Inteligentni sustavi

 

Naziv kolegija:
Inteligentni sustavi
Šifra ISVU:
151050
Šifra MOZVAG:
INFDDI16
ECTS:
3
Jezik izvođenja:
hrvatski
Preduvjeti upisa:
Odsjek:
ODSJEK ZA INFORMACIJSKE ZNANOSTI

Studij
Godina
Semestar
Status
INFORMACIJSKA TEHNOLOGIJA - DIPLOMSKI (dvopredmetni)
1.g.
ljetni
izborni

Nastavnik
Nositelj
P
V
S
Papić, Anita
15
0
30

 

Ciljevi i zadaci:

Osnovni cilj kolegija je upoznati studente sa pristupima umjetne inteligencije u rješavanju intelektualnih problema i područjima primjene umjetne inteligencije kao što su ekspertni sustavi, razumijevanje i obrada prirodnih (i umjetnih) jezika, robotika, računalni vid, problemi predviđanja, klasifikacije i prepoznavanje uzoraka, umjetne neuronske mreže, genetski algoritmi itd. Studenti će ovladati tehnikama umjetne inteligencije koja se bavi proučavanjem i oblikovanjem računarskih sustava koji pokazuju neki oblik inteligencije. Naime, to su sustavi koji mogu učiti nove koncepte, sustavi koji mogu zaključivati i donositi uporabne zaključke o svijetu koji ih okružuje, sustavi koji mogu razumjeti prirodni jezik ili spoznati i tumačiti složene vizualne scene te sustavi koji mogu obavljati i druge vrste vještina koje zahtijevaju čovjekovu vrstu inteligencije. Studenti će se osposobiti za razumijevanje osnovnih principa razvoja i evaluacije inteligentnih sustava. Također, studenti će se osposobiti za samostalan ili timski rad na primjerima i analizama slučajeva koji zahtijevaju uporabu tehnika umjetne inteligencije kao što su primjena neuronskih mreža, rudarenja podataka i dr.

Ishodi učenja:

Po završetku nastave iz navedenog kolegija studenti će moći:

  • objasniti osnovne pojmove umjetne inteligencije, značajke, svojstva te funkcije inteligentnih sustava
  • razlikovati različite tehnike umjetne inteligencije i područja njihove primjene
  • analizirati razne slučajeve vezane uz primjenu rudarenja podataka, neuronskih mreža, stabla odlučivanja i ostalih tehnika umjetne inteligencije
  • objasniti trendove razvoja inteligentnih sustava

Sadržaj predmeta:

Studenti će se upoznati sa osnovnim značajkama i svojstvima inteligentnih sustava. Na predavanjima će se obraditi odabrana poglavlja umjetne inteligencije te će se predstaviti najpoznatije tehnike umjetne inteligencije i njihove primjene.

Tijekom kolegija obradit će se sljedeće teme: Definicija, osnovni pojmovi i područja umjetne inteligencije; Tehnike umjetne inteligencije; Hibridni sustavi umjetne inteligencije; Područja primjene umjetne inteligencije; Metode rudarenja podataka; Stabla odlučivanja; Značajke i svojstva inteligentnih sustava; Predstavljanje znanja u inteligentnim sustavima; Ekspertni sustavi; Inteligentni agenti i multiagentski sustavi; Neizrazita (engl. fuzzy) logika; Umjetne neuronske mreže i genetski algoritmi; Komunikacija čovjek-stroj; Razumijevanje i obrada prirodnih (i umjetnih) jezika; Robotika; Računalni vid, raspoznavanje uzoraka i analiza scene; Raspoznavanje i sinteza govora; Trendovi razvoja inteligentnih sustava.

