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

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Mesterséges intelligencia

    A tantárgy angol neve: Artificial Intelligence

    Adatlap utolsó módosítása: 2018. március 5.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMIAC10   3/0/0/f 3  
    3. A tantárgyfelelős személy és tanszék Dr. Hullám Gábor István,
    A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/vimiac10
    4. A tantárgy előadója

    Dr. Pataki Béla

    egyetemi docens

    MIT

     Dr. Hullám Gábor
     egyetemi adjunktus MIT
    5. A tantárgy az alábbi témakörök ismeretére épít

    Matematikai logika, valószínűségszámítás, számítástechnika alapjai

    6. Előtanulmányi rend
    Kötelező:
    (TargyEredmeny("BMEVISZAA01" , "jegy" , _ ) >= 2 VAGY
    TargyEredmeny("BMEVISZAA04" , "jegy" , _ ) >= 2 VAGY
    TargyEredmeny("BMEVISZA110" , "jegy" , _ ) >= 2 )

    ÉS NEM ( TárgyEredmény( "BMEVIMIA313" , "jegy" , _ ) >= 2
    VAGY
    TárgyEredmény("BMEVIMIA313", "FELVETEL", AktualisFelev()) > 0
    VAGY
    TárgyEredmény( "BMEVIMIAC00" , "jegy" , _ ) >= 2
    VAGY
    TárgyEredmény("BMEVIMIAC00", "FELVETEL", AktualisFelev()) > 0)

    ÉS (Training.Code=("5N-A8") VAGY Training.Code=("5NAA8"))

    VAGY Szak("6N-MA") VAGY Szak("6NAMAR") //KJK AVCE

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

    A kötelező előtanulmányi rendek grafikus formában itt láthatók.

    Ajánlott:

    (TargyEredmeny("BMEVISZAA01","jegy",_)>=2 VAGY
    TargyEredmeny("BMEVISZA110" , "jegy" , _ ) >= 2 )

    ÉS NEM ( TárgyEredmény( "BMEVIMIA313" , "jegy" , _ ) >= 2
    VAGY
    TárgyEredmény("BMEVIMIA313", "FELVETEL", AktualisFelev()) > 0)

    7. A tantárgy célkitűzése

    A tantárgy fő célkitűzése a mesterséges intelligencia területének rövid, ám igényes bemutatása. A bemutatás lépései: (1) az intelligens viselkedés számítási modellekkel való kifejezésének problémaköre, (2) a mesterséges intelligencia formális és heurisztikus módszereinek elemzése és alkalmazása, (3) a gyakorlati megvalósítások módszerei és problémái.

    A tárgy az informatikus hallgatóknak azokat a képességeit fejleszti, melyek révén képesek lesznek:
    - tanulmányozni a számítógép újszerű (intelligens módszereket alkalmazó) használatát,
    - hatékony módszereket fejleszteni számítási problémák megoldására,
    - megérteni a számítástechnika és a számítástudomány technológiai és koncepcionális korlátait
    - intellektuálisan megérteni az algoritmus központi szerepét az informatikai rendszerekben.

    8. A tantárgy részletes tematikája

    1. Bevezető: MI problémák választéka, intelligencia és alapvető kérdések, mérnöki szemlélet, előzmények.

    2. Egy mintafeladat elemzése. Hogyan gazdálkodunk információval. Mire van szükség, ha a feladat nem triviális, de nem is lehetetlen. A helyes absztrakció lépései. Mit nyerünk, mit adunk fel érte? Mik a megoldás buktatói?

    3. Intelligens rendszerek tervezése: ágensek, komponenseik, környezetek, architektúra és program, keresési tér és az alapvető ágenstípusok (viselkedés), mire számíthatunk egy ágens belsejében. Mit jelent intelligensnek lenni?

    4. Problémamegoldás kereséssel: mik az intelligens rendszerek átfogó algoritmusai, alapvető matematikai absztrakciói. Hogyan kell az eddig megismert algoritmusokat kreatívan alkalmazni az intelligencia fokozása érdekében.

    5. Paradigmaváltások szerepe - problémamegoldás kényszerkielégítéssel. Problémamegoldás többágenses környezetben - keresés ellenséges környezetben.

