Alkalmazott mesterséges intelligencia

A tantárgy angol neve: Applied Artificial Intelligence

Adatlap utolsó módosítása: 2018. június 25.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar
Üzemmérnök-informatikus szak,BProf képzés, közös tárgy
Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VIMIBB01 3 2/0/2/v 5  
3. A tantárgyfelelős személy és tanszék Dr. Antal Péter,
4. A tantárgy előadója Dr. Pataki Béla egyetemi docens, BME Méréstechnika és Információs Rendszerek Tanszék
5. A tantárgy az alábbi témakörök ismeretére épít Matematikai logika, algoritmusok, valószínűségszámítás, számítástechnika alapjai
6. Előtanulmányi rend
Kötelező:
Training.Code=("5N-A9") ÉS
(TárgyEredmény("BMEVISZBA01", "FELVETEL", _) > 0
VAGY TárgyEredmény( "BMEVISZBA01" , "aláírás" , _ ) = -1 )
ÉS
(TárgyEredmény("BMEVIEEBA01", "FELVETEL", _) > 0
VAGY TárgyEredmény( "BMEVIEEBA01" , "aláírás" , _ ) = -1 )

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

A kötelező előtanulmányi rendek grafikus formában itt láthatók.

7. A tantárgy célkitűzése

A tantárgy fő célkitűzése a mesterséges intelligencia területének rövid, ám igényes, elsősorban alkalmazásra irányuló bemutatása. A bemutatás lépései: (1) az intelligens viselkedés mibenléte, fontossága alkalmazásának célja, a számítási modellekkel való kifejezésének problémaköre, (2) a mesterséges intelligencia alapvető formális és heurisztikus módszereinek bemutatása, alkalmazásának lehetőségei és korlátai (3) a gyakorlati megvalósítás módszerei és problémái.

A tárgy a hallgatóknak azokat a képességeit fejleszti, melyek révén képesek lesznek:

- alkalmazni a számítógépet újszerű (intelligens módszereket használó) feladatokra,

- hatékony módszereket használni számítási problémák megoldására,

- megérteni a számítástechnika és a számítástudomány technológiai és koncepcionális korlátait

8. A tantárgy részletes tematikája

Az előadások tematikája:

Előadás

Előadás anyaga

1.

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

2.

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

3.

Intelligens rendszerek ágensei, komponenseik, környezetek, architektúra és program, keresési tér és az alapvető ágenstípusok viselkedése. Mit jelent intelligensnek lenni?

4.

Keresési eljárások alkalmazása problémamegoldásra: az intelligens rendszerek átfogó algoritmusai. Hogyan kell az eddig megismert algoritmusokat alkalmazni az intelligencia fokozása érdekében.

5.

Kényszerkielégítés alkalmazása problémamegoldásra. Problémamegoldás többágenses környezetben - keresés ellenséges környezetben.

6.

Logika alkalmazása a tudás ábrázolásában és a következtetésben.

7.

Intelligens megoldások alkalmazása a valóságban - hiányos, bizonytalan és változó tudás: bizonytalanság és valószínűségszámítás.

8.

További eszközök a bizonytalanság kezelésére. Racionalitás és hasznosság. Intelligencia, mint a racionális döntés képessége. Markov Döntési Folyamatok alapjai, alkalmazása

9.

Az intelligencia alapvető mechanizmusa - a tanulás. Alapvető fogalmak, alapvető feladatok. Döntési fák alkalmazása

10.

Neurális hálók alkalmazása. A tanítás.

11.

Mély neurális hálók alapvető komponensei, alkalmazásuk, tanításuk

12.

Megerősítéses tanulás feladata, alapvető módszerei, alkalmazása

13.

Q-tanulás előnyei, hátrányai, alkalmazása

14.

Ajánlórendszerek feladata, alapmódszerei, alkalmazása

A laborok tematikája:

Labor

Labor anyaga

1.

Intelligens ágensek

2.

Keresési eljárások

3.

Kényszerkielégítés

4.

Döntési fák

5.

Logika alkalmazása a tudás ábrázolásában és a következtetésben

6.

Neurális hálók

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

Az elméleti előadásokon átadott tudást a kapcsolódó laborfoglalkozásokon mélyítik el és egyben alkalmazási tapasztalatot szereznek.

10. Követelmények

a.      A szorgalmi időszakban:

Az előadáshoz kapcsolódóan kéthetente négyórás laborgyakorlatokat tartunk, az egyes laborokat pontszámmal értékeljük.

A félévi aláírás és egyben az elégtelentől különböző érdemjegy szükséges feltételei:

  • a ZH minimum 40%-os megírása,
  • legalább 4 labor elégséges szintű elvégzése

b.      A vizsgaidőszakban:

A tárgyból írásbeli vizsgát tartunk. Az átlagot meghaladó félévközi teljesítmény alapján mód van megajánlott jegy megszerzésére. Az elégséges osztályzathoz a vizsgadolgozat minimum 40%-os teljesítése szükséges.

c.       Osztályozás:

A vizsgaosztályzat megállapítása 60%-ban az írásbeli vizsga és 40%-ban a félévközi pontszám (a ZH-n és a laborok során kapott pontok összege) alapján történik.

11. Pótlási lehetőségek

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

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
Kontaktóra56
Készülés előadásokra10
Készülés laborra
 28
Készülés zárthelyire16
Vizsgafelkészülés40
Összesen150
15. A tantárgy tematikáját kidolgozta

Név:

Beosztás:

Tanszék:

Dr. Pataki Béla

egyetemi docens

BME Méréstechnika és Információs Rendszerek

Dr. Hullám Gábor

egyetemi adjunktus

BME Méréstechnika és Információs Rendszerek