Uvod u umjetnu inteligenciju

Prikazani su podaci za akademsku godinu: 2024./2025.

Nositelji

Prof. dr. sc.
Jan Šnajder
Izv. prof. dr. sc.
Marko Čupić

Predavanja

Prof. dr. sc.
Domagoj Jakobović
Dr. sc.
Martin Tutek

Laboratorijske vježbe

Domagoj Pluščec
mag. ing.
Nina Drobac
mag. math.
Fran Jelenić
mag. ing.
Antonella Barišić Kulaš
univ. mag. ing. el. techn. inf.
David Dukić
mag. ing.
Marko Križmančić
univ. mag. ing. el. techn. inf.
Filip Tomas
univ. mag. ing. el. techn. inf.
Josipa Lipovac
univ. mag. ing. comp.
Ivan Bilić
univ. mag. ing. comp.
Dr. sc.
Martin Tutek
Filip Karlo Došilović
mag. ing.
Rafael Josip Penić
mag. ing.
Terezija Matijašević Pilski
univ. mag. ing. el. techn. inf.
Dr. sc. tech.
Ana Milas
dr. sc. tech.
Athanasios Papanikolaou
Msc

Opis predmeta

Postoje mnogi kognitivni zadatci koji su jednostavni za ljude, ali izuzetno teški za računala. Umjetna inteligencija (UI) razvija sustave koji rješavaju takve vrste problema. Tradicionalan pristup umjetnoj inteligenciji temeljen je na ideji o simboličkoj reprezentaciji znanja i zaključivanju kao manipulaciji simbolima. Alternativni pristupi temelje se na oponašanju modela koje nalazimo u prirodi. Cilj kolegija jest upoznati studente s različitim pristupima te dati pregled metoda za rješavanja problema umjetne inteligencije, uključivo metoda za prikaz znanja, zaključivanje, rješavanje problema pretraživanjem, automatsko zaključivanje, učenje i optimizaciju.

Preduvjeti

Minimalna potrebna predznanja: ishodi učenja predmeta "Uvod u programiranje" i "Algoritmi i strukture podataka" ili njima sličnih predmeta te dobro znanje programiranja u Javi ili Pythonu (jedno od tog dvoje). Poželjna predznanja: ishodi predmeta "Matematička analiza 1", "Diskretna matematika", "Linearna algebra", "Vjerojatnost i statistika" i "Teorija informacija" ili njima sličnih predmeta.

Studijski programi

Sveučilišni preddiplomski
[FER3-HR] Računarstvo - studij
(6. semestar)
[FER2-HR] Programsko inženjerstvo i informacijski sustavi - modul
Izborni predmeti (6. semestar)
[FER2-HR] Računarska znanost - modul
(6. semestar)

Ishodi učenja

  1. definirati osnovne pojmove umjetne inteligencije
  2. razlikovati simboličke i konektivističke pristupe umjetnoj inteligenciji
  3. primijeniti algoritme pretraživanja prostora stanja i algoritme biološki inspirirane optimizacije na jednostavnije probleme
  4. primijeniti logičko programiranje za rješavanje jednostavnijih logičkih problema
  5. primijeniti postupke automatskog zaključivanja na jednostavnije logičke probleme
  6. usporediti različite pristupe prikazivanju nejasnog znanja
  7. ocijeniti primjenjivost pojedinih pristupa umjetne inteligencije na danom problemu
  8. primijeniti osnovne algoritme strojnog učenja
  9. rezimirati filozofske aspekte umjetne inteligencije

Oblici nastave

Predavanja

Tjedna trosatna predavanja (dio predavanja klasično, dio po metodi "obrnute učionice")

Laboratorij

Četiri programska zadatka

Tjedni plan nastave

  1. UI problemi i primjene, Definicije umjetne inteligencije i Turingov test, Agenti i okoline
  2. Problem pretraživanja prostora stanja, Slijepo pretraživanje (u širinu. u dubinu. u dubinu s iterativnim produbljivanjem)
  3. Heuristike i usmjereno pretraživanje (usponom na vrh. općenito najbolji-prvi), Pretraživanje Minimax i alfa-beta podrezivanje, Zadovoljavanje ograničenja (postupak vraćanja i metode lokalne pretrage), Pretraživanje A*. usnopljeno pretraživanje
  4. Logika kao način predstavljanja znanja (ontološko i epistemološko opredjeljenje), Formalizacija rečenica prirodnoga jezika u predikatnoj logici, "Rezolucijsko pravilo u propozicijskoj logici", Rezolucijsko pravilo u predikatnoj logici
  5. Ekspertni sustavi zasnovani na logici, Redukcija ili svođenje na logičko programiranje
  6. Opisne logike i ontologije, Semantičke mreže, Nemonotono zaključivanje, Prostorno-vremensko zaključivanje
  7. Zaključivanje na temelju primjera, Učenje na temelju primjera i modela, Planiranje, Ekspertni sustavi zasnovani na pravilima
  8. Međuispit
  9. Faktori izvjesnosti, Neizraziti skupovi i neizrazita logika, Neizrazito zaključivanje (neizrazite propozicije, neizrazite relacije i neizrazite implikacije), Sustavi neizrazitog zaključivanja. neizrazito kodiranje i dekodiranje
  10. Probabilistički pristupi (Bayesove mreže, Markovljeve mreže), Bayesovsko zaključivanje
  11. Zadatci i primjene strojnog učenja, Prisutpi i paradigme strojnog učenja, Naivan Bayesov klasifikator, Stabla odluke
  12. Okolina, nagrada i vrijednosna funkcija, Markovljevi procesi odlučivanja, Postupci aproksimativnoga dinamičkog programiranja (Q-učenje)
  13. Perceptron (paradigme učenja, hebbovsko učenje, natjecateljsko učenje, Boltzmannovo učenje), Višeslojan perceptron (propagiranje pogreške unazad, problem dodjele nagrade, propagiranje pogreške unazad kroz vrijeme)
  14. Filozofska pitanja
  15. Završni ispit

Literatura

Russell, Stuart J; Norvig, Peter (2020.), Artificial Intelligence: A Modern Approach, Prentice-Hall
(.), Dalbelo Bašić, Bojana; Šnajder, Jan. Umjetna inteligencija: Zaključivanje uporabom propozicijske i predikatne logike – zbirka zadataka. Zagreb: FER, 2008.,

Izvedba

ID 229862
  Ljetni semestar
4 ECTS
R3 Engleski jezik
R1 E-učenje
45 Predavanja
0 Seminar
0 Auditorne vježbe
15 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja

Ocjenjivanje

izvrstan
vrlo dobar
dobar
dovoljan

Sličan predmet