Politechnika Warszawska - Centralny System Uwierzytelniania
Strona główna

Podstawy sztucznej inteligencji

Informacje ogólne

Kod przedmiotu: 103A-INxxx-ISP-PSZT
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Podstawy sztucznej inteligencji
Jednostka: Wydział Elektroniki i Technik Informacyjnych
Grupy: ( Podstawy informatyki )-Informatyka-inż.-EITI
( Przedmioty obieralne )-Automatyka i robotyka-inż.-EITI
( Przedmioty podstawowe )-Inżynieria systemów informatycznych-mgr.-EITI
( Przedmioty podstawowe )-Systemy informacyjno-decyzyjne-mgr.-EITI
( Przedmioty techniczne )---EITI
Punkty ECTS i inne: 4.00 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: polski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

PSZT

Numer wersji:

1

Skrócony opis:

Wykład stanowi wyczerpującą prezentację zasad automatycznego wnioskowania oraz konstrukcji systemów wnioskujących w oparciu o logikę. Jednocześnie, wykład stanowi wprowadzenie do różnych gałęzi tzw. miękkiej sztucznej inteligencji (czy inteligencji obliczeniowej), takich jak algorytmy ewolucyjne, uczenie maszynowe i sieci neuronowe.

Pełny opis:

Wykład stanowi wyczerpującą prezentację zasad automatycznego
wnioskowania oraz konstrukcji systemów wnioskujących w oparciu o
logikę. Jednocześnie, wykład stanowi wprowadzenie do różnych gałęzi
tzw. miękkiej sztucznej inteligencji (czy inteligencji obliczeniowej),
takich jak algorytmy ewolucyjne, uczenie maszynowe i sieci neuronowe.

Treść wykładu
W1. Wprowadzenie (2 h)

Zadania sztucznej inteligencji - reprezentacja wiedzy i wnioskowanie;
rozwiązywanie problemów przez przeszukiwanie, uczenie maszynowe.
Zastosowania - systemy ekspertowe i agentowe.



Część I. Systemy logicznego wnioskowania (12 h)



W2. Baza wiedzy (1 h)

Reprezentacja wiedzy - składnia, semantyka. Wynikanie i wnioskowanie.
Języki reprezentacji wiedzy.



W3. Rachunek zdań (2 h)

Składnia i semantyka rachunku zdań. Reguły wnioskowania. Postaci
normalne zdań. Procedury wnioskowania w rachunku zdań.



W4. Logika predykatów (2 h)

Składnia i semantyka logiki predykatów. Uzgadnianie formuł. Postaci
normalne formuł Uogólnione reguły wnioskowania.



W5. Inżynieria wiedzy w logice predykatów (2 h)

Metodyka tworzenia bazy wiedzy. Rachunek sytuacyjny. Reprezentacja
pojęć - ontologia.



W6. Wnioskowanie w logice predykatów (3h)

Wnioskowanie w przód i wstecz. Wnioskowanie przez rezolucję. Poprawność
i zupełność procedur wnioskowania. Wnioskowanie jako zagadnienie
przeszukiwania. Efektywność wnioskowania.



W7. Systemy ekspertowe (2 h)

Systemy logicznego wnioskowania w praktyce. PROLOG. Systemy dowodzenia
twierdzeń. Systemy regułowe. Sieci semantyczne.



Część II. Przeszukiwanie



W8. Algorytmy ewolucyjne

Wprowadzenie do zagadnień przeszukiwania. Algorytm (1+1), algorytm
(mu+lambda).



W9. Algorytmy genetyczne

Kodowanie osobników, reprodukcja, krzyżowanie, mutacja.



W10. Gry dwuosobowe

Drzewo gry. Strategia minimaksowa. Przycinanie alfa-beta. Minimaks z
obcinaniem. Funkcja oceny stanu gry.



Część III. Uczenie maszynowe



W11. Uczenie na podstawie obserwacji - indukcja

Formy uczenia poprzez indukcję - uczenie klasyfikatora pojęć,
grupowanie (tworzenie pojęć), aproksymacja funkcji. Uczenie jako
przeszukiwanie przestrzeni hipotez - algorytm CAE.



