzący grup: Jarosław Chudziak, Tomasz Lehmann, Daniel Marczak, Filip Szatkowski, I Made Wangiyana
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2021/2022 - sem. letni" (zakończony)

Okres: 2022-02-23 - 2022-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 75 miejsc więcej informacji
Projekt, 15 godzin, 75 miejsc więcej informacji
Wykład, 30 godzin, 75 miejsc więcej informacji
Koordynatorzy: Paweł Wawrzyński
Prowadzący grup: Tomasz Lehmann, Jakub Łyskawa, Katarzyna Nałęcz-Charkiewicz, Robert Nowak, Krystian Radlak, Maciej Szymkowski, I Made Wangiyana, Paweł Wawrzyński, Paweł Zawistowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. letni" (zakończony)

Okres: 2021-02-20 - 2021-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 60 miejsc więcej informacji
Projekt, 15 godzin, 60 miejsc więcej informacji
Wykład, 30 godzin, 60 miejsc więcej informacji
Koordynatorzy: Paweł Wawrzyński
Prowadzący grup: Tomasz Lehmann, Jakub Łyskawa, I Made Wangiyana, Paweł Wawrzyński, Paweł Zawistowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2019/2020 - sem. letni" (zakończony)

Okres: 2020-02-22 - 2020-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 45 miejsc więcej informacji
Projekt, 15 godzin, 45 miejsc więcej informacji
Wykład, 30 godzin, 45 miejsc więcej informacji
Koordynatorzy: Paweł Wawrzyński
Prowadzący grup: Paweł Wawrzyński, Piotr Wąsiewicz, Paweł Zawistowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2018/2019 - sem. letni" (zakończony)

Okres: 2019-02-18 - 2019-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin, 36 miejsc więcej informacji
Projekt, 15 godzin, 36 miejsc więcej informacji
Wykład, 30 godzin, 36 miejsc więcej informacji
Koordynatorzy: Paweł Wawrzyński
Prowadzący grup: Paweł Wawrzyński, Piotr Wąsiewicz, Paweł Zawistowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Jednostka realizująca:

103200 - Instytut Informatyki

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.
pl. Politechniki 1, 00-661 Warszawa tel: (22) 234 7211 https://pw.edu.pl kontakt deklaracja dostępności USOSweb 7.0.0.0-7 (2024-03-18)