Παρουσίαση/Προβολή
[Ε] - (ΨΣ-518) - Τεχνητή Νοημοσύνη
(DS-COURSES-SEM123) - Γ. Βούρος
Περιγραφή Μαθήματος
Πιστωτικές Μονάδες (ECTS): 5
Μαθησιακά Αποτελέσματα
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / η φοιτήτρια θα είναι σε θέση:
- να εξηγεί θεμελιώδεις έννοιες όπως: πράκτορας, χώρος καταστάσεων, αναζήτηση ως μοντέλο σκέψης, επίλυση προβλημάτων, ευριστικές μέθοδοι, αναπαράσταση γνώσης με λογική.
- να επιλέγει αλγόριθμο για την επίλυση προβλημάτων αναλόγως των χαρακτηριστικών του χώρου καταστάσεων,
- να αποτιμά τη χρησιμότητα και αδυναμίες εναλλακτικών αλγορίθμων και τεχνικών για να αυξήσει την υπολογιστική αποτελεσματικότητα επίλυσης προβλημάτων.
- να μοντελοποιεί προβλήματα ως προβλήματα αναζήτησης, επίλυσης περιορισμών και λογικής.
με στόχο να κατασκευάζει αποδοτικές μεθόδους επίλυσης προβλημάτων.
Περιεχόμενα
- Εισαγωγικά στοιχεία (στόχοι, βασικές αρχές και ιστορία)– Νοήμονες πράκτορες.
- Αλγόριθμοι τυφλής αναζήτησης και εξερεύνησης: breadth-first search, uniform-cost search, depth-first search, depth-limited search, iterative deepening depth-first search, bi-directional search.
- Ευριστικοί αλγόριθμοι αναζήτησης και ευριστικές συναρτήσεις: greedy best-first search, A*-search
- Τοπική Αναζήτηση: hill-climbing, simulated annealing, local beam search, genetic algorithms
- Προβλήματα Ικανοποίησης Περιορισμών: Μέθοδοι και τεχνικές επίλυσης.
- Αναπαράσταση γνώσης και συμπερασμός με Λογική.
Προτεινόμενα Συγγράμματα
- Stuart Russel and Peter Norvig. Artificial Intelligence: A Μodern Approach, Prentice Hall, 2nd edition (2003). http://aima.cs.berkeley.edu/. Το βιβλίο έχει εκδοθεί στα Ελληνικά από τις εκδόσεις Κλειδάριθμος με τον τίτλο «Τεχνητή Νοημοσύνη: Μια σύγχρονη προσέγγιση». http://aima.uom.gr/.
- Ι. Βλαχάβα, Π. Κεφαλά, Ν. Βασιλειάδη, Φ. Κόκκορα και Η. Σακελαρίου. Τεχνητή Νοημοσύνη. Εκδοτικός οίκος «Β. Γκιούρδας Εκδοτική – Μονοπρόσωπη ΕΠΕ». http://aibook.csd.auth.gr.
- Άλλο σχετικό υλικό που βρίσκεται στην ιστοσελίδα του μαθήματος.
Πρόσθετη Βιβλιογραφία
Επιπλέον, στον ΑΡΙΣΤΑΡΧΟ αναρτώνται σε ηλεκτρονική μορφή άρθρα, οπτικοακουστικό υλικό διαλέξεων και διαδικτυακές διευθύνσεις για χρήσιμες πληροφορίες καθώς και ασκήσεις για την εξάσκηση των φοιτητών/τριών. Παρουσιάζονται μελέτες περίπτωσης, παραδειγματικά προβλήματα και μέθοδοι επίλυσης αυτών.
Ημερομηνία δημιουργίας
Πέμπτη, 10 Ιουνίου 2021
-
Περίγραμμα
Συναντήσεις με διδάσκοντα
Οι φοιτητές και φοιτήτριες, μπορούν να συναντούν τον διδάσκοντα εδώ, για απορίες, ερωτήσεις σχετικά με το μάθημα
Κάθε Τετάρτη (εκτός από αργίες) 12:00 με 14:00.
Μέθοδοι αξιολόγησης
Η αξιολόγηση των φοιτητών/τριών θα γίνει με βάση την επίδοσή τους στην εκπόνηση υποχρεωτικών ατομικών θεωρητικών εργασιών και εργασιών ανάπτυξης λογισμικού: Ο μέσος όρος των εργασιών θα αποτελέσει το 40% της τελικής βαθμολογίας. Ο βαθμός της τελικής εξέτασης αποτελεί το 60% της τελικής βαθμολογίας (το γραπτό πρέπει να βαθμολογηθεί με βαθμό μεγαλύτερο ή ίσο του 5).
Πολιτική του μαθήματος & Χρήσιμες πληροφορίες
Κατ' αρχάς τα φυλλάδια σκήσεων δίνονται σε συγκεκριμένες ημερομηνίες και κατά τη εκφώνηση μπορεί να περιέχουν και θέματα από την επόμενη ή μεθ' επόμενη διάλεξη. Ξεκινήστε από τα θέματα που γνωρίζετε και λύστε τις απορίες σας εγκαίρως.
Καλό είναι να έχετε υπόψη σας το τρέχον φυλλάδιο στις παραδόσεις ώστε να συνδυάζετε αυτά που ακούτε με αυτά που πρέπει να κάνετε για την επίλυση ασκήσεων.
Προσοχή στα εξής:
1. Δεν δίνεται καμία παράταση για την παράδοση εργασιών παρά μόνο σε εξαιρετικές περιπτώσεις μετά από επικοινωνία με τον/την φοιτητή/φοιτήτρια
2. Η παράδοση των ασκήσεων γίνεται μέσω της πλατφόρμας "Αρίσταρχος" και της δυνατότητας ανταλλαγής αρχείων την καταλληκτική ημερομηνία
3. Επιτρέπονται και ενθαρύνονται οι συνεργασίες για την επίλυση ασκήσεων. Όμως όταν διαπιστώνεται αντιγραφή (ή πανομοιότυπη απάντηση) τότε η αντίστοιχη άσκηση του φυλλαδίου δεν προσμετράται στον μέσο όρο.
4. Δεν χρειάζεται να γράφετε πολλά. Οι απαντήσεις σας πρέπει να είναι άμεσες και ακριβείς σύμφωνα με αυτά που ζητούνται.
5. Ο διδάσκων είναι πάντα στη διάθεσή σας στην επίλυση αποριών για τις ασκήσεις. Φροντίστε να τον συναντήσετε εγκαίρως (όχι τελευταία ημέρα).