Vještačka inteligencija (ETF RIO VI 3660)

Opšte informacije

Naziv kursa

Vještačka inteligencija

Oznaka (šifra) predmeta

ETF RIO VI 3660

Studij

ETF-B

Odsjek

Računarstvo i informatika

Godina

3

Semestar

6

Tip

Obavezni

ECTS

5.5

Ukupno sati nastave

60

Sati predavanja

38

Sati vježbi

22

Sati tutorijala

0

Cilj kursa - Znanje i vještine koje treba postići student
  Ovaj predmet treba da uvede studente u in�injering znanja polazeći od definicija i terminologije vje�tačke inteligencije, alata za analizu i razvoj sisema na bazi znanja i geneze vje�tačke inteligencije da bi mogli savladati tehnike i strategije potrebne za dizajniranje i simulaciju i implementaciju, ekspertnih sistema, sistema za podr�ku odlučivanju i inteligentnnih softverskih agenata. <br>

Program
  1.TERMINOLOGIJA I DEFINICIJE VJE�TAÄŒKE INTELIGENCIJE: inteligencija, demonstriranje inteligencije, intuicija, zdrav razum, heuristika, znanje, spoznajna psihologija, vje�tačka inteligencija i okru�enje, drvo vje�tačke inteligencije, historijski pregled, programski jezici i alati: Prolog jezik, Xpert-Rule KBS, Matlab-Simulink �Fuzzy Toolbox<br>
2.GENEZA VJE�TAÄŒKE INTELIGENCIJE: in�injering znanja, igre, ekspertni sistemi, sistemi za podr�ku odlučivanju, softverski inteligentni agenti, evoluciona ma�ina, evoluciono drvo vje�tačke inteligencije, fuzzy sistemi, vje�tačke neuronske mre�e, genetički algoritmi.<br>
3.STRATEGIJE ZA PRETRA�IVANJE U PROSTORU STANJA: strukture za pretra�ivanje u prostoru stanja, implementacija pretra�ivanja grafova, slijepe tehnike tra�enja rje�enja, heurističke tehnike tra�enja rije�enja.<br>
4.EKSPERTNI SISTEMI: terminologija i definicije, strukture ekspertnog sistema, razvojni ciklus ekspertnog sistema, akteri, akvizicija znanja, prezentacija znanja, inferentna ma�ina, strategije zaključivanja, propoziciona logika, predikativna logika, produkcioni sistemi, neizvjesnosti, lančanje unatrag, lančanje unaprijed, anomalije pravila, tehnike tra�enja rje�enja i prostor stanja, slijepe tehnike, heurističke tehnike, klase ekspertnih sistema, specifikacije ekspertnih sistema.<br>
5.FUZZY EKSPERTNI SISTEMI: fuzzy skup, fuzzy logika, fuzzy operatori, modifikatori i brojevi, fuzzy relacije, generalizovani modus ponens, aproksimativno rezonovanje, metode defuzzyfikacije, Mamdani model rezonovanja, Sugeno model rezonovanja , Tsukamoto model rezonovanja<br>
6.SISTEMI ZA PODR�KU ODLUÄŒIVANJU: terminologija i definicije, dijagram procesa odlučivanja, strukture sistema za podr�ku odlučivanju, model produkcionog sistema, sistem za podr�ku odlučivanju na bazi znanja.<br>
7.SOFTVERSKI INTELIGENTNI AGENTI: terminologija i definicije, klasifikacija agenata, faktori tehnologije agenata, funkcionalna arhitektura agenta koji uči, modeli agenata, komunikacije i migracije agenata.<br>

