Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

    Belépés
    címtáras azonosítással
    (javasolt módszer)

    Belépés
    neptunos azonosítással
    (hamarosan megszűnik)

    vissza a tantárgylistához   nyomtatható verzió    

    Mesterséges intelligencia

    A tantárgy angol neve: Artificial Intelligence

    Adatlap utolsó módosítása: 2009. február 5.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar

    Műszaki Informatika Szak

     

     

    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMIA313   3/1/0/v 5 1/1
    3. A tantárgyfelelős személy és tanszék Dr. Dobrowiecki Tadeusz, Méréstechnika és Információs Rendszerek Tanszék
    A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/vimia313/
    4. A tantárgy előadója

    Név:

    Beosztás:

    Tanszék, Int.:

    Dobrowiecki Tadeusz

    egyetemi docens

    MIT

       

     

    5. A tantárgy az alábbi témakörök ismeretére épít

    matematikai logika, valószínűség számítás, számítástechnika alapjai

    6. Előtanulmányi rend
    Kötelező:
    TárgyEredmény( "BMEVISZA213" ,  "aláírás" , _ )  >0
    VAGY
    TárgyEredmény( "BMEVIMA2207" ,  "aláírás" , _ )  >0
     VAGY
     TárgyEredmény( ahol a TárgyKód = "BMEVIMA2607", ahol a Típus = "JEGY", ahol a Ciklus = tetszőleges, ahol a KépzésKód = tetszőleges) >= 2
     VAGY
    ( TárgyEredmény( ahol a TárgyKód = "BMETE911708", ahol a Típus = "JEGY", ahol a Ciklus = tetszőleges, ahol a KépzésKód = tetszőleges) >= 2 VAGY  TárgyEredmény( "BMETE911708" ,  "felvétel" , _ )  >0)
     VAGY
     Szakirány( ahol a SzakirányKód = "KIEGI", ahol a Ciklus = "2006/07/1")
     VAGY
     Szakirány( ahol a SzakirányKód = "KIEGIBSC", ahol a Ciklus = "2007/08/1")

    A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

    A kötelező előtanulmányi rendek grafikus formában itt láthatók.

    Ajánlott:

    nincs

    7. A tantárgy célkitűzése

    A tantárgy célkitűzése a mesterséges intelligencia területének rövid, ám igényes bemutatása. A felvezetés lépései

    (1) az intelligens viselkedés számítási modellekkel való kifejezés problémaköre,

    (2) a mesterséges intelligencia formális és heurisztikus módszereinek elemzése és alkalmazása,

    (3) a gyakorlati megvalósítások módszerei és problémái. A tárgy az informatikus hallgatók azokat a képességeit fejleszti, melyek révén képesek lesznek:

    - tanulmányozni számítógép újszerű használatát,

    - fejleszteni hatékony módszereket számítási problémák megoldására,

    - megérteni számítástechnika/-tudomány technológiai / koncepcionális korlátjait

    - intellektuálisan megérteni az algoritmus központi szerepét az informatikai rendszerekben.

     

    8. A tantárgy részletes tematikája

    1. Ágensmodellezési paradigma: Intelligens rendszer és a környezete. Komplex feladatok formalizálása és megoldása ágens paradigmán belül. Problémamegoldó módszerek (keresési stratégiák) összehasonlítása. Komplexitáscsökkenő heurisztikák. A komplexitás és a tudásintenzív tervezés. Kísérletezés egy ütemezési feladat paradigmába való ágyazásával és megoldásával keresési algoritmusok segítségével.

    2. Tervkészítés: Tervkészítés problémamegoldó szerepe. A tervkészítés alapvető reprezentációi. Modern tervkészítési algoritmusok alapjai. Hierarchikus, feltételes tervkészítés. Erőforrás kényszerek kérdése. Összevont tervkészítés és végrehajtás. Kísérletezés egy szerelési feladat tervének készítésével különböző bonyolító szempontok figyelembevételével.

