Komplex MI alkalmazások

A tantárgy angol neve: Complex AI Applications

Adatlap utolsó módosítása: 2018. február 22.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar
Mérnökinformatikus szak
Intelligens rendszerek mellékspecializáció
MSc képzés

Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VIMIMB01 3 2/1/0/v 4  
3. A tantárgyfelelős személy és tanszék Dr. Strausz György,
4. A tantárgy előadója
Név: Beosztás:  Tanszék, Int.:
 Mészáros Tamás
 Strausz György
 Mestertanár
 Docens
 MIT
 MIT
5. A tantárgy az alábbi témakörök ismeretére épít Mesterséges intelligencia
6. Előtanulmányi rend
Kötelező:
NEM ( TárgyEredmény( "BMEVIMIM222" , "jegy" , _ ) >= 2
VAGY
TárgyEredmény("BMEVIMIM222", "FELVETEL", AktualisFelev()) > 0
VAGY
TárgyEredmény( "BMEVITMMA06" , "jegy" , _ ) >= 2
VAGY
TárgyEredmény("BMEVITMMA06", "FELVETEL", AktualisFelev()) > 0)

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

A kötelező előtanulmányi rendek grafikus formában itt láthatók.

7. A tantárgy célkitűzése

Az informatikai rendszerek sikerének kulcsa a környezeteikben (internet, intranet) rendelkezésre álló sokszínű, gazdag információ és tudás minél hatékonyabb beszerzése és felhasználása. A mesterséges intelligencia, adatbányászat, szövegbányászat és nyelvtechnológia eredményei ma már alapvető elemei az ismeretek integrálását, kombinálását célul kitűző szolgáltatásoknak, alkalmazásoknak.  
A tárgy célkitűzése megismertetni a hallgatókat a tudásalapú információbeszerző és integráló rendszerek felépítésével, működésével és alkalmazásával.   

A tantárgy követelményeit eredményesen teljesítő hallgatóktól elvárható, hogy:
(1)    tisztában legyenek nagyméretű, heterogén, elosztott információs rendszerek kezelésének problémáival,
(2)    ismerjék az információkinyerés módszereit és technológiáit elosztott, heterogén adat-, szöveg- és tudásbázisok feldolgozásában,
(3)    ismerjék a web továbbfejlesztésére, szemantikus tartalomkezelésre vonatkozó javaslatokat, a kialakuló új technológiákat, ezek fejlesztésének módszereit,
(4)    képesek legyenek információ integrációs rendszerek tervezésre, az információs források és adatainak leírására szolgáló modellek létrehozására,
(5)    tájékozottak legyenek a mesterséges intelligencia vonatkozó új eredményeivel, áttekintésük legyen a gyakorlatban alkalmazott megoldásokról.

8. A tantárgy részletes tematikája

ELŐADÁSOK TEMATIKÁJA

Bevezetés

1.hét: Az elosztott, nagyméretű, heterogén információs környezet jellemzőinek áttekintése. Nagy adathalmazok, kiterjedt szövegbázisok elemzésének lehetőségei. Az információs környezet új minőségében rejlő lehetőségek. Az információ keresés és az integrálás szerepe a tudás kiaknázásban.

I.                    Információkeresés

2. hét: Információkereső rendszerek, szöveges információforrások felderítése, korszerű webes keresőrendszerek. Információ kivonatolás webes forrásokból.

3. hét:  Ontológiákkal támogatott keresőrendszerek, tárgyterületi tudás felhasználásának lehetősségei.

4. hét:  Multimédia keresőrendszerek, vizuális információk kezelése

II.                  Információintegrálás módszerei

5. hét:  Mediátor/integrátor megközelítés bemutatása. Mediátorok szerepe, tervezési módszerei. Virtuális és materializált információ integrációs megközelítések előnyei, hátrányai.

6. hét:  Virtuális adatintegráció technikái, adatintegráció sémái, lokális és globális nézeteken alapuló virtuális integrációs sémák. Ontológiák szerepe a fogalmi heterogenitás feloldásában. Virtuális integrációt támogató mediátorok felépítése.
Lekérdezések megfogalmazása, lefordítása, optimalizálása, futtatása a különböző virtuális sémák felhasználásával.

7. hét:  Interneten elérhető információk integrálása. Szemantikus web koncepció lényege, technológiái. A szemantikus web technikák alkalmazása webes információs források integrálásában.

III.                Tartalomelemzés és információkinyerés

8. hét:  Adattárházak és dokumentumtárak működése. Az adat- és szövegbányászat célkitűzései. Adatbányászati rendszerek alapvető működése (adatok előfeldolgozása, mintakeresés, asszociációs szabályok). A szövegbányászat módszerei (szemantikus indexelés, kivonatolás és keresés) és rendszerei.

