BME VIK - Alkalmazott mesterséges intelligencia

3. A tantárgyfelelős személy és tanszék Dr. Strausz György,

A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/VIMIBB01

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 rend az adott szak honlapján és képzési programjában található.

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.	Természetes nyelvek számítógépes feldolgozásának alapmódszerei, alkalmazásuk. Példa: intelligens felhasználói interfész.

A laborok tematikája:

Labor	Labor anyaga
1.	Keresési eljárások
2.	Valószínűségi hálók
3.	Döntési fák
4.	Multiágens eljárások alkalmazása autonóm járművezetésben
5.	Neurális hálók
6.	Természetes nyelvek számítógépes feldolgozása

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

Kontaktóra	56
Készülés előadásokra	10
Készülés laborra	28
Készülés zárthelyire	16
Vizsgafelkészülés	40
Összesen	150

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