DE0577 Ievads mākslīgajā intelektā

Kods DE0577
Nosaukums Ievads mākslīgajā intelektā
Statuss Obligātais/Ierobežotās izvēles; Brīvās izvēles
Līmenis un tips Pamatstudiju, Profesionālais
Tematiskā joma Datorika
Struktūrvienība Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Mācībspēks Jānis Grundspeņķis, Judīte Ciekure, Ieva Boļakova, Oļegs Verhodubs
Kredītpunkti 3.0
Daļas 1
Anotācija Studiju kursa sākumā tiek apskatītas mākslīgā intelekta vēsturiskās saknes un paskaidrota Tjūringa testa būtība. Tiek apskatīta problēmu attēlošana, izmantojot stāvokļu telpu, un stāvokļu telpas pārmeklēšanas algoritmi. Tiek dots ieskats dabiskās valodas apstrādē un zināšanu atspoguļošanas pamatprincipos. Tiek aplūkota ekspertu sistēmas uzbūve un darbības principi. Tiek apskatīta arī tēlu pazīšanas kā klasifikācijas uzdevuma nostādne, perceptrona uzbūve un darbības pamati, kā arī loģiskā sliekšņa elementa apmācības metodes un algoritmi. Studiju kursa noslēgumā tiek dots ieskats mākslīgā intelekta nākotnes perspektīvās..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Mākslīgā intelekta vēsturiskās saknes. Tjūringa tests. 2 0 0 0
Problēmu risināšana, izmantojot stāvokļu telpu. Stāvokļu telpas pārmeklēšanas algoritmi. 4 10 0 0
Heiristiskā novērtējuma funkcijas iegūšana. Heiristiskās pārmeklēšanas algoritmi. 4 0 0 0
Dabiskās valodas apstrāde. Valodas analīzes līmeņi. UN/VAI grafs kā stāvokļu telpa. 4 0 0 0
Ekspertu sistēmas un to komponentes. 4 10 0 0
Zināšanu bāzes konstruēšana. Tiešā un inversā secināšana. Ekspertu sistēmas paskaidrojošā komponente. Likumu modificēšanas iespējas. 4 10 0 0
Zināšanu inženierija. Zināšanu atspoguļošanas shēmas. 4 0 0 0
Tēlu pazīšana. Objektu kodēšana. Pazīmju izvēle. Klasifikatori. 4 0 0 0
Perceptrona uzbūve un darbības pamati. Perceptrona matemātiskais modelis. Klasifikators pēc attāluma minimuma. 4 0 0 0
Loģiskā sliekšņa bloka apmācības metodes. Perceptrona apmācības algoritms ar kļūdu labojumu. 4 10 0 0
Mākslīgā intelekta nākotnes perspektīvas. 2 0 0 0
Kopā: 40 40 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs
Studiju kursa mērķis ir palīdzēt studentiem izprast mākslīgā intelekta pētījumu sfēru un apgūt tās terminoloģiju. Studiju kursa uzdevumi ir: 1) sniegt zināšanas par stāvokļu telpu un stāvokļu telpas pārmeklēšanas algoritmiem, kā arī attīstīt prasmes attēlot problēmas, izmantojot stāvokļu telpu, un realizēt stāvokļu telpas pārmeklēšanas algoritmus; 2) iepazīstināt ar dabiskās valodas apstrādes pamatprincipiem; 3) sniegt zināšanas par ekspertu sistēmu uzbūvi un darbības principiem, kā arī attīstīt prasmes izveidot ekspertu sistēmu, izmantojot ekspertu sistēmas čaulu; 4) iepazīstināt ar tēlu pazīšanas pamatprincipiem; 5) sniegt zināšanas par perceptrona uzbūvi un darbības principiem, kā arī attīstīt prasmes izveidot klasifikatoru, realizējot perceptrona apmācības algoritmu ar kļūdu labojumu.
Sasniedzamie studiju
rezultāti un to vērtēšana
Izprot problēmu risināšanu, izmantojot stāvokļu telpu. - Eksāmenā jāizskaidro stāvokļu telpas būtība un jāraksturo stāvokļu telpas pārmeklēšanas algoritmi.
Prot realizēt stāvokļu telpas pārmeklēšanas pamatalgoritmus. - Patstāvīgā darba 1. uzdevumā jāattēlo izvēlētas problēmas stāvokļu telpa un jārealizē tajā četri pārmeklēšanas algoritmi.
Zina ekspertu sistēmas galvenās komponentes. - Eksāmenā jādefinē ekspertu sistēmas galvenās komponentes.
Prot izveidot ekspertu sistēmu, izmantojot ekspertu sistēmas čaulu. - Patstāvīgā darba 2. uzdevumā jāizveido ekspertu sistēma, izmantojot ekspertu sistēmas čaulu.
Izprot klasifikatora darbības principus. - Eksāmenā jāizskaidro klasifikatora darbības principi un jāraksturo perceptrona uzbūve un darbība.
Prot realizēt perceptrona apmācības algoritmu ar kļūdu labojumu. - Patstāvīgā darba 3. uzdevumā jāizveido klasifikators, izmantojot perceptrona apmācības algoritmu ar kļūdu labojumu.
Studiju rezultātu vērtēšanas kritēriji
Patstāvīgais darbs - 60%
Eksāmens - 40%
 
Priekšzināšanas Nav vajadzīga īpaša sagatavotība, jo tas ir ievadkurss tematikā.
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi Pārbaudījumi (brīvai izvēlei)
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs Ieskaite Eksāmens Darbs
1 3.0 20.0 20.0 0.0 * *

Pieteikties uz šo kursu

[Kursa apraksts PDF formātā]