Vrste izvođenja nastave:

predavanja, seminari i radionice

Povezivanje ishoda učenja, nastavnih metoda i procjena ishoda učenja:

Nastavna aktivnost Aktivnost studenta Ishod učenja Metoda procjene
Predavanja slušanje predavanja i sudjelovanje u raspravama objasniti osnovne pojmove umjetne inteligencije, značajke, svojstva te funkcije inteligentnih sustava
razlikovati različite tehnike umjetne inteligencije i područja njihove primjene
 
pisani test (50 % ukupne ocjene)
Seminari i radionice izrada seminarskog rada analizirati razne slučajeve vezane uz primjenu rudarenja podataka, neuronskih mreža, stabla odlučivanja i ostalih tehnika umjetne inteligencije ocjena vježbi (25% ukupne ocjene)
Samostalni zadaci rješavanje problemskih zadataka objasniti trendove razvoja inteligentnih sustava ocjena zadataka (25% ukupne ocjene)

 

 

Obveze i praćenje rada studenta:

Pohađanje nastave, Seminarski rad, Pismeni ispit, Usmeni ispit

Način vrednovanja i ocjenjivanja:

Elementi praćenja i provjeravanja:

Element
Opterećenje u ECTS
Udio u ocjeni
Pohađanje nastave 1,125 0%
Seminarski rad 0,633 25%
Pismeni ispit 0,633 50%
Usmeni ispit 0,609 25%

 

Način oblikovanja konačne ocjene:

Iz svih elemenata praćenja i provjeravanja student može ostvariti maksimalno 100 ocjenskih bodova, što čini 100% ocjene. Za prolaznu ocjenu student treba ostvariti minimalno 60 ocjenskih bodova ili 60% ocjene. Pismeni ispit nosi 50%, Seminari 25%, samostalni zadaci 25%.

Skala je ocjenjivanja sljedeća: 60% - 69,9%  = dovoljan (2), 70% - 79,9%  = dobar (3), 80% - 89,9%   = vrlo dobar (4), 90% - 100% = izvrstan (5).

Studenti su obvezni pohađati 70 % održanih nastavnih sati. Ako student ima 5 ili više izostanaka (jedan izostanak iznosi 2 nastavna sata), neće dobiti potpis, kao ni ukoliko ukupno ostvari manje od 40% ocjene.

Primjer izračunavanja ocjene:

Ostale informacije relevantne za praćenje i vrednovanje studenta:

Studenti su obvezni pohađati 70 % održanih nastavnih sati. Ako student ima 5 ili više izostanaka (jedan izostanak iznosi 2 nastavna sata), neće dobiti potpis, kao ni ukoliko ukupno ostvari manje od 40% ocjene

 

 

Obavezna literatura:

  1. Hopgood, A. A. Inteligent Systems for Engineers and Scientists. 2nd ed. Boca Raton: CRS press, 2000.
  2. Luger, G. F. Artifical intelligence: structures and strategies for complex problem solving. 6th ed. Boston: Pearson Addison Wesley, 2009.
  3. Munakata, T. Fundamentals of the new artificial intelligence: neural, evolutionary, fuzzy and more. 2nd ed. London: Springer, 2008.

Dopunska literatura:

  1. Association of the Advances of AI (AAAI). URL: http://www.aaai.org/AITopics/pmwiki/pmwiki.php/AI Topics/HomePage
  2. Budin, L.; Dalbelo Bašić, B.; Ribarić, S.; Pavešić, N. Inteligentni sustavi. Opatija: Inteligentni sustavi d.o.o., 2001.
  3. Proceedings of the AAAI National Conference on Artificial Intelligence. URL: https://www.aaai.org/Conferences/AAAI/aaai.php
  4. Proceedings of the AAAI Innovative Applications of Artificial Intelligence Conference. URL:  http://www.aaai.org/Library/IAAI/iaai13contents.php
  5. Russell, S.; Norvig, P. Artificial Intelligence: A Modern Approach. Prentice Hall; 3rd edition, 2009.

 

Načini praćenja kvalitete koji osiguravaju razvoj znanja, vještina i kompetencija:

  • Provedba jedinstvene sveučilišne ankete među studentima za ocjenjivanje nastavnika koju utvrđuje Senat Sveučilišta.
  • Praćenje i analiza kvalitete izvedbe nastave u skladu s Pravilnikom o studiranju i Pravilnikom o unaprjeđivanju i osiguranju kvalitete obrazovanja Sveučilišta.

Ostale informacije: