| 5 ECTS | |
| 30 P + 30 PK | |
| 25% primjene e-učenja | |
| Odjel za informatiku (Sceduly) |
| Nositelji: Saša MladenovićSuradnici: |
| Ciljevi predmeta |
| Umjetna inteligencija (UI) je područje koje je posvećeno proučavanju računalnog modela inteligentnog ponašanja.Zajedničko svim područjima umjetne inteligencije je izrada agenata ili strojeva koji imaju odlike inteligentnog ponašanja; rješavanje problema, predstavljanje znanja, zaključivanje, učenje, percepcija i interpretiranje.Količina različitog gradiva na kolegiju odražava raznolikosti navedenih pojmova.Tijekom kolegija, osvrnut ćemo se na temeljna pitanja i problematiku u području UI te istražiti temeljne tehnike navedenog područja.Kolegij je projektno orijentiran, s praktičnim zadacima koji se rješavaju tijekom cijelog semestra, koristeći NetLogo programsko okruženje utemeljeno na LISP i Prolog programskim jezicima. |
| Uvjeti (kompetencije) za upis predmeta |
| Nema preduvjeta |
| Očekivani ishodi učenja |
| Definirati moderan pogled na UI kao proučavanje agenata koji primaju percepte iz svog okruženja te izvode akcije. |
| Opisati glavne teme, primjenu i područja istraživanja vezana uz UI, uključujući algoritme pretrage, strojno učenje, predstavljanje znanja, zaključivanje, obradu prirodnih jezika, percepciju i vid, te robotiku. |
| Primijeniti osnovne metode UI kod računalnog rješavanja problema. |
| Raspravljati o ulozi područja istraživanja umjetne inteligencije u razumijevanju ljudske inteligencije. |
| Prepoznati granice sposobnosti trenutnih UI sustava. |
| Sadržaj predmeta |
| 1. Uvod u umjetnu inteligenciju (2h) |
| 2. Inteligentni agenti i okruženja (2h) |
| 3. Rješavanje problema pretragom stanja (2h) |
| 4. Algoritmi pretrage (4h) |
| 5. Kolokvij - prvi dio projekta |
| 6. Uvod u strojno učenje (2h) |
| 7. Modeli učenja (2h) |
| 8. Predstavljanje znanja u UI (2h) |
| 9. Umjetne neuronske mreže (2h) |
| 10. Kolokvij - drugi dio projekta |
| 11. Višeagentski sustavi (2h) |
| 12. Genetski algoritmi (2h) |
| 13. Korištenje robota u nastavi (2h) |
| 14. Praktični primjeri korištenja umjetne inteligencije (2h) |
| 15. Predaja projekta - završna verzija (2h) |
| Vježbe prate predavanja u istoj satnici i raspodjeli tema. |
| Vrste izvođenja nastave |
| - Predavanja - Mješovito e-učenje - Samostalni zadaci - Laboratorij |
| Obveze studenata |
| Prisustvo na predavanjima i vježbama, aktivno sudjelovanje na nastavnim aktivnostima, izrada domaćih radova, izrada završnog projekta, ispit. |
| Praćenje rada studenata (ECTS) |
| - Pohađanje nastave (1) - Istraživanje (0.5) - Praktični rad (1) - Kolokviji (0.5) - Usmeni ispit (0.5) - Pismeni ispit (0.5) - Projekt (1) |
| Ocjenjivanje i vrjednovanje rada studenata |
| Prisustvo/sudjelovanje na nastavi (20%)Projekt ( 40%)Pismeni/usmeni ispit (40%) |
| Obvezna literatura |
| Artificial Intelligence: A Modern Approach. Stuart Russell and Peter Norvig Prentice Hall, 2009 ISBN:0136042597 9780136042594 |
| Bilješke s predavanja: Uvod u umjetnu inteligenciju, Saša Mladenović, Goran Zaharija |
| Izborna literatura |
| Nastavni materijali dostupni na Internetu, uključujući rješenja odabranih zadataka te dodatna znanstvena literatura. |
| Načini praćenja kvalitete |
| Razgovor sa studentima, anonimna studentska anketa, uspješnost studenata na kolegiju, samoanaliza. |
| Izvedba |
|
Sveučilišni prijediplomski studij • Fizika (izborni 5. sem.) • Informatika (obvezni 5. sem.) • Matematika; smjer: Matematički (izborni 5. sem.) • Matematika; smjer: Računarski (obvezni 5. sem.) • Matematika i informatika (obvezni 5. sem.) • Matematika i informatika (staro) (obvezni 5. sem.) Sveučilišni diplomski studij • Fizika i informatika; smjer: nastavnički (obvezni 1. sem.) • Informatika i tehnika; smjer: nastavnički (obvezni 1. sem.) • Matematika; smjer: Teorijski (izborni 3. sem.) • Matematika; smjer: Nastavnički (izborni 3. sem.) |
| Napomene: Vrste nastave (tip): (P) Predavanja; (S) Seminari; (A) Auditorne vježbe; (PK) Vježbe u praktikumu; (L) Laboratorijske vježbe; (M) Metodičke vježbe; (TJ) Vježbe tjelesnog odgoja; (T) Terenske vježbe. Prije početka nastave moguće su rošade izvođača nastave u svrhu optimizacije opterećenja. Prikazana je testna verzija automatskog generiranja informacija. |