OSNOVE UMJETNE INTELIGENCIJE

Naziv kolegija

OSNOVE UMJETNE INTELIGENCIJE

Kod

I122

Vrsta

Predavanje (30), Seminari (0), Vježbe (30)

Razina

Izborni kolegij

Godina

2

Semestar

3

ECTS

5

Nastavnik

Izv. prof. dr. sc. Darija Marković

Cilj ili svrha kolegija

Upoznati studente s metodama, tehnikama, dostignućima i primjenom umjetne inteligencije.

Preduvjeti za upis

Nisu potrebni.

Ishodi učenja

Nakon uspješno završenog kolegija student će moći:

1. definirati pojam umjetne inteligencije;

2. opisati metode i tehnike za prikaz znanja;

3. navesti vrste inteligentnih agenata;

4. objasniti i provesti postupak pretraživanja prostora stanja;

5. opisati multiagentske sustave;

6. definirati problem zadovoljavanja ograničenja;

7. usporediti različite pristupe pri planiranju;

8. razlikovati vrste strojnog učenja;

9. rezimirati mogućnosti, ograničenja i filozofske aspekte umjetne inteligencije.

Povezanost ishoda učenja, nastavnih metoda i ocjenjivanja

Konzultacije

U službenom terminu te po dogovoru

Kompetencije koje se stječu

Student usvaja osnovna znanja iz umjetne inteligencije i kompetencije u njihovoj primjeni, kao što su vladanje osnovnim pojmovima i metodama umjetne inteligencije, primjena postupka pretraživanja prostora stanja i prikazivanja znanja te korištenje tehnika strojnog učenja

Sadržaj

Definicija inteligencije i umjetne inteligencije. Turingov test. Ekspertni sustavi (definicija, arhitektura, područje primjene). Prikaz znanja, metode i tehnike za prikaz znanja. Formalizam za prikaz znanja pomoću semantičkih mreža, okvira i produkcijskih pravila. Primjeri primjene. Prikazi baza znanja i načina njihove formalizacije. Agenti i multiagentski inteligentni sustavi. Neizraziti skupovi i svojstva. Operacije nad neizrazitim skupovima. Neizrazita aritmetika. Viševrijednosna logika. Neizrazita logika. Pravila zaključivanja u neizrazitoj logici. Zaključivanje o vremenskim odnosima u vremenskim bogatim domenama. Neuronske mreže.

Preporučena literatura

S. J. Russell, P.Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall; 3rd edition, New Jersey, 2010.

Dopunska literatura

G. F. Luger. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Addison-Wesley, 2005.

T. M. Mitchell, Machine Learning.McGraw-Hill, New York, 1997.

C. Bishop, Neural Networks and Machine Learning, Springer Verlag, Berlin, 1998..

D. Graupe, Principles of Artificial Neural Networks (2nd edition), Advanced Series in Circuits and Systems – Vol. 6, World Scientific, Singapore 2007.

D. W. Patterson, Introduction to Artificial Intelligence and Expert Systems, Prentice Hall, London, 1990.

Oblici provođenja nastave

Predavanja, vježbe, konzultacije

Način provjere znanja i polaganja ispita

Ispit se sastoji od pismenog i usmenog dijela, a polaže se nakon odslušanih predavanja i obavljenih vježbi. Tijekom semestra studenti mogu polagati 2 kolokvija, koji zamjenjuju pismeni dio ispita.

Jezik poduke i mogućnosti praćenja na drugim jezicima

Hrvatski

Način praćenja kvalitete i uspješnosti izvedbe svakog kolegija i/ili modula

Anonimna anketa