Umetni inteligentni sistemi

Visokošolski učitelji: Dobrišek Simon
Število kreditnih točk: 6
Semester izvajanja: zimski
Koda predmeta: 64250



Opis predmeta

Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti:

  • Zaključen dodiplomski študij na področju elektrotehnike ali sorodnih tehniških oziroma naravoslovno-matematičnih ved.
  • Vpis v študijski program.
  • Osnove linearne algebre, več-variabilne analize, optimizacije, statistike, verjetnostne teorije in računalniškega programiranja.

Vsebina:

  • Uvod v umetne inteligentne sisteme: umetno zaznavanje, umetna inteligenca, mehko računanje, strojno učenje, avtonomni agenti in ambientalna inteligenca, pametni nadzorni sistemi.
  • Inteligentno reševanje problemov: stanja problema in podproblemi, predstavitev problemov z grafi in algoritmi za preiskovanje grafov - izčrpno preiskovanje, hevristično preiskovanje.
  • Zgled: samodejno sestavljanje.
  • Z znanjem podprti sistemi: osnovne sestavine z znanjem podprtih sistemov, vmesnik človek-stroj, proceduralno in deklarativno znanje, proces sklepanja.
  • Predstavitev znanja: predstavitev s produkcijskimi pravili, neizrazita logika, obrazca za prikaz znanja, ki temeljita na Petrijevih omrežjih.
  • Sklepanje: metode sklepanje z veriženjem pravil, neizrazito logično sklepanja, verjetnostno sklepanje.
  • Zgled: z znanjem podprt sistem strojnega vida.
  • Znanje iz eksperimentalnih podatkov: več-variabilna regresije z umetnimi nevronskimi omrežji in stroji podpornih vektorjev.
  • Več-agentni sistemi: inteligentni agenti, več-agentni sistemi, agentni komunikacijski jezik
  • Zgled: več-agentna FIPA platforma

Cilji in kompetence:

Seznaniti študenta z osnovnimi matematičnimi in računalniškimi pristopi v umetni inteligenci, z zasnovami umetnih inteligentnih sistemov in s primeri izvedb takšnih sistemov.

Predvideni študijski rezultati:

Po zaključku tega predmeta bo študent zmožen izkazati znanje in razumevanje:

  • gradnje sistemov, ki temelje na uporabi metod umetne inteligence,
  • modeliranja določenih umskih sposobnosti človeka (reševanje splošnih problemov, učenje),
  • metod preiskovanja grafov, vključevanja človekovega znanja v umetne inteligentne sisteme in iskanja zakonitosti v podatkih.

Uporaba znanja:

Pridobljeno znanje bo študent lahko uporabil pri gradnji inteligentnih sistemov, ki so podprti z bazami problemsko usmerjenega znanja in mehanizmi sklepanja, z možnostjo zaznavanja prostora in komuniciranja z govorom ter z možnostjo samo-učenja in prilagajanja na nove okoliščine.

Prenosljive spretnosti:

  • uporabe literature ter drugih virov s področja umetne inteligence, strojnega učenja in mehkega računanja;
  • porabe informacijske tehnologije: uporaba odprtokodnih razvojnih orodij (WEKA, CLIPS, FuzzyCLIPS), okolij za programiranje (Matlab, Netbeans), programskih jezikov (Java, Prolog);
  • reševanja problemov: analiza problema, načrtovanje algoritma, implementacija programa in testiranje programa; in
  • dela v skupini: organizacija in vodenje skupine, aktivno sodelovanje v skupini.

Metode poučevanja in učenja:

  • predavanja,
  • laboratorijske vaje in projekti,
  • reševanje domačih nalog.

PDF predstavitev





Gradiva

  1. S. J. Russell, P. Norvig: Artificial Intelligence: A Modern Approach, Prentice Hall, 2010.
  2. Mohri M., Rostamizadeh A., Talwalkar, A. : Foundations of Machine Learning, The MIT Press, 2012.
  3. N. Pavešić, Razpoznavanje vzorcev: uvod v analizo in razumevanje vidnih in slušnih signalov, (3. popravljena in dopolnjena izd., 2 zv.), Založba FE in FRI, 2012



Študiji na katerih se predmet izvaja

  • 1 letnik - 2. stopnja - Elektrotehnika - Informacijsko komunikacijske tehnologije
  • 1 letnik - 2. stopnja - Elektrotehnika - Elektronika
  • 1 letnik - 2. stopnja - Elektrotehnika - Elektroenergetika
  • 1 letnik - 2. stopnja - Elektrotehnika - Biomedicinska tehnika
  • 1 letnik - 2. stopnja - Elektrotehnika - Avtomatika in informatika
  • 1 letnik - 2. stopnja - Elektrotehnika - Mehatronika
  • 1 letnik - 2. stopnja - Elektrotehnika - Robotika