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

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
Język prowadzenia: angielski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

EARIN

Numer wersji:

1

Skrócony opis:

Wykład wychodzi od logicznych podstaw sztucznej inteligencji, prezentując metody automatycznego wnioskowania w logice predykatów. Wnioskowanie jest następnie prezentowane jako przykład zadania przeszukiwania przestrzeni. W tym kontekście są wprowadzane metody przeszukiwania w głąb i wszerz. Następnie dokonuje się przeglądu metod indukcji reguł decyzyjnych, ze szczególnym uwzględnieniem metody zbiorów przybliżonych. Zagadnienie indukcji reguł jest ponownie przedstawiane jako zadanie przeszukiwania przestrzeni i w tym kontekście są omawiane niektóre metody przeszukiwania przestrzeni: metody heurystyczne (najpierw najlepszy) oraz metod metaheurystyczne, w szczególności symulowane wyżarzanie, sztuczny system immunologiczny i algorytm ewolucyjny. Następnie omawiane są metody indukcji drzew decyzyjnych ze szczególnym uwzględnieniem algorytmów ID3 i C4.5, oraz lasy losowe.

Pełny opis: (tylko po angielsku)

The lecture starts from the logic fundamentals of Artificial Intelligence and presents methods of automated inference in the predicate logic. Then the inference process is re-interpreted as a space searching task, and depth-first and breadth-first search methods are presented. Next step is the overview of decision rule inference methodologies, with a stress on Rough Sets. The process of searching for decision rules is again presented as a space searching task, and few searching techniques are introduced and compared. They include various versions of best-first heuristic search methods, and few selected metaheuristics, including simulated annealing, artificial immune and evolutionary methods. After that, decision trees inference is presented, in particular ID3 and C4.5 methods, and random forests.

Lecture contents

  1. Introduction (2h): weak and strong AI, concept of problem solving by searching, relation between the formulating the problem as a search task and its solvability.

  2. Predicate logic(2h): basic concepts: formulas, logical functions, variables, relation to the set theory, normal forms.

  3. PROLOG as an example system of inference in predicate logic (4h): example predicates, inference mechanism, substitution and unification.

  4. Inference in predicate logic as a search task (2h): space of
    proofs, depth-first and breadth-first search.

  5. Learning from data (2h): taxonomy of learning tasks, decision rules as a method to represent knowledge, concept of decision rules learning, ideas of AQ and Rough Set approach.

  6. Rough Set approach (4h): indiscernibility relation, concepts of reduct and core indescernibility matrix, reduct derivation, decision rules inference as a searching task.

  7. Heuristic search methods (4h): heuristic function, best-first search algorithms: uniform cost, greedy and A*.

  8. Metaheuristic search methods (4h): simulated annealing,
    artificial immune system, evolutionary algorithm, role of randomness in
    attaining global optimization.

  9. Decision trees (4h): relation between decision trees and decision rules, learning decision tree from data (ID3), overview of problems with unbalanced attribute domains and examples, measures of quality of a tree, overlearning, C4.5.

  10. Ensembles of learning systems (2h): idea of bootstrapping,
    reducing generalization error by bootstrapping, random forests.



Laboratory contents
The laboratory starts in the second week of the course and is held
every second week. Each meeting takes two hours (except for the last
one).

  1. Writing example predicates in PROLOG (4h): searching paths in graphs, solving simple puzzles.

  2. Introduction to R (2h).

  3. Exercising Rough Set methology (2h): finding reducts of example information systems, learning role of attribute discretization.

  4. Defining heuristic functions (4h): graph problems and board
    puzzles.

  5. Exercising ID3 algorithm (2h): finding decision trees of example information systems, comparison to the Rough Set methodology, learning role of attribute discretization.

  6. Bagging and random forests(1h).


Projects contents
During the project, students will realize a whole semester task. These
tasks can be twofold:

  1. Learning decision rules or decision trees from specific types of data, with the use of methods which are modifications of standard ones.

  2. Implementation of programs of the following types:

a) PROLOG programs which solve decision supporting problems,

b) Board puzzles and board games with the use of heuristic function and
heuristic search methods.

Project is implemented in two-person teams.

Literatura: (tylko po angielsku)

  • G. Luger, Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Addison-Wesley, 2008.

  • Z. Michalewicz, D. Fogel: How to solve it: modern heuristics,
    Springer, 2004.

  • S.Russell, P.Norvig, Artificial Intelligence: a modern approach,
    Prentice Hall, 2002.

  • http://www.roughsets.org

Metody i kryteria oceniania: (tylko po angielsku)

During the lab exercises it is possible to score up to 20 points:


  • 5 points for exercise 1.

  • 5 points for the exercise 3

  • 5 points for the exercise 4

  • 5 points for the exercise 5


The project is scored up to 30 points. The final exam is scored up to
50 points. Students are allowed to take an exam after they have
completed the work on their project.

The final grade is based on the total number of points. To pass the
exam, it is necessary to obtain minimum 10 points. Under that
condition, the final grade is obtained according to the following
pattern:

  • 5.0: 91-100 points

  • 4.5: 81-90 points

  • 4.0: 71-80 points

  • 3.5: 61-70 points

  • 3.0: 51-60 points

  • 2.0: 0-50 points

If the exam is not passes, the final grade is 2.0, regardless of the
total number of points obtained.

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

Okres: 2019-02-18 - 2019-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
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

Zajęcia w cyklu "rok akademicki 2017/2018 - sem. letni" (zakończony)

Okres: 2018-02-19 - 2018-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
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

Zajęcia w cyklu "rok akademicki 2016/2017 - sem. letni" (zakończony)

Okres: 2017-02-20 - 2017-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
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
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Jednostka realizująca:

103200 - Instytut Informatyki

Zajęcia w cyklu "rok akademicki 2015/2016 - sem. letni" (zakończony)

Okres: 2016-02-23 - 2016-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 15 godzin, 30 miejsc więcej informacji
Projekt, 15 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Koordynatorzy: Jarosław Arabas
Prowadzący grup: Jarosław Arabas
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Jednostka realizująca:

103300 - Instytut Systemów Elektronicznych

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.