W12. Sieci neuronowe

Zadanie aproksymacji. Definicja perceptronu wielowarstwowego MLP. Wpływ
wag na jakość aproksymacji. Uczenie sieci MLP ? wsteczna propagacja
błędu.



W14. Uczenie ze wzmocnieniem

Zadania uczenia ze wzmocnieniem. Model procesu decyzyjnego Markowa.
Algorytm TD dla uczenia funkcji użyteczności. Uczenie się strategii -
algorytm "Q-learning".



Zakres projektu
Zadania projektowe polegają implementacji programu w języku średniego
poziomu realizującego jeden z algorytmów prezentowanych na wykładzie.
Większość zadań projektowych dotyczy części I oraz II wykładu.
Przykłady tematów projektów to:

- maszyna wnioskująca w tył,

- maszyna wnioskująca przy użyciu rezolucji,

- optymalizacja przy użyciu algorytmu ewolucyjnego,

- program grający w grę taką jak warcaby, go, itp.,

- sieć neuronowa ucząca się aproksymacji funkcji.

Literatura:

    1. slajdy i in. materiały dostarczone przez wykładowców.

    2. Stuart J. Russel, Peter Norvig, "Artificial Intelligence: A
      Modern Approach", Prentice Hall, 2002.

    3. Jan J. Mulawka, "Systemy Ekspertowe", WNT 1996,

    4. Leszek Rutkowski, "Metody i Techniki Sztucznej Inteligencji", PWN
      2006,

Metody i kryteria oceniania:

Ocena z przedmiotu jest oparta na ocenie projektu i wynikach dwóch kolokwiów.

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:
Projekt, 15 godzin, 75 miejsc więcej informacji
Wykład, 30 godzin, 75 miejsc więcej informacji
Koordynatorzy: Paweł Wawrzyński
Prowadzący grup: Rafał Biedrzycki, Paweł Wawrzyński
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

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

Okres: 2020-10-01 - 2021-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Projekt, 15 godzin, 70 miejsc więcej informacji
Wykład, 30 godzin, 70 miejsc więcej informacji
Koordynatorzy: Rafał Biedrzycki, Paweł Wawrzyński
Prowadzący grup: Rafał Biedrzycki, Paweł Wawrzyński, Paweł Zawistowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
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:
Projekt, 15 godzin, 100 miejsc więcej informacji
Wykład, 30 godzin, 100 miejsc więcej informacji
Koordynatorzy: Paweł Wawrzyński
Prowadzący grup: Rafał Biedrzycki, Paweł Wawrzyński
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

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

Okres: 2019-10-01 - 2020-02-21
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Projekt, 15 godzin, 150 miejsc więcej informacji
Wykład, 30 godzin, 150 miejsc więcej informacji
Koordynatorzy: Paweł Wawrzyński
Prowadzący grup: Grzegorz Blinowski, Stanisław Kozdrowski, Bartłomiej Twardowski, Paweł Wawrzyński, Piotr Wąsiewicz, Paweł Zawistowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
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:
Projekt, 15 godzin, 100 miejsc więcej informacji
Wykład, 30 godzin, 100 miejsc więcej informacji
Koordynatorzy: Paweł Wawrzyński
Prowadzący grup: Grzegorz Blinowski, Stanisław Kozdrowski, Tomasz Martyn, Bartłomiej Twardowski, Paweł Wawrzyński
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
Jednostka realizująca:

103200 - Instytut Informatyki

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

Okres: 2018-10-01 - 2019-02-17
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Projekt, 15 godzin, 150 miejsc więcej informacji
Wykład, 30 godzin, 150 miejsc więcej informacji
Koordynatorzy: Paweł Wawrzyński
Prowadzący grup: Grzegorz Blinowski, Stanisław Kozdrowski, Bartłomiej Twardowski, Paweł Wawrzyński, Piotr Wąsiewicz, Paweł Zawistowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Ocena łączna
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)