Sztuczna inteligencja
Informacje ogólne
Kod przedmiotu: | 420-ES1-3SZI |
Kod Erasmus / ISCED: |
11.303
|
Nazwa przedmiotu: | Sztuczna inteligencja |
Jednostka: | Instytut Informatyki |
Grupy: | |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | polski |
Rodzaj przedmiotu: | fakultatywne |
Założenia (opisowo): | Zakłada się, że student posiada wiedzę i umiejętności praktyczne z zakresu przedmiotów informatycznych i matematycznych na poziomie połowy 3. roku studiów licencjackich z Informatyki i ekonometrii. |
Tryb prowadzenia przedmiotu: | w sali |
Skrócony opis: |
Cele przedmiotu: Przedstawienie krótkiej historii, głównych kierunków rozwoju i ograniczeń sztucznej inteligencji. Wprowadzenie do wybranych zagadnień badanych w sztucznej inteligencji, np. reprezentacja wiedzy, maszynowe uczenie czy przeszukiwanie przestrzeni stanów. Podanie podstaw teoretycznych technik i metod sztucznej inteligencji. Nauczenie wybranych technik i metod w stopniu umożliwiającym ich zastosowanie w praktyce. |
Pełny opis: |
Profil studiów: ogólnoakademicki Forma studiów: stacjonarne Rodzaj przedmiotu: fakultatywny Dziedzina: nauki ścisłe i przyrodnicze; dyscyplina: informatyka Rok studiów / semestr: 3/6 Wykład: 15h, Laboratorium: 30h Metody dydaktyczne: przekazanie podstaw teoretycznych w formie wykładu, nauczenie wybranych metod i technik stosowanych w zagadnieniach sztucznej inteligencji w formie zajęć laboratoryjnych. Punkty ECTS: 4 Bilans nakładu pracy studenta: Udział w zajęciach: - wykład 15h - laboratorium 30h Przygotowanie do zajęć: - wykład 10h - laboratorium 27,5h Przygotowanie do egzaminu: 10h Czas trwania egzaminu: 2h Udział w konsultacjach: 5,5h Wskaźniki ilościowe: zajęcia wymagające bezpośredniego udziału nauczyciela: 52,5h; 2,1 ECTS zajęcia niewymagające bezpośredniego udziału nauczyciela: 47,5h; 1,9 ECTS |
Literatura: |
1. Flasiński, M., Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2011. 2. Russell, S. J., Norvig, P., Artificial Intelligence. A Modern Approach, 3rd Ed., Pearson, 2014. 3. Rutkowski, L., Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa, wyd. 2 zmienione, Wydawnictwo Naukowe PWN, Warszawa 2012. |
Efekty uczenia się: |
Student zna i rozumie - wybrane metodologie i narzędzia informatyczne umożliwiające tworzenie programów na potrzeby sztucznej inteligencji KA6_WG6; - podstawowe pojęcia z dziedziny uczenia maszynowego – reprezentacja cech, klasyfikacja, uczenie pod nadzorem i bez nadzoru; zna wybrane metody grupowania i klasyfikacji obiektów KA6_WG7; Student potrafi - konfigurować wybrane programy i aplikacje dla zastosowań w sztucznej inteligencji KA6_UW5; - odpowiednio określić priorytety służące realizacji określonego przez siebie lub innych zadania KA6_U02; - rozumie potrzebę uczenia się przez całe życie KA6_UU1. Sposoby weryfikacji osiągnięcia efektów: egzamin pisemny lub ustny, ocena wykonania zadań obliczeniowych i/ lub projektowych, kolokwium, obserwacja aktywności studenta na zajęciach. |
Metody i kryteria oceniania: |
Zaliczenie przedmiotu w formie egzaminu pisemnego lub ustnego. Warunkiem dopuszczenia do egzaminu jest uzyskanie oceny co najmniej dostatecznej z laboratorium. Zaliczenie laboratorium na podstawie wykonanych zadań obliczeniowych lub projektowych dostarczonych wraz z dokumentacją. W razie nauki zdalnej wykorzystanie zalecanej platformy e-learningowej oraz systemu USOSmail. |
Właścicielem praw autorskich jest Uniwersytet w Białymstoku.