Literatura
Obavezna1.Bilje�ke i slajdovi s predavanja (moći će se preuzeti na WEB siteu Fakulteta);<br>
2.Artificial intelligence- Structures and Strategies for Complex Problem Solving, George F.LugerË›&William A Stubblefield, Addison Wesley Longman Inc.1999.<br>
3.Expert systems, principles and programming, Giarratano˛Riley, PWS Publishing Company, 1998.<br>
4.Agent sourcebook, Caglayan, C. Harrison, JohnWiley&Sons, Inc.,1997<br>
5.Vje�tačka inteligencija & expert systems, Zikrija Avdagić, Grafoart, 2003.<br>
6.Vje�tačka inteligencija& fuzzy-neuro-genetika , Zikrija Avdagić, Grafoart,2003.<br>
Preporučena

Didaktičke metode
  Kroz predavanja studenti ce se upoznati sa teorijom, zadacima i aplikativnim primjerima u okviru tematskih jedinica. Predavanja se sastoje iz teoretskog dijela, prezentacionih opisnih primjera, geneze i rje�avanja određehih zadataka. Na taj nači studenti će imati podloge za primjenom izučenog gradiva u in�injerske aplikacije. Dodatni primjeri i ispitni zadaci razmatraju se i rije�avaju tokom laboratorijskih vje�bi. Izvođenje laboratorijskih vje�bi i izrada zadaća omogućit će studentima kontinualan rad i provjeru znanja<br>

Način provjere znanja
  Tokom trajanja kursa student prikuplja bodove prema slijedećem sistemu:<br>
prisustvo satima predavanja, vje�bi i tutorijala: 10 bodova, student koji vi�e od tri puta izostane s predavanja,vje�bi i/ili tutorijala ne mo�e ostvariti bodove po ovoj osnovi;<br>
izrada domaćih zadaća: maksimalno 10 bodova; predviđena je izrada od 5 do 10 domaćih zadaća ravnomjerno raspoređenih tokom semestra;<br>
parcijalni ispiti: dva pismena parcijalna ispita, pri čemu svaki pozitivno ocijenjen parcijalni ispit donosi 20 bodova;<br>
Student koji je tokom trajanja semestra ostvario manje od 20 bodova ponovno upisuje ovaj kurs.<br>
Student koji je tokom trajanja semestra ostvario 40 i vi�e bodova pristupa usmenom zavr�nom ispitu; ovaj ispit sastoji se iz diskusije zadataka s parcijalnih ispita, domaćih zadaća i odgovora na jednostavna pitanja koja se odnose na teme kursa. <br>
Usmeni zavr�ni ispit donosi maksimalno 40 bodova. Da bi postigao pozitivnu zavr�nu ocjenu, student na ovom ispitu mora ostvariti minimalno 20 bodova. Student koji ne ostvari ovaj minimum pristupa usmenom dijelu popravnog ispita.<br>
Student koji je tokom trajanja semestra ostvario 20 i vi�e bodova, a manje od 40 bodova, pristupa popravnom ispitu. Popravni ispit struktuiran je na slijedeći način:<br>
pismeni dio koji je struktuiran na isti način kao i pismeni parcijalni ispit; u okviru ovog ispita student pola�e zadatke iz tema za koje nije postigao prolaznu ocjenu (10 i vi�e bodova) pola�ući parcijalne pismene ispite,<br>
usmeni dio koji je struktuiran na isti način kao usmeni dio zavr�nog ispita.<br>
Usmenom dijelu popravnog ispita mo�e pristupiti student koji je nakon polaganja pismenog dijela popravnog ispita uspio stvariti ukupan skor od 40 i vi�e bodova; ovaj skor sastoji se od bodova ostvarenih kroz: prisustvo nastavi, izradu domaćih zadaća, polaganje parcijalnih sipita i polaganje pismenog dijela popravnog ispita.<br>
Usmeni popravni ispit donosi maksimalno 40 bodova. Da bi postigao pozitivnu zavr�nu ocjenu student na ovom ispitu mora ostvariti minimalno 20 bodova. Student koji ne ostvari ovaj minimum ponovno upisuje ovaj kurs.<br>

Napomene