Μάθημα : Τεχνητή Νοημοσύνη ΙΙ (2013-14) (Ανοικτό Μάθημα)

Συμπληρωματικά Στοιχεία:

Τρόποι αξιολόγησης / εξέτασης

• Οι εξετάσεις γίνονται με ανοικτά βιβλία και σημειώσεις και επιτρέπεται η χρήση αριθμομηχανών.
• Προϋπόθεση για τη συμμετοχή στην εξέταση του μαθήματος είναι ο φοιτητής να έχει περάσει το εργαστήριο.
• Οι φοιτητές που δεν περνούν το μάθημα κατά το τρέχον ακαδημαϊκό έτος (Ιούνιο ή Σεπτέμβριο) θα πρέπει να επαναλαμβάνουν το εργαστήριο την επόμενη χρονιά.
• ΟΙ ΕΞΕΤΑΖΟΜΕΝΟΙ ΘΑ ΠΡΕΠΕΙ ΑΠΑΡΑΙΤΗΤΩΣ ΝΑ ΕΧΟΥΝ ΜΑΖΙ ΤΟΥΣ ΔΕΛΤΙΟ ΤΑΥΤΟΤΗΤΑΣ, ΠΑΣΟ Η ΑΛΛΟ ΑΝΑΛΟΓΟ ΕΓΓΡΑΦΟ ΓΙΑ ΤΗΝ ΠΙΣΤΟΠΟΙΗΣΗ ΤΗΣ ΤΑΥΤΟΤΗΤΑΣ ΤΟΥΣ. ΔΕΝ ΘΑ ΔΟΘΟΥΝ ΘΕΜΑΤΑ ΣΕ ΚΑΝΕΝΑΝ ΠΟΥ ΔΕΝ ΕΧΕΙ ΜΑΖΙ ΤΟΥ ΤΑΥΤΟΤΗΤΑ.

Περιεχόμενο μαθήματος

Σχεδιασμός: Σχεδιασμός με αναζήτηση, σχεδιασμός με λογική, γραφήματα σχεδιασμού, χρονοπρογραμματισμός με περιορισμούς πόρων, ιεραρχικά δίκτυα εργασιών, σχεδιασμός σε μη αιτιοκρατικά πεδία, πολυπρακτορικός σχεδιασμός. Δράση υπό αβεβαιότητα: Δίκτυα Bayes, πιθανοτική συλλογιστική, προσεγγιστικός συμπερασμός, συμπερασμός με αλυσίδες Markov, ασαφής λογική, συμπερασμός σε χρονικά μοντέλα, κρυφά μοντέλα Markov, φίλτρα Kalman, δυναμικά δίκτυα Bayes, εφαρμογές στην αναγνώριση ομιλίας. Λήψη Αποφάσεων: Θεωρία χρησιμοτήτων, πολυκριτηριακές συναρτήσεις χρησιμότητας, δίκτυα αποφάσεων, έμπειρα συστήματα, θεωρία παιγνίων. Μηχανική μάθηση: Δέντρα αποφάσεων, επαγωγική μάθηση, μάθηση βασισμένη στις επεξηγήσεις (explanation based learning), επαγωγικός λογικός προγραμματισμός, στατιστικές μέθοδοι μάθησης, μοντέλα naive Bayes, ο αλγόριθμος EM, μάθηση μειγμάτων Gauss, μάθηση βασισμένη σε στιγμιότυπα (instance learning), μοντέλα και μηχανές πυρήνων, νευρωνικά δίκτυα, ενισχυτική μάθηση (reinforcement learning). Επικοινωνία: Τυπικές γραμματικές και γλώσσες, συντακτική ανάλυση, σημασιολογική ερμηνεία, γραμματικές DCG, αμφισημία και αποσαφήνιση, κατανόηση κειμένων, πιθανοτικά μοντέλα γλωσσών, γραμματικές PCFG, ανάκτηση και εξαγωγή πληροφοριών, μηχανική μετάφραση. Αντίληψη και ενέργεια: Μηχανική όραση, αναγνώριση αντικειμένων από εικόνες, ρομποτική αντίληψη, εντοπισμός και χαρτογράφηση, αισθητήρες ρομπότ και συσκευές δράσης, σχεδιασμός κίνησης, αρχιτεκτονικές λογισμικού ρομποτικής.

Διδάσκοντες

Το μάθημα διδάσκεται από τους καθηγητές:

Φακωτάκης Νίκος, Σγάρμπας Κυριάκος, Μουστάκας Κωνσταντίνος, Πέππας Παύλος

Προαπαιτούμενα

Προαπαιτούμενα μαθήματα: Τεχνητή Νοημοσύνη Ι

Μαθησιακοί στόχοι

Λήψη Αποφάσεων, Θεωρία Παιγνίων, Μηχανική Μάθηση, Αντίληψη, Ρομποτική

Βιβλιογραφία

Στους φοιτητές διανέμεται το βιβλίο των S.Russel & P.Norvig Τεχνητή Νοημοσύνη - Μια Σύγχρονη Προσέγγιση (2η εκδ.), Εκδόσεις Κλειδάριθμος.