Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Sztuczna inteligencja

Informacje ogólne

Kod przedmiotu: 3800-KOG-SI
Kod Erasmus / ISCED: 11.402 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0613) Tworzenie i analiza oprogramowania i aplikacji Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Sztuczna inteligencja
Jednostka: Wydział Filozofii
Grupy: Przedmioty obowiązkowe, kognitywistyka, studia stacjonarne, pierwszego stopnia
Punkty ECTS i inne: 5.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Rodzaj przedmiotu:

obowiązkowe

Założenia (opisowo):

Znajomość języka angielskiego, podstawowe umiejętności programowania

Skrócony opis:

Przedmiot ma na celu zaznajomienie studentów z klasycznymi i współczesnymi metodami sztucznej inteligencji, stosowanymi w informatyce do projektowania systemów uczących się, a także rozwiązywania problemów optymalizacyjnych i decyzyjnych. Główne tematy to uczenie maszynowe, logiczne podstawy wnioskowania i planowania, zastosowania inteligentnych agentów, a także przegląd nowoczesnych zastosowań technik sztucznej inteligencji.

Pełny opis:

Podstawowym celem zajęć jest przedstawienie głównych idei, które pojawiały się w badaniach nad sztuczną inteligencją w ciągu ostatnich 50 lat, jak również tych, które są znamienne dla obecnego rozwoju sztucznej inteligencji. Idee te przyświecały - i wciąż przyświecają - inicjatywom tworzenia inteligentnych agentów (robotów, botów, algorytmów, jednostek uczących się), gromadzących informacje o środowisku i podejmujących decyzje co do stosownych działań (akcji), w systemach autonomicznych bądź wspierających człowieka. Przejście od percepcji (zbierania informacji) do działania (podejmowania decyzji, wykonywania akcji) wymaga reprezentacji środowiska i wiedzy o środowisku, wnioskowania, planowania, a przede wszystkich uczenia się na podstawie dostępnych danych. Na zajęciach omawiać będziemy powyższe elementy składające się na współczesny obraz sztucznej inteligencji, wskazując też na wybrane kwestie bezpieczeństwa i etyki jej zastosowań.

Zakres poszczególnych tematów wspólny dla ćwiczeń i wykładu

1. Historia dyscypliny, pojęcie inteligentnego agenta, przykłady zastosowań - np. gry i symulacje.

2. Sztuczna inteligencja w rozwiązywaniu problemów: heurystyki, algorytmy inspirowane naturą.

3. Uczenie maszynowe: selekcja cech, drzewa decyzyjne, sieci neuronowe, interpretowalność.

4. Niepewność: zbiory przybliżone, modele probabilistyczne, niepewność podejmowania decyzji.

5. Wnioskowanie w rachunku zdań: wnioskowanie przez rezolucję, efektywność wnioskowania.

6. Wybrane zagadnienia logiki rozmytej i jej zastosowania w systemach sterowania i robotyce.

7. Wybrane zagadnienia logiki pierwszego rzędu i jej zastosowania w zadaniach planowania.

8. Zagadnienia bezpieczeństwa i etyki w nowoczesnych zastosowaniach sztucznej inteligencji.

Literatura:

Poniższe książki mają charakter uzupełniający, dodatkowa literatura będzie wskazana na zajęciach.

1. Mariusz Flasiński: Wstęp do Sztucznej Inteligencji (PWN 2011)

2. Stuart Russell, Peter Norvig: Artificial Intelligence: A Modern Approach

3. George Luger: AI: Structures and Strategies for Complex Problem Solving

4. Tom Mitchell: Machine Learning

Efekty uczenia się:

Celem zajęć jest przedstawienie podstaw i zastosowań metod sztucznej inteligencji. Student powinien nabyć umiejętność rozwiązywania złożonych problemów obliczeniowych przy użyciu omawianych metod (K_W01, K_W03, K_W04, K_W05, K_W06, K_W09). Powinien posiąść wiedzę, na ile omawiane metody mogą być przydatne w projektach, w których bierze udział, a także w potencjalnych przyszłych projektach związanych z jego zainteresowaniami (K_U01, K_U03, K_U08, K_U09, K_U35, K_U38). W zakresie kompetencji społecznych student powinien być w stanie uważnie słuchać innych ludzi a także brać udział w dyskusji (K_K01, K_K07). Szczegółowe efekty uczenia się sprowadzają się do wiedzy oraz umiejętności rozwiązywania zadań związanych z ośmioma głównymi zakresami w opisie przedmiotu.

Metody i kryteria oceniania:

Na pomyślne zaliczenie przedmiotu składają się ćwiczenia (zaliczenie) oraz egzamin (ocena). Zaliczenie ćwiczeń jest warunkiem koniecznym i dostatecznym dla przystąpienia do egzaminu. Zaliczenie ćwiczeń jest czysto zero-jedynkowe, nie wiąże się ono z żadną dodatkową punktacją, która mogłaby dodatkowo wpłynąć na ostateczną ocenę z przedmiotu.

Istotnymi warunkami dla zaliczenia ćwiczeń jest regularna obecność na ćwiczeniach oraz zaliczenie (zero-jedynkowe) kolokwium, na którym studenci rozwiązują zadania na zastosowanie metod sztucznej inteligencji. Warunkiem dodatkowym lub alternatywnym może być rozwiązywanie prac domowych. Dalsze szczegóły ustalają osoby prowadzące poszczególne grupy ćwiczeniowe.

Uczęszczanie na wykład nie jest obowiązkowe, lecz wskazane dla pełnego zrozumienia materiału. Egzamin ma formę pisemną. Jest złożony z zadań na zastosowanie metod sztucznej inteligencji. Na egzaminie można korzystać z materiałów własnych, ale zadania trzeba rozwiązywać indywidualnie. W terminie poprawkowym egzamin może przyjąć postać egzaminu ustnego.

- Semestralna liczba dopuszczalnych nieobecności zajęciach oraz w wypadkach, których to dotyczy, sposoby ich zaliczania: 2

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-19 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia, 30 godzin, 64 miejsc więcej informacji
Wykład, 30 godzin, 64 miejsc więcej informacji
Koordynatorzy: Dominik Ślęzak
Prowadzący grup: Łukasz Sosnowski, Marcin Szczuka, Dominik Ślęzak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Ćwiczenia - Zaliczenie na ocenę
Wykład - Egzamin

Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-17 - 2025-06-08
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia, 30 godzin, 68 miejsc więcej informacji
Wykład, 30 godzin, 68 miejsc więcej informacji
Koordynatorzy: Dominik Ślęzak
Prowadzący grup: Łukasz Sosnowski, Marcin Szczuka, Dominik Ślęzak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Ćwiczenia - Zaliczenie na ocenę
Wykład - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.0.0-319af3e59 (2024-10-23)