Τίτλος Μαθήματος Τεχνητή Νοημοσύνη
Κωδικός Μαθήματος 321-3600
Εξάμηνο 6
ECTS 5
Ώρες (Θεωρία) 3
Ώρες (Εργαστηρίο) 2
Διδάσκοντας Σταματάτος Ευστάθιος

Ύλη μαθήματος

Ευφυείς πράκτορες (βασικές έννοιες). Αναζήτηση (Search) σε ένα χώρο καταστάσεων για την εύρεση λύσεων: Τυφλή (αλλά συστηματική) αναζήτηση, Αναζήτηση με χρήση γνώσης και ευρετικών μεθόδων, Κόστος αναζήτησης, Τοπική αναζήτηση. Προβλήματα ικανοποίησης περιορισμών: Βασικές έννοιες και αλγόριθμοι. Σχεδιασμός ενεργειών: Βασικές αρχές, Βασικοί αλγόριθμοι, Ιεραρχικός σχεδιασμός. Μηχανική μάθηση: Εισαγωγή, Επαγωγική μάθηση, Αλγόριθμοι μηχανικής μάθησης.

Επιδιωκόμενα μαθησιακά αποτελέσματα

Με την επιτυχή ολοκλήρωση του μαθήματος, ο φοιτητής/τρια θα:

  • Έχει την γνώση της έννοιας ενός ευφυούς πράκτορα και εξοικείωση με τα είδη ευφυών πρακτόρων.
  • Κατέχει την δεξιότητα αναπαράστασης ενός προβλήματος ώστε να μπορεί να επιλυθεί μέσω αναζήτησης σε ένα χώρο καταστάσεων.
  • Έχει την εξοικείωση με τους αλγόριθμους τυφλής αναζήτησης και ευρετικής αναζήτησης.
  • Έχει κατανοήσει τις ιδιότητες των ευρετικών συναρτήσεων.
  • Εξοικειωθεί με τους αλγόριθμους τοπικής αναζήτησης.
  • Έχει την ικανότητα αναπαράστασης ενός προβλήματος ως ένα πρόβλημα ικανοποίησης περιορισμών.
  • Εξοικειωθεί με τους αλγόριθμους επίλυσης προβλημάτων ικανοποίησης περιορισμών.
  • Κατανοήσει τις μεθόδους σχεδιασμού ενεργειών και του αλγορίθμου σχεδιασμού μερικής διάταξης.
  • Αποκτήσει εξοικείωση με τις βασικές έννοιες και τους αλγορίθμους της μηχανικής μάθησης.
  • Αποκτήσει την ικανότητα ανάπτυξης προγραμμάτων που χρησιμοποιούν αλγόριθμους τεχνητής νοημοσύνης.

Προαπαιτούμενα

Δεν απαιτούνται.

Εγχειρίδια του μαθήματος

1. Russell and Norvig, Τεχνητή Νοημοσύνη: Μια Σύγχρονη Προσέγγιση, Κλειδάριθμος, 2005.
2. Βλαχάβας, Κεφαλάς, Βασιλειάδης, Κόκκορας, Σακελλαρίου, Τεχνητή Νοημοσύνη, Β. Γκιούρδας Εκδοτική, 2006.
3. David L. Poole and Alan K. Mackworth, “Artificial Intelligence: Foundations of Computational Agents”, Cambridge University Press, 2010.
4. M. Tim Jones, “Artificial Intelligence: A Systems Approach”, Infinity Science Press, 2008.

 

Συμπληρωματική βιβλιογραφία

1. Artificial Intelligence (Elsevier)

2. Journal of Artificial Intelligence Research

3. Intelligent Systems (IEEE)

Διδακτικές και μαθησιακές μέθοδοι

 

Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις 52 ώρες
Εργαστηριακές ώρες 26 ώρες
Προσωπική μελέτη 44 ώρες
 
Τελική εξέταση 3 ώρες
Σύνολο Μαθήματος 125 ώρες (5 ECTS)

 

Μέθοδοι αξιολόγησης / βαθμολόγησης

Στη διδασκαλία του μαθήματος χρησιμοποιείται προβολή υλικού που αναδεικνύει τα χαρακτηριστικά των μεθόδων και των συστημάτων που εξετάζονται. Γίνεται επίδειξη κατάλληλων μοντέλων και αλγορίθμων. Ενθαρρύνεται η ενεργή συμμετοχή των φοιτητών με κριτικές ερωτήσεις και συζήτηση. Επιλύονται ασκήσεις.

Γλώσσα διδασκαλίας

Ελληνικά (Αγγλικά αν υπάρχουν φοιτητές/φοιτήτριες ERASMUS)

Τρόπος παράδοσης μαθήματος

πρόσωπο-με-πρόσωπο