Osnove umetne inteligence

Opis predmeta

  • 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

Predmet učimo na programih

Multimedija 1. stopnja

Cilji in kompetence

  • 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

Metode poučevanja in učenja

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

Predvideni študijski rezultati

Po uspešnem zaključku predmeta bo študent:

– poznal osnovne in najpogostejše uporabljane metode umetne inteligence,

– sposoben pojasniti implikacije dosežkov umetne inteligence in relacije s kognitivno znanostjo, psihologijo, medicino, logiko, matematiko in drugimi sorodnimi področji.

– sposoben opredeliti, kje so tehnične meje področja,

– sposoben uporabe preiskovalnih algoritmov in metod strojnega učenja na realnih problemih,

– sposoben primerjanja časovne in prostorske učinkovitosti uporabljanih metod,

– sposoben formulirati probleme iz realnega življenja kot probleme, ki so rešljivi z metodami umetne inteligence.

Temeljni viri in literatura

. Bratko, Prolog Programming for Artificial Intelligence, 4th edition, Pearson Education,

Addison-Wesley 2011, ISBN: 0201403757.

S. Russell, P. Norvig, Artificial Intelligence: A Modern Approach, Third edition, Pearson

Education, Prentice-Hall 2010, ISBN: 0136042597.

I. Bratko, Prolog in umetna inteligenca, Založba FE in FRI, ponatis 2011.

I. Kononenko, Strojno učenje, Založba FE in FRI, 2005.

Materiali na spletu (Spletna učilnica FRI; Ivan Bratko home page): Prosojnice predavanj, naloge.

Bodi na tekočem

Univerza v Ljubljani, Fakulteta za elektrotehniko, Tržaška cesta 25, 1000 Ljubljana

E:  dekanat@fe.uni-lj.si T:  01 4768 411