Podstawowe informacje
Przedmiot poświęcony jest podstawowym zagadnieniom sztucznej inteligencji.
Szczegółowe tematy obejmują reprezentację wiedzy i wnioskowanie, automatyczne planowanie, przeszukiwanie przestrzeni stanów w grach, systemy regułowe oraz uczenie maszynowe i sztuczne sieci neuronowe.
Strona przedmiotu na Moodle
Prowadzący
Harmonogram wykładów
Wykłady odbywają się w środy o 11:45-13:15 w sali CW 8 (online do odwołania)
Literatura
Podstawowa
- Stuart Russell and Peter Norvig. 2016. Artificial Intelligence: A Modern Approach (3rd ed.). Prentice Hall Press, Upper Saddle River, NJ, USA
Uzupełniająca
- Dana Nau, Malik Ghallab, and Paolo Traverso. 2004. Automated Planning: Theory & Practice. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA. (szczególnie ‘classical planning‘)
- Mauricio Salatino, Mariano De Maio, Esteban Aliverti. Mastering JBoss Drools 6 Paperback, Packt Publishing 2016
- Franz Baader, Diego Calvanese, Deborah L. McGuinness, Daniele Nardi, and Peter F. Patel-Schneider. 2010. The Description Logic Handbook: Theory, Implementation and Applications (2nd ed.). Cambridge University Press, New York, NY, USA. (rozdział 1 i 2, dostępne online)
- Aurélien Géron. Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Helion, 2018
- Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning, MIT Press, http://www.deeplearningbook.org, 2016
- Francois Chollet. Deep Learning. Praca z językiem Python i biblioteką Keras. Helion, 2019
Popularnonaukowa
- Bostrom, Nick (2016). Superinteligencja. Scenariusze, strategie, zagrożenia. Helion.
Zasady oceniania
Wykład
Ocena na podstawie dwóch kolokwiów o równej wadze przeprowadzonych na wykładzie.
Laboratorium
Materiał nauczany na laboratorium jest podzielony na trzy moduły ćwiczeń laboratoryjnych oraz projekt, który przebiega równolegle do ćwiczeń w trakcie semestru.
Moduł | Punkty |
---|---|
Automatyczne planowanie | 20 |
Reprezentacja wiedzy, wnioskowanie, systemy eksperckie / regułowe | 20 |
Uczenie maszynowe i sztuczne sieci neuronowe | 20 |
Gra | 40+do 10 punktów za turniej |
W przypadku modułu Automatyczne Planowanie zaliczenie odbywa się na zajęciach poprzez rozwiązanie quizzu i zadania przy komputerze. Zadanie można wykonywać w zespołach dwuosobowych.
Zaliczenie modułów Reprezentacja wiedzy, wnioskowanie, systemy eksperckie / regułowe polega na wykonaniu ćwiczenia na laboratorium bądź też do dwóch tygodni po ostatnich zajęciach z danego modułu).
Moduł Uczenie maszynowe i sztuczne sieci neuronowe jest zaliczany na podstawie notebooków Jupytera w trakcie laboratoriów lub też do dwóch tygodni po ostatnich zajęciach z tego modułu.
Wykonanie projektu (Gra) jest obowiązkowe przynajmniej w podstawowej wersji aby zaliczyć laboratorium.
Punkty za turniej są przydzielane w następujący sposób: ostatni zgłoszony przez drużynę gracz bierze udział w turnieju w obrębie grupy laboratoryjnej (w systemie każdy-z-każdym). Za uzyskanie pierwszego miejsca każdy z członków drużyny otrzymuje po 10 punktów, drugiego – 7, a trzeciego – 5. Pozostałe drużyny nie otrzymują punktów za turniej. Po zakończeniu turnieju wewnątrzgrupowego punktowane drużyny wezmą udział w niezobowiązującym turnieju międzygrupowym.
Możliwe jest również uzyskanie dodatkowych punktów (0-5 pkt) z laboratorium za trwały wkład w rozwój przedmiotu. Przykładowe działania obejmują poprawę błędów wykorzystywanego oprogramowania, opracowanie nowych, nietrywialnych zadań itp. Przed przystąpieniem do pracy należy skonsultować się z prowadzącym laboratorium, który wstępnie oceni przydatność danego działania.
Skala ocen
Liczba punktów | Ocena |
---|---|
[0;50] | 2,0 |
(50;60] | 3,0 |
(60;70] | 3,5 |
(70;80] | 4,0 |
(80;90] | 4,5 |
(90;∞) | 5,0 |