Cilji in kompetence
Cilj predmeta je seznaniti študente z različnimi področji umetne inteligence, ki računalniku omogočajo reševanje kompleksnih problemov. Študenti se bodo seznanili z uporabo iskalnih algoritmov za reševanjem problemov, osnovami okrepitvenega učenja, načini predstavitve znanja, osnovnimi algoritmi za sklepanje in izpeljavo novega znanja, ter pristopi za sklepanje z negotovim znanjem. Spoznali bodo tudi osnovne pojme in modele strojnega učenja, ozadje delovanja različnih oblik nevronskih mrež in njihovo uporabo v klasifikacijskih in regresijskih problemih
Vsebina
• Uvod: kaj je umetna inteligenca, zgodovina umetne inteligence, pregled področij umetne inteligence, reference v umetni inteligenci.
• Reševanje problemov z iskanjem: predstavitev s prostori stanj, neinformirane iskalne strategije, informirane iskalne strategije, lokalni iskalni algoritmi.
• Igranje iger: procedura minimaks, algoritem alfa-beta, izboljšave algoritma alfa-beta.
• Okrepitveno učenje: markovski odločitveni procesi, posplošena iteracija pravilnika, metode Monte-Carlo, učenje s časovno razliko, metoda SARSA, Q-učenje.
• Predstavitev znanja in sklepanje v logiki prvega reda: resolucijska ovržba.
• Verjetnostno sklepanje: predstavitev znanja v negotovi domeni, Bayesove mreže.
• Mehka logika.
• Strojno učenje: uvod, nadzorovano in nenadzorovano učenje, klasifikacija in regresija, odločitvena drevesa, metoda, podpornih vektorjev, ansambelske metode.
• Nevronske mreže: definicija, lastnosti, uporaba, model nevrona, mrežne arhitekture, proces učenja, gradientni spust, večplastni perceptron.
Metode poučevanja in učenja
• predavanja,
• seminarske vaje,
• laboratorijske vaje,
• projekt.
Predvideni študijski rezultati - znanje in razumevanje
• opisati neinformirane, informirane in lokalne iskalne strategije za reševanje problemov v prostoru stanj
• razumeti temeljne koncepte predstavitve in izpeljave novega znanja z logiko
• prepoznati aplikacije različnih algoritmov okrepitvenega učenja
• uporabiti preproste sisteme verjetnostnega sklepanja
• opisati delovanje nevronskih mrež in z njihovo pomočjo izvesti klasifikacijo
Predvideni študijski rezultati - Prenosljive/ključne spretnosti in drugi atributi
• Spretnosti komuniciranja: ustni zagovor laboratorijskih vaj, pisno izražanje pri pisnem izpitu.
• Uporaba informacijske tehnologije: pisanje računalniških programov.
• Spretnosti računanja: reševanje računskih problemov pri domačih nalogah.
• Reševanje problemov: načrtovanje in izvedba preprostih inteligentnih agentov.
Temeljni literatura in viri
• N. Guid, D. Strnad: Umetna inteligenca, učbenik, Univerza v Mariboru, Fakulteta za elektrotehniko, računalništvo in informatiko, Maribor, 2007.
• S. Russell, P. Norvig: Artificial Intelligence. A Modern Approach, 4. izdaja, Pearson, 2020.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Ni pogojev.
Podrobnosti o izvedbi in ocenjevanju Pisni izpit se lahko nadomesti s kolokviji v enakem deležu 50 %.
