Mesterséges intelligencia

A tantárgy angol neve: Artificial Intelligence

Adatlap utolsó módosítása: 2015. február 17.

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 Pawel,
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" , _ ) = -1
VAGY
TárgyEredmény( "BMEVISZAB01" , "aláírás" , _ ) = -1
VAGY
TárgyEredmény( "BMEVIMA2207" , "aláírás" , _ ) = -1
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")
VAGY
Szakirány( ahol a SzakirányKód = "FVIszgépek", ahol a Ciklus = "_")

VAGY Training.Code=("5NAA78RESZ")

VAGY
EgyenCsoportTagja("Brazil 2015-16-1_erk") )



ÉS NEM ( TárgyEredmény( "BMEVIMIAC00" , "jegy" , _ ) >= 2
VAGY
TárgyEredmény("BMEVIMIAC00", "FELVETEL", AktualisFelev()) > 0)

ÉS Training.Code=("5N-A8")

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 20 pont).Az érvényes ZH pontszámának fele a végleges osztályzatba beleszámít.

Félév közben egy házi feladat, amely egy megfelelően kialakított Web lapon kérhető le illetve adható be. A feladathoz tartozó további ütemezés a feladat lapján olvasható. A HF minősítése „nem felelt meg" (0 pont), ill. „megfelelt" (10 - 25 pont) lehet. A házi feladaton szerzett pontszám a végleges osztályzatba beszámít.

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% (20 pont). A vizsgaanyag egy beugrót tartalmazhat, aminek teljesítése a vizsgadolgozat további javításának az előfeltétele lehet.

Pontozás: ZH - max. 50 pont, annak 40%-ka a szükséges minimum, a minimum elérése esetén tovább megy az elért pontok fele (azaz min. 10, max. 25 pont), vizsga - max. 50 pont, annak 40%-ka a szükséges minimum (azaz 20 pont). A házi feladatból 10-25 pont származik.

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

Osztályozás: 40-tól elégséges, 55-tól közepes, 70-tól jó, 85-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.

A házi feladat a pótlási hét szerdáig késedelmesen leadható különeljárási díj mellett.

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