DNN Designer
19 marca 2024   Wyszukaj w portalu:  Szukaj
 > Informacje i program > Program studiów > II semestr > Sztuczna inteligencja
 
StartInformacje i programe-LearningFAQOpłatyCertyfikat EITCAKontakt
Sztuczna inteligencja (wykład i ćwiczenia)

Sztuczna inteligencja (wykład i ćwiczenia)

Wymiar godzinowy: wykład: 10 godzin, ćwiczenia: 5 godzin

Zawartość programowa:

·          Wprowadzenie do sztucznej inteligencji

o         Naturalna inteligencja

o         Sztuczna inteligencja

o         Zadania sztucznej inteligencji

·          Wnioskowanie

o         Zadanie wnioskowania

o         Składnia i semantyka języka logiki

o         Język PROLOG jako przykładowy system wnioskowania

§          PROLOG jako język deklaratywny

§          Składnia języka

§          Listy

§          Przykładowe predykaty

§          Rezolucja i unifikacja

§          Przykładowe predykaty

o         Wnioskowanie na podstawie wiedzy niepewnej i niepełnej

§          Niedoskonała wiedza we wnioskowaniu i metody jej przewarzania

§          Wnioskowanie Bayesowskie

§          Logika rozmyta i wnioskowanie rozmyte

·          Strategie i metody przeszukiwania

o         Wnioskowanie wstecz i wprzód

o         Rozwiązywanie problemów przez przeszukiwanie przestrzeni

o         Funkcja oceniająca

o         Funkcja heurystyczna i strategie przeszukiwania ją wykorzystujące

o         Metody przeszukiwania losowego

§          Złożoność obliczeniowa

§          Algorytm losowego próbkowania

§          Algorytm wspinaczkowy

§          Algorytm symulowanego wyżarzania

o         Gry dwuosobowe

§          Model i drzewo gry

§          Wybór ruchu jako przeszukiwanie

§          Strategie minimaksowe

§          Cięcia alfa-beta

·          Wnioskowanie indukcyjne

o         Właściwości atrybutów warunkowych

o         Zasada uczenia z nauczycielem

o         Funkcja błędu

o         Zasada brzytwy Ockhama

o         Zbiory trenujące i testowe

·          Klasyfikacja

o         Zadanie klasyfikacji

o         Drzewa decyzyjne

o         Reguły klasyfikacji

o         Klasyfikowanie przykładów

o         Pamięć i jej stosowanie

o         Funkcja błędu

·          Regresja liniowa i nieliniowa

o         Parametryczny model regresji

o         Reguła delta przeszukiwanie przestrzeni

o         Model liniowy i modele „składane”

o         Aproksymacja

o         Sieci neuronowe

§          Perceptron wielowarstwowy

§          Znaczenie parametrów sieci

·          Uczenie się ze wzmocnieniem

o         Zadanie uczenia się ze wzmocnieniem

o         Procesy decyzyjne Markowa

o         Strategie stochastyczne

o         Programowanie dynamiczne

o         Q-learning

o         Stosowanie uczenia się ze wzmocnieniem

 

Zagadnienie

Wykł.
godz.

Ćw.
godz.

Wprowadzenie do sztucznej inteligencji

1

 

Wnioskowanie

3

2

Strategie i metody przeszukiwania

2

1

Wnioskowania indukcyjne

1

1

Klasyfikacja

1

Regresja liniowa i nieliniowa

1

1

Uczenie się ze wzmocnieniem

1

 Łącznie

10

5

 
 
    
Logowanie e-Learning Zmniejsz


Nie pamiętam hasła
Podmiot certyfikujący Zmniejsz

eitci.jpg 

    

Informatyczne Studium Certyfikacyjne eLearning | Warunki korzystania | Polityka prywatności
Wykonanie systemu
Krajowa edycja Studium EITCA realizowana jest przy współfinansowaniu z Budżetu Państwa oraz Unii Europejskiej ze środków Europejskiego Funduszu Rozwoju Regionalnego
w ramach Programu Operacyjnego Innowacyjna Gospodarka.