Τεχνητή Νοημοσύνη

Κωδικός Μαθήματος:

GEO7211

Semester:

Ζ' Εξάμηνο

Κατηγορία:

Κατ' επιλογή υποχρεωτικά ( ΜΕ )

Ώρες:

4

Μονάδες ECTS:

5

Σύνδεσμος στο eClass:

https://eclass.uniwa.gr/courses/GEO255/



Καθηγητές Μαθήματος

Κεσίδης Αναστάσιος

ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Οι στόχοι αυτού του μαθήματος είναι:

  • η κατανόηση των βασικών εννοιών και των εφαρμογών της τεχνητής νοημοσύνης
  • η εξοικείωση με τις μεθόδους και τα μαθηματικά μοντέλα που χρησιμοποιούνται για την αναπαράσταση της γνώσης, τα έμπειρα συστήματα, τις τεχνικές αναζήτησης λύσεων σε προβλήματα, τις τεχνικές εξαγωγής συμπερασμάτων και τα παιχνίδια αντιπαλότητας
  • η χρήση των παραπάνω μεθόδων για την επίλυση προβλημάτων αναζήτησης, την επίλυση προβλημάτων ικανοποίησης περιορισμών, των παιγνίων αντιπαλότητας και την υλοποίηση έμπειρων συστημάτων και αναπαράστασης της γνώσης
  • η ανάπτυξη ικανοτήτων που αφορούν την υλοποίηση των παραπάνω μεθόδων σε προγραμματιστικό περιβάλλον

 

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής θα είναι σε θέση να:

  • περιγράφει προβλήματα και να αναπαριστά τη σχετική γνώση με τυπικούς τρόπους
  • διακρίνει τις διαφορές μεταξύ τυφλών και ευριστικών αλγόριθμων αναζήτησης και να τους
    κωδικοποιεί στο πλαίσιο της επίλυσης προβλημάτων
  • γνωρίζει τους διάφορους τρόπους αναπαράστασης γνώσης
  • σχεδιάζει και αναπτύσσει συστήματα λήψης αποφάσεων βασισμένα σε αντιπαλότητα
  • κατανοεί τη δομή και τον τρόπο λειτουργίας των εμπείρων συστημάτων
  • αναπτύσσει έμπειρα συστήματα βασισμένα σε κανόνες

 

Γενικές Ικανότητες

  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Σχεδιασμός και Διαχείριση Έργων
  • Εργασία σε διεπιστημονικό περιβάλλον
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

 

ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

Ιστορική Αναδρομή. Βασικές έννοιες. Αναπαράσταση γνώσης. Τυφλή αναζήτηση. Σύγκριση μεθόδων. Τεχνικές ευριστικής αναζήτησης. Αλγόριθμος Α*. Ευριστικές συναρτήσεις. Τοπική αναζήτηση. Προβλήματα ικανοποίησης περιορισμών. Διάδοση περιορισμών. Επίλυση προβλημάτων. Τεχνικές εξαγωγής συμπερασμάτων. Έμπειρα Συστήματα. Γνώση και συλλογιστική. Κατηγορηματική λογική. Εισαγωγή στην Prolog. Ανάπτυξη εφαρμογών τεχνητής νοημοσύνης σε προγραμματιστικό περιβάλλον Matlab

 

Μέθοδος Αξιολόγησης

Ι. Γραπτή τελική εξέταση που περιλαμβάνει:
– Ερωτήσεις σύντομης απάντησης
– Επίλυση προβλημάτων

ΙΙ. Ενδιάμεσες γραπτές εξετάσεις (πρόοδοι)

ΙΙΙ. Εκπόνηση εργασιών (projects)

Η εξεταστέα ύλη και η διαδικασία αξιολόγησης γνωστοποιούνται στους φοιτητές στην αίθουσα διαλέξεων και μέσω της ιστοσελίδας του μαθήματος.

 

ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Ελληνική

  1. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας και Η. Σακελλαρίου, 2020, Τεχνητή
    Νοημοσύνη, Εκδόσεις Πανεπιστημίου Μακεδονίας.
  2.  S. Russell και P. Norvig, 2021, Τεχνητή Νοημοσύνη: Μια Σύγχρονη Προσέγγιση, Εκδόσεις
    Κλειδάριθμος.

 

Ξενόγλωσση

  1. M. Tim Jones, 2008, Artificial Intelligence: A Systems Approach, Infinity Science Press.
  2.  N. J. Nilsson, 1998, Artificial Intelligence A New Synthesis, Morgan Kaufmann Publishers