9. hét:  Nyelvtechnológia alapjai (morphológia, nyelvtanok, fordítás). Információkinyerés szöveges dokumentumokból. Dokumentumtárak és adattárházak lekérdezése kontrollált természetes nyelven.

10. hét:  Tanulás információ integrációs rendszerekben, induktív tanuló algoritmusok az információ integrációs rendszerekben. Adaptív mediátor sémák. Wrapperek tanulása.

IV.                Komplex alkalmazások

11. hét:  Virtuális elektronikus piactér rendszerek, tudásalapú webes szolgáltatások, ajánló rendszerek

12. hét:  Tudástár alapú intelligens rendszerek (játékok, intelligens kommunikáló robotok, heterogén forráson /pl. térképek, enciklopédiák, szenzorok/ alapuló intelligens alkalmazások

13. hét:   Intelligens alkalmazások szenzorweb alapú (mérőeszközök, kamerák jeleinek felhasználásán alapuló) környezetekben, autonóm autók és robotok.

GYAKORLATOK TEMATIKÁJA

1. gyakorlat:  Elosztott szövegelemző rendszer megismerése és bővítése elemzőkkel

2. gyakorlat:  Nyelvi elemzés, nyelvtanok és létrehozásuk (kontrollált nyelvek), egyszerű természetes nyelvű lekérdező felület megvalósítása

3. gyakorlat:  Természetes nyelvű tudásbevitelt támogató környezetek, fogalomtárak, ontológia szerkesztés

4. gyakorlat:  Szemantikus web alapú dokumentum szervezés, jogi tudás alapú rendszerek

5. gyakorlat:  Tudásalapú konzultációs, tanácsadó és ajánló rendszerek

6. gyakorlat:  Komplex, szenzorweb alapú adatgyűjtő és elemző rendszer megismerése

7. gyakorlat: Információ integráció beágyazott intelligens rendszerekben, numerikus, szöveges és vizuális információk felhasználása

 

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

A tárgy elméleti részét előadásokon tárgyaljuk. A gyakorlatokon az elméletet alkalmazó feladatokat kell megoldani.

10. Követelmények
a. A szorgalmi időszakban:
Az előadáshoz kapcsolódóan kéthetente kisfeladatot kell megoldani és határidőre benyújtani. A félévközi aláírás megszerzésének a feltétele a hét kisfeladatból legalább négynek határidőre, elégséges szinten (a megszerezhető pontszén 40%-ának elérése) történő beadása.

b. A vizsgaidőszakban:
Írásbeli beugró után szóbeli vizsga. Az írásbeli beugró csak sikerült/sikertelen jellegű (küszöb a megszerezhető pontok 40%-a), amennyiben sikerült, akkor a vizsga szóbelin kialakuló eredményét már nem befolyásolja. A vizsgára bocsátás feltétele a félévközi aláírás megszerzése.

c. Osztályozás:
A vizsga osztályzata a félévközi feladat (40%) és a vizsgaeredmény (60%) alapján kerül megállapításra.

11. Pótlási lehetőségek A félévközi feladatok nem pótolhatók.
12. Konzultációs lehetőségek Igény szerint, egyeztetett időpontokban.
13. Jegyzet, tankönyv, felhasználható irodalom
  • Stuart Russell és Peter Norvig: Mesterséges intelligencia korszerű megközelítésben, Panem Kiadó, Budapest, 2005
  • http://mialmanach.mit.bme.hu/aima/index
  • AnHai Doan, Alon Halevy, and Zachary Ives: Principles of Data Integration, Morgan Kaufmann, 1st edition (2012) ( http://research.cs.wisc.edu/dibook/),
    http://videolectures.net/eswc2012_halevy_databases/
  • Planning for Information Gathering: A Tutorial Survey,, E. Lambrecht and S. Kambhampati, ASU CSE Tech Report 96-017, May 1997.
  • Szeredi Péter, Lukácsy Gergely, Benkő Tamás, A szemantikus világháló elmélete és gyakorlata, TypoTex, Budapest, 2005
  • Prószéky Gábor: A nyelvtechnológia /és/ alkalmazásai, Aranykönyv Kiadó, 2005
14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontaktóra42
Készülés előadásra9
Készülés gyakorlatra
9
Kis házi feladat elkészítése28
Vizsgafelkészülés32
Összesen 120
15. A tantárgy tematikáját kidolgozta
Név: Beosztás:  Tanszék, Int.:
 Mészáros Tamás
 Strausz György
 Mestertanár
 Docens
 MIT
 MIT