Osnove umetne inteligence

• Uvod v umetno inteligenco in primeri uporabe

• Prostor stanj in osnovni algoritmi preiskovanja: globinsko, širinsko, iterativno poglabljanje, zahtevnost teh algoritmov

• Hevristično preiskovanje, algoritma A* in IDA*, izrek o popolnosti A*, lastnosti ocenitvenih funkcij ter analiza časovne in prostorske zahtevnosti

• Dekompozicija problemov z AND/OR grafi, algoritmi iskanja v AND/OR grafih, hevristično preiskovanje in algoritem AO*

• Strojno učenje: problem učenja iz podatkov, iskanje zakonitosti v podatkih in podatkovno rudarjenje, opisni jeziki in prostori hipotez, učenje odločitvenih dreves, regresijskih dreves, modelnih dreves, ter pravil. Programska orodja strojnega učenja in primeri uporabe.

• Predstavitev znanja in ekspertni sistemi: predstavitev znanja s pravili, ogrodji, semantičnimi mrežami, ontologije; algoritmi sklepanja in generiranje razlage; obravnavanje negotovega znanja, bayesovske mreže

• Planiranje po principu sredstev in ciljev, planiranje s popolno in delno urejenostjo, regresiranje ciljev, primeri uporabe v robotiki in logistiki

• Seznaniti slušatelje z osnovnimi koncepti, idejami, metodami in tehnikami umetne inteligence

• Sposobnost reševanja problemov z metodami umetne inteligence

• Zmožnost razumevanja literature s področja umetne inteligence

• Prispevati k razumevanju relevantnosti tehničnih dosežkov umetne inteligence glede na njihove implikacije v filozofiji in psihologiji

Predavanja, laboratorijske vaje, domače naloge, individualni ali skupinski projekti