Uvod v umetno inteligenco in primeri uporabe
Prostor stanj in osnovni algoritmi preiskovanja: globinsko, širinsko, iterativno poglabljanje, zahtevnost teh algoritmov
Hevristično preiskovanje, algoritma A in IDA, izrek o popolnosti A, lastnosti ocenitvenih funkcij ter analiza časovne in prostorske zahtevnosti
Dekompozicija problemov z AND/OR grafi, algoritmi iskanja v AND/OR grafih, hevristično preiskovanje in algoritem AO
Strojno učenje: problem učenja iz podatkov, iskanje zakonitosti v podatkih in podatkovno rudarjenje, opisni jeziki in prostori hipotez, učenje odločitvenih dreves, regresijskih dreves, modelnih dreves, ter pravil. Programska orodja strojnega učenja in primeri uporabe.
Predstavitev znanja in ekspertni sistemi: predstavitev znanja s pravili, ogrodji, semantičnimi mrežami, ontologije, algoritmi sklepanja in generiranje razlage, obravnavanje negotovega znanja, bayesovske mreže
Planiranje po principu sredstev in ciljev, planiranje s popolno in delno urejenostjo, regresiranje ciljev, primeri uporabe v robotiki in logistiki
Osnove umetne inteligence
Zoran Bosnić
I. Bratko, Prolog Programming for Artificial Intelligence, 4th edition, Pearson Education,
Addison-Wesley 2011, ISBN: 0201403757.
S. Russell, P. Norvig, Artificial Intelligence: A Modern Approach, Third edition, Pearson
Education, Prentice-Hall 2010, ISBN: 0136042597.
I. Bratko, Prolog in umetna inteligenca, Založba FE in FRI, ponatis 2011.
I. Kononenko, Strojno učenje, Založba FE in FRI, 2005.
Materiali na spletu (Spletna učilnica FRI, Ivan Bratko home page): Prosojnice predavanj, naloge.
Seznaniti slušatelje z osnovnimi koncepti, idejami, metodami in tehnikami umetne inteligence
Sposobnost reševanja problemov z metodami umetne inteligence
Zmožnost razumevanja literatura s področja umetne inteligence
Prispevati k razumevanju relevantnosti tehničnih dosežkov umetne inteligence glede na njihove implikacije v filozofiji in psihologiji
Znanje in razumevanje:
Študent spozna in razume osnovne in najpogostejše uporabljane metode umetne inteligence.
Uporaba:
Študent je zmožen uporabiti metode umetne inteligence pri načrtovanju in izvedbi konkretnih računalniških aplikacij na širokem področju uporabe.
Refleksija:
Študent je zmožen presoditi o implikacijah tehničnih dosežkov umetne inteligence na možnosti in omejitve pri uporabi računalnikov, meje računalniške inteligence, podobnosti in razlike z naravno inteligenco ter nekaterimi vprašanji področja kognitivne znanosti.
Prenosljive spretnosti - niso vezane le na en predmet:
Je zmožen uporabiti obdelane metode v sklopu načrtovanja računalniških aplikacij in sistemov.
Predavanja, laboratorijske vaje, domače naloge, individualni ali skupinski projekti
Sprotno preverjanje (domače naloge, kolokviji in projektno delo).
Končno preverjanje (pisni in ustni izpit).
(ocene: 5 (negativno), 6-10 (pozitivno), ob upoštevanju Statuta UL)
BRATKO, Ivan. Prolog programming for artificial intelligence. 4th ed. Harlow (England) [etc.]: Addison-Wesley: Pearson, cop. 2012. XXI, 673 str., ilustr. ISBN 978-0-321-41746-6. ISBN 0-321-41746-1. [COBISS-SI-ID 8577364]
MOŽINA, Martin, ŽABKAR, Jure, BRATKO, Ivan. Argument based machine learning. Artificial intelligence, ISSN 0004-3702. [Print ed.], 2007, vol. 171, no. 10/15, str. 922-937. [COBISS-SI-ID 6240084]
LUŠTREK, Mitja, GAMS, Matjaž, BRATKO, Ivan. Is real-valued minimax pathological?. Artificial intelligence, ISSN 0004-3702. [Print ed.], 2006, vol. 170, str. 620-642. [COBISS-SI-ID 19805735]
ŠUC, Dorian, VLADUŠIČ, Daniel, BRATKO, Ivan. Qualitatively faithful quantitative prediction. Artificial intelligence, ISSN 0004-3702. [Print ed.], 2004, vol. 158, no. 2, str. [189]-214, ilustr. [COBISS-SI-ID 4422740]
BRATKO, Ivan, MOZETIČ, Igor, LAVRAČ, Nada. Kardio : a study in deep and qualitative knowledge for expert systems. Cambridge (Mass.), London: The MIT Press, 1989. XIV, 260 str., graf. prikazi. ISBN 0-262-02273-7. [COBISS-SI-ID 19925760]