    6. Intelligencia alapvető komponense - a tudás. Tudás formalizálása logikával. Mit jelent logikában következtetni? Több logika is van, miben különböznek, mit nyújtanak?

    7. Tudásmérnökség, ágensek logikai leírása, és problémamegoldás logikai következtetéssel. Paradigmaváltás felskálázás érdekében.

    8. Tervkészítés, ha minden jól megy, és ha semmi sincs jól.

    9. Intelligencia a valóságban - hiányos, bizonytalan és változó tudás: bizonytalanság és valószínűség számítás. Valószínűségi hálók. Következtetés valószínűségi hálókban.

    10. További eszközök a bizonytalanság kezelésére. A temporális tudás kezelése. Racionalitás és hasznosság. Intelligencia, mint a racionális döntés képessége. Markov döntési folyamatok.

    11. Az intelligencia alapvető mechanizmusa - a tanulás. Alapvető fogalmak, alapvető feladatok. Döntési fák tanulása. Logikai hipotézisek tanulása.

    12. Neurális hálók tanulása. Mély neurális hálók.

    13. Valószínűségi hálók tanulása, kernel gépek.

    14. Megerősítéses tanulás. Q-tanulás. Mély megerősítéses tanulás.

    15. Ajánlórendszerek.

    16. Több ágenses rendszerek problémaköre.

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

    Előadás, illetve egyes témakörök otthoni munkával történő elsajátítása megadott olvasmányok és demó-platformok alapján.

    10. Követelmények

    Az előadástól eltérő időpontban két nagy ZH, a szükséges minimumszint mindkét ZH-nál 40-40%. Félév közben egy több részből álló, időben ütemezett házi feladat, amely egy megfelelően kialakított HF-szerverről kérhető le. A feladathoz tartozó ütemezés a feladat lapján olvasható. A félévi eredmény értékelése a két ZH-n elért pontszám és a HF-re kapott pontszám összege alapján történik (ZH1pont+ZH2pont+HFpont).

    A félévi aláírás és egyben az elégtelentől különböző érdemjegy feltétele mindkét ZH minimum 40%-os megírása, és a féléves maximális összpontszám - max(ZH1pont)+max(ZH2pont)+max(HFpont) - 40%-ának elérése.

    11. Pótlási lehetőségek

    A TVSZ szerint. Mindkét ZH-nak csak egy-egy pótlási alkalma van (pót-pót ZH-t nem tartunk).

    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

    Mesterséges Intelligencia Elektronikus Almanach, http://mialmanach.mit.bme.hu/aima/index

    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra42
    Félévközi készülés előadásra14
    Felkészülés zárthelyire12
    Házi feladat elkészítése22
    Összesen90
    15. A tantárgy tematikáját kidolgozta

    Dr. Dobrowiecki Tadeusz

    egyetemi docens

    MIT

     Dr. Hullám Gábor
     egyetemi adjunktus MIT
     Dr. Pataki Béla

    egyetemi docens

    MIT

    IMSc tematika és módszer

    Az IMSc program hallgatói számára emelt szintű fakultatív házi feladatokat, és a ZH-kban emelt szintű feladatokat kínálunk. Alapvető célunk, hogy a hallgatókat a tananyag mélyebb megismerésére ösztönözzük, ugyanakkor a fakultatív feladatokkal választási lehetőségeket is kínáljunk számukra.


     

    IMSc pontozás

    A tantárgyból maximum 15 IMSc pont szerezhető:

    • A két zárthelyin összesen maximum 4 IMSc pont szerezhető a haladó feladatok megoldásáért, ha a dolgozat többi részéből legalább 66%-ot elért a hallgató.
    • Az emelt szintű fakultatív házi feladatok megoldásáért összesen maximum 11 IMSc pont szerezhető.

    Az IMSc pontok gyűjtése teljesen független a tantárgyban szerezhető ZH és házi feladat pontoktól. Ezen pontok megszerzése és a fakultatív feladatok megoldása nélkül is jeles szinten teljesíthetők a tantárgy követelményei, de semmilyen módon nem is befolyásolják a félévi eredményt. Az IMSc pontok megszerzése az IMSc programban nem résztvevő hallgatók számára is biztosított.