    3. Tudásintenzív rendszerek. Tudás formális ábrázolása és manipulálása. Logikai módszerek áttekintése. Az elsőrendű logika felhasználása problémák leírására és a megoldások kinyerésére. Szabály alapú rendszerek alap működése. Bizonytalan tudás és következtetés módszerei. Valószínűségi következtető rendszerek. Alapeseti (default) következtetés. Homályos jelentés reprezentálása fuzzy halmazokkal. Kísérletezés egy diagnosztizálási feladattal különböző szilárdságú ismeretek mellet, az azokhoz illeszkedő eszközökkel, ill. kísérletezés egy fuzzy rendszer építésével (szabályalapú nyelvek, fuzzy csomagok, stb.).

    4. Tanulás. Tanulás ágens paradigmán belül. Induktív logikai tanulás (döntési fák, általános logikai kifejezések tanulása). Tanulás neurális és valószínűségi hálókban. Megerősítéses tanulás. Genetikus algoritmusok és evolúciós programozás. Kísérletezés többféle tanulási feladatottal, megfelelő szoftvercsomagokkal.

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium

    (előadás, gyakorlat, laboratórium):

    Előadás

    10. Követelmények

    a. A szorgalmi időszakban:

    • félév közben (előadástól külön időpontban) egy nagy ZH, amely a félév utolsó hetében pótolható, a szükséges minimum szint 40% (azaz 24 pont), az érvényes ZH pontszámának e feletti részének negyede a végleges osztályzatba beleszámít.
    • félév közben egyszemélyes kétlépcsős házi feladat, amely egy megfelelően kialakított és a 6. héttől egy folyamatosan üzemelő Web lapon kérhető le. A feladathoz tartozó további ütemezés a feladat lapján olvasható. A HF minősítése „nem felelt meg” (0 pont), ill. „megfelelt(6 – 15 pont) lehet.

      A félévi aláírás és a vizsgára bocsátás feltétele a ZH minimum 40%-os megírása és a házi feladat helyes megoldása és beadása "megfelelt" minősítéssel.

     

    b. A vizsgaidőszakban: írásbeli vizsga, minimum szint 40% (24 pont). A vizsgaanyag egy beugrót tartalmazhat, aminek teljesítése a vizsgadolgozat további javításának az előfeltétele.

     

    Pontozás: ZH - max. 60 pont, annak 40%-ka a szükséges minimum, a minimum elérése esetén tovább megy az elért pontok negyede (azaz min. 6, max. 15 pont), vizsga - max. 60 pont, annak 40%-ka a szükséges minimum (azaz 24 pont).

    A végleges minősítés:   a vizsga pontszáma + az érvényes ZH pontszám negyede + az érvényes HF pontszáma.  

    Osztályozás:    36-tól elégséges, 54-tól közepes, 66-tól jó, 78-től jeles.

    c. Elővizsga: Igény szerint elővizsga is elképzelhető a pótlási időszakban a pótzárthelyivel egy    időben  (tehát elővizsgázni a zárthelyit csakis rendes időpontban teljesítő hallgató képes). A vizsgaanyag egy beugrót tartalmazhat, aminek teljesítése a vizsgadolgozat további javításának az előfeltétele.

    11. Pótlási lehetőségek

    A TVSZ szerint a sikertelen zárthelyit pótlási időszakban lehet még egyszer pótpótzh-n pótolni, ennek anyaga megegyezik az eredeti számonkérés anyagával, vizsgaidőszakban félévközi számonkérés nem pótolható.

    12. Konzultációs lehetőségek

    Igény esetén, megbeszélés alapján.

    13. Jegyzet, tankönyv, felhasználható irodalom

    Stuart Russell és Peter Norvig:

    Mesterséges intelligencia korszerű megközelítésben, Panem Kiadó, Budapest, 1999

    Stuart Russell és Peter Norvig:

    Mesterséges intelligencia korszerű megközelítésben, 2., átdolgozott kiadás,

    Panem Kiadó, Budapest, 2006

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

     

    Kontakt óra

    60

    Félévközi készülés órákra

    28

    Felkészülés zárthelyire

    12

    Házi feladat elkészítése

    25

    Kijelölt írásos tananyag elsajátítása

    -

    ..

     

    Vizsgafelkészülés

    25

    Összesen

    150

    15. A tantárgy tematikáját kidolgozta

    Név:

    Beosztás:

    Tanszék, Int.:

    Dobrowiecki Tadeusz

    egyetemi docens

    MIT