DE0610 Mūsdienu mākslīgā intelekta speciālās nodaļas

Kods DE0610
Nosaukums Mūsdienu mākslīgā intelekta speciālās nodaļas
Statuss Obligātais/Ierobežotās izvēles; Brīvās izvēles
Līmenis un tips Pamatstudiju, Akadēmiskais
Tematiskā joma Datorika
Struktūrvienība Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Mācībspēks Jānis Grundspeņķis, Judīte Ciekure
Kredītpunkti 3.0
Daļas 1
Anotācija Studiju kursa saturu veido intelektuālo aģentu paradigma un tās realizācija dažāda tipa mūsdienu mākslīgā intelekta sistēmās. Tiek apgūtas skaidri formulētu un neskaidru zināšanu atspoguļošanas metodes. Tiek apskatītas intelektuālu aģentu arhitektūras un to realizācija, kā arī dots ieskats plānošanas problēmās un algoritmos. Tiek apgūti ekspertu sistēmu darbības principi, kā arī pārliecību teorijas un nestriktas loģikas lietojumi ekspertu sistēmās. Tiek apgūtas arī mašīnmācīšanās pamatmetodes un algoritmi lēmumu koku indukcijai un neironu tīklu apmācībai, kā arī stimulētas apmācības pamati. Tiek dots ieskats dabiskās valodas apstrādes un izpratnes problemātikā, objektu atpazīšanā, lietojot datorredzi, un robotikas pamatos, kā arī iztirzātas mākslīgā intelekta attīstības perspektīvas..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Intelektuālu aģentu paradigma uz zināšanām pamatotu un uz neironu tīkliem pamatotu intelektuālu sistēmu realizācijai. 2 0 0 0
Skaidri formulētu un neskaidru zināšanu atspoguļošanas metodes. 2 10 0 0
Intelektuālu aģentu arhitektūras un to realizācija. 2 0 0 0
Plānošanas problēmas un algoritmi. 2 0 0 0
Ekspertu sistēmas, kas pamatojas uz objektorientētu freimu sistēmām. 2 2 0 0
Pārliecību teorijas realizācija ekspertu sistēmās. 2 4 0 0
Nestriktā loģikā (faziloģikā) pamatotas ekspertu sistēmas. 2 4 0 0
Pārliecību (Beiesa) tīkli varbūtīgas spriešanas atbalstam. 2 0 0 0
Vienkāršu lēmumu pieņemšana. 2 0 0 0
Sarežģītu lēmumu pieņemšana. 2 0 0 0
Mašīnmācīšanās pamatmetodes un algoritmi (apmācība no piemēriem). 2 2 0 0
Apmācība, lietojot lēmumu koku. 2 4 0 0
Neironu tīklu apmācība. 2 4 0 0
Intelektuālu aģentu stimulēta apmācība. 2 10 0 0
Dabiskās valodas apstrādes un izpratnes pamati. 4 0 0 0
Objektu atpazīšana, lietojot datorredzi. 2 0 0 0
Robotikas pamati. 4 0 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 dot studentiem plašu ieskatu mūsdienu pieejās mākslīgā intelekta sistēmu izstrādei, iekļaujot tēmu sarakstā tās mākslīgā intelekta nodaļas, kas netiek apskatītas obligātajā studiju kursā “Mākslīgā intelekta pamati”. Studiju kursa uzdevumi ir: 1) iepazīstināt ar intelektuālo aģentu paradigmas būtību un mūsdienu mākslīgajā intelektā lietoto terminoloģiju; 2) sniegt zināšanas par ekspertu sistēmu darbības principiem un attīstīt prasmes izveidot ekspertu sistēmu, lietojot atbilstošu čaulu; 3) sniegt zināšanas par mašīnmācīšanās pamatalgoritmiem un stimulētas apmācības pamatiem, kā arī attīstīt prasmes realizēt apmācības algoritmus klasifikatora izveidei un intelektuāla aģenta apmācībai; 4) iepazīstināt ar dabiskās valodas apstrādes un izpratnes, objektu atpazīšanas, lietojot datorredzi, un robotikas pamatiem.
Sasniedzamie studiju
rezultāti un to vērtēšana
Prot attēlot problēmsfēras zināšanas formālā valodā. - Individuālā darba 1. uzdevums. Eksāmens.
Zina ekspertu sistēmas galvenās komponentes un prot izveidot ekspertu sistēmu, izmantojot ekspertu sistēmas čaulu. - Individuālā darba 2. uzdevums. Eksāmens.
Saprot klasifikatora darbības principus un prot realizēt apmācības algoritmus klasifikatora izstrādei. - Individuālā darba 3. uzdevums. Eksāmens.
Saprot intelektuālu aģentu apmācības būtību un prot realizēt stimulētas apmācības algoritmus. - Individuālā darba 4. uzdevums. Eksāmens.
Studiju rezultātu vērtēšanas kritēriji
Individuālā darba uzdevumi - 50%
Eksāmens - 50%
 
Priekšzināšanas Nav vajadzīga īpaša sagatavotība.
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi Pārbaudījumi (brīvai izvēlei)
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs Ieskaite Eksāmens Darbs
1 3.0 40.0 0.0 0.0 * *

Pieteikties uz šo kursu

[Kursa apraksts PDF formātā]