Ekspertni sustavi

Prikazani su podaci za akademsku godinu: 2023./2024.

Opis predmeta

Osnove simboličkog, konektivističkog i kombiniranog pristupa umjetnoj inteligenciji. Pribavljanje znanja od stručnjaka. Temelji automatiziranog rasuđivanja i dedukcijskih logičkih sustava. Primjene u oblikovanju računalnih sustava i rješavanju problema. Ekspertni sustavi zasnovani na težinski obilježenim pravilima, te prošireni indikatorima izvjesnosti i neizrazitom logikom. Primjene u projektiranju tehničkih sustava, dijagnostici i automatskom upravljanju. Probabilističko rasuđivanje temeljeno na Bayesovim mrežama. Metode zaključivanja u Bayesovim mrežama. Procjena parametara i strukture Bayesovih mreža. Primjene Bayesovih mreža u dijagnostici i predviđanju. Ontologije i ontološki jezici za semantički web. Neurosimbolički pristupi umjetnoj inteligenciji. Sustavi za potporu odlučivanju u primjeni. Samostalni projekt uključuje razvoj ekspertnog sustava za određeni problem uz primjenu prevladavajućih ljuski ekspertnih sustava (npr. Prover9/Mace4, CLIPS, FuzzyCLIPS, Matlab, HuginLite, Protégé).

Studijski programi

Sveučilišni diplomski
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti (2. semestar)
Izborni predmeti profila (2. semestar)
Izborni predmeti (2. semestar)

Ishodi učenja

  1. identificirati temeljne dijelove ekspertnog sustava
  2. razlikovati razred problema prikladnih za rješavanje ekspertnim sustavom
  3. razviti ekspertni sustav pogodan za rješavanje određenog problema
  4. analizirati prednosti i nedostatke različitih vrsta ekspertnih sustava
  5. odabrati vrstu ekspertnog sustava prikladnog za rješavanje određenog problema
  6. prikupiti relevantno znanje od stručnjaka
  7. organizirati prikupljeno znanje od stručnjaka tako da ono čini bazu znanja ekspertnog sustava

Oblici nastave

Predavanja

Uživo ili online

Samostalni zadaci

Projekt

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Seminar/Projekt 0 % 40 % 0 % 40 %
Međuispit: Pismeni 0 % 30 % 0 %
Završni ispit: Usmeni 30 %
Ispit: Pismeni 0 % 30 %
Ispit: Usmeni 30 %

Tjedni plan nastave

  1. Administracija predmeta. Uvod u ekspertne sustave. Pribavljanje i predstavljanja znanja za ekspertne sustave.
  2. Ekspertni sustavi zasnovani na logici
  3. Ekspertni sustavi zasnovani na pravilima
  4. Ekspertni sustavi zasnovani na neizrazitoj logici
  5. Ekspertni sustavi zasnovani na vjerojatnosti: osnove Bayesovih mreža.
  6. Ekspertni sustavi zasnovani na vjerojatnosti: napredni koncepti Bayesovih mreža.
  7. Ekspertni sustavi zasnovani na ontologijama
  8. Međuispit
  9. Neurosimbolički pristupi umjetnoj inteligenciji. Rad na projektu
  10. Sustavi za potporu odlučivanju u primjeni. Rad na projektu
  11. Alati za ekspertne sustave. Rad na projektu
  12. Alati za ekspertne sustave. Rad na projektu
  13. Alati za ekspertne sustave. Rad na projektu
  14. Predaja projekata
  15. Završni ispit - prezentacije projekata

Literatura

(.), Peter Jackson (1999.), Introduction to expert systems, 3rd Ed., Addison Wesley,
(.), Daphne Koller, Nir Friedman (2009.), Probabilistic Graphical Models: Principles and Techniques, 1st Ed., The MIT Press,
(.), Jerry M. Mendel (2017.), Uncertain Rule-Based Fuzzy Systems: Introduction and New Directions, 2nd Ed., Springer,
(.), Charu C. Aggarwal (2016.), Recommender Systems: The Textbook, 1st Ed., Springer,
(.), Dean Allemang, James Hendler (2011.), Semantic Web for the Working Ontologist: Effective Modeling in RDFS and OWL, 2nd Ed., Morgan Kaufmann,

Za studente

Izvedba

ID 222573
  Ljetni semestar
5 ECTS
R1 Engleski jezik
R1 E-učenje
30 Predavanja
0 Seminar
0 Auditorne vježbe
0 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja

Ocjenjivanje

90 izvrstan
75 vrlo dobar
60 dobar
50 dovoljan