University of Warsaw - Central Authentication System
Strona główna

Artificial Intelligence

General data

Course ID: 3501-KOG-SI
Erasmus code / 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) Software and applications development and analysis The ISCED (International Standard Classification of Education) code has been designed by UNESCO.
Course title: Artificial Intelligence
Name in Polish: Sztuczna inteligencja
Organizational unit: Institute of Philosophy
Course groups:
ECTS credit allocation (and other scores): (not available) Basic information on ECTS credits allocation principles:
  • the annual hourly workload of the student’s work required to achieve the expected learning outcomes for a given stage is 1500-1800h, corresponding to 60 ECTS;
  • the student’s weekly hourly workload is 45 h;
  • 1 ECTS point corresponds to 25-30 hours of student work needed to achieve the assumed learning outcomes;
  • weekly student workload necessary to achieve the assumed learning outcomes allows to obtain 1.5 ECTS;
  • work required to pass the course, which has been assigned 3 ECTS, constitutes 10% of the semester student load.

view allocation of credits
Language: Polish
Prerequisites (description):

(in Polish) Znajomość języka angielskiego, podstawowe umiejętności programowania

Short description:

The course aims to acquaint students with the classical techniques used in computer science to solve the problems of traditionally understood artificial intelligence. The main topics are: intelligent agents, logical inference, searching, machine learning, planning.

Full description: (in Polish)

Podstawowym celem zajęć jest przedstawienie głównych idei, które pojawiły się w badaniach nad sztuczną inteligencją w ciągu ostatnich 50 lat. Idee te przyświecały próbom stworzenia inteligentnego agenta (robota), który zbiera informacje ze środowiska i podejmuje stosowne działania. Przejście od percepcji do działania wymaga reprezentacji wiedzy, rozumowania i wnioskowania (logicznego lub probabilistycznego), planowania i uczenia, a wdrażane było w logice lub sieciach neuronowych. Istotnym elementem zajęć będzie też omówienie założeń metodologicznych klasycznej sztucznej inteligencji i konkurencyjnych rozwiązań w postaci inteligencji ucieleśnionej i umiejscowionej.

Zakres poszczególnych tematów wspólny dla ćwiczeń i wykładu

1. Wprowadzenie: historia dyscypliny i pojęcie inteligentnego agenta.

2. Wnioskowanie w logice: Wnioskowanie wprzód i wstecz. Wnioskowanie przez rezolucję. Poprawność i zupełność procedur wnioskowania. Efektywność wnioskowania.

3. Planowanie.

4. Wiedza niepewna i rozumowanie probabilistyczne: twierdzenie Bayes’a i sieci bayesowskie

5. Uczenie: indukcja, systemy regułowe, sieci neuronowe

6. Problemy metodologiczne tradycyjnej sztuczna inteligencji: problem ramy w ujęciu logicznym i filozoficznym, krytyka Dreyfusa, inteligencja ucieleśniona i umiejscowiona

Bibliography: (in Polish)

Literatura podstawowa:

Artificial Intelligence. A Modern Approach. Stuart J. Russell and Peter Norvig Prentice Hall. ISBN: 0-13-790395-2

Learning outcomes: (in Polish)

nabyta wiedza

- student zna podstawowe, klasyczne algorytmy stosowane do wnioskowania w sztucznej inteligencji [K_W01, K_W03, K_W04, K_W05, K_W06, K_W09]

- student zna zasady działania systemów planowania [K_W01, K_W03, K_W09]

- student zna zasady reprezentacji i wnioskowania o wiedzy niepewnej [K_W01, K_W03, K_W06, K_W09]

- student zna podstawowe metody uczenia maszynowego [K_W01, K_W03, K_W04, K_W06, K_W09]

- student potrafi wskazać najistotniejsze bariery, na jakie napotykają badania nad zbudowaniem inteligentnego agenta [K_W01, K_W03]

nabyte umiejętności

- student potrafi zapisać proste zdania w postaci stosownej reprezentacji logicznej i przeprowadzić w niej wnioskowanie [K_K01, K_U03, K_U08, K_U09]

- potrafi opisać metodę generowania planu założonego działania i wskazać na bariery tej metody [K_U03, K_U08]

- potrafi odróżnić i ocenić efektywność konkurencyjnych systemów uczenia maszynowego [K_U03, K_U08, K_U09]

- potrafi posługiwać się pojęciami używanymi przez badaczy sztucznej inteligencji [K_U01]

- potrafi wskazać i uzasadnić zalety i wady konkurencyjnych założeń metodologicznych w sztucznej inteligencji [K_U01, K_U08]

nabyte kompetencje społeczne

- student umie uważnie słuchać wypowiedzi innych osób, a także brać udział w dyskusji [K_K02, K_K07, K_K08, K_K09, K_K10, K_K11]

Assessment methods and assessment criteria: (in Polish)

wykład: egzamin pisemny (100%)

ćwiczenia: aktywna praca na zajęciach

Liczba dopuszczalnych nieobecności podlegających usprawiedliwieniu: 2

This course is not currently offered.
Course descriptions are protected by copyright.
Copyright by University of Warsaw.
Krakowskie Przedmieście 26/28
00-927 Warszawa
tel: +48 22 55 20 000 https://uw.edu.pl/
contact accessibility statement USOSweb 7.0.3.0 (2024-03-22)