Τεχνητή Νοημοσύνη

ΥΠ23 - Τεχνητή Νοημοσύνη

Γενικά

Σχολή: Ψηφιακής Τεχνολογίας

Τμήμα: Πληροφορικής και Τηλεματικής

Επίπεδο Σπουδών: Προπτυχιακό

Τίτλος Μαθήματος: Τεχνητή Νοημοσύνη

Κωδικός Μαθήματος: ΥΠ23

Τύπος: Επιστημονικής Περιοχής 

Εξάμηνο Σπουδών: 6

Γλώσσα Διδασκαλίας και Εξετάσεων: Ελληνική

Προσφέρεται σε φοιτητές Erasmus: ΝΑΙ

Ηλεκτρονική Σελίδα Μαθήματος: https://eclass.hua.gr/courses/DIT231/

Αυτοτελείς Δραστηριότητες

Εβδομαδιαίες ώρες διδασκαλίας (Θεωρία): 3

Εβδομαδιαίες ώρες διδασκαλίας (Εργαστήριο): 0

Πιστωτικές μονάδες: 5

Μαθησιακά Αποτελέσματα

Στόχος του μαθήματος είναι η εισαγωγή σε βασικές έννοιες Τεχνητής Νοημοσύνης και η κατανόηση επιλεγμένων μεθόδων
- Αναζήτησης λύσης
- Αναπαράστασης γνώσης και συλλογιστικής
- Σχεδιασμού ενεργειών
- Μηχανικής Μάθησης

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής ή η φοιτήτρια θα είναι σε θέση να κατανοεί και να εφαρμόζει ενδεικτικές μεθόδους από κάθε κατηγορία ώστε να επιλύσει πρακτικά προβλήματα τεχνητής νοημοσύνης.

Γενικές Ικανότητες

- Προσαρμογή σε νέες καταστάσεις
- Λήψη αποφάσεων
- Αυτόνομη εργασία
- Ομαδική εργασία
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

Περιεχόμενο Μαθήματος

- Εισαγωγή στην τεχνητή νοημοσύνη
- Επίλυση προβλημάτων με αναζήτηση
- Αναζήτηση με αντιπαλότητα
- Διαδικασίες αποφάσεων Markov
- Προβλήματα ικανοποίησης περιορισμών
- Εισαγωγή στα δίκτυα Bayes
- Δομημένη αναπαράσταση γνώσης και συλλογιστική
- Εισαγωγή στη Μηχανική Μάθηση

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παρακολούθησης: πρόσωπο-με-πρόσωπο

Χρήση Τεχνολογιων Πληροφορίας και Επικοινωνιών: 

- eclass
- Χρήση εξειδικευμένων βιβλιοθηκών Τεχνητής Νοημοσύνης

Οργάνωση Διδασκαλίας

 

Δραστηριότητα

Φόρτος Εργασίας (Εξαμήνου)

Παρακολούθηση διαλέξεων

39

Εργαστηριακή Άσκηση

0

Ατομικές ή Ομαδικές Εργασίες

40

Προετοιμασία για το Εργαστήριο - Αναφορές Εργαστηρίου

0

Εκπόνηση Μελέτης

0

Εκπόνηση Μελέτης

46

Σύνολο

125

Αξιολόγηση Φοιτητών

Ι. Γραπτή τελική εξέταση (60%) που περιλαμβάνει:
-        Ερωτήσεις πολλαπλής επιλογής
-        Επίλυση προβλημάτων
-        Αξιολόγηση στοιχείων θεωρίας
ΙΙ. Ατομικές ή Ομαδικές Εργασίες (40%)

Συνιστώμενη Βιβλιογραφία

1.        Ι. Βλαχάβα, Π. Κεφαλά, Ν. Βασιλειάδη, Φ. Κόκκορα και Η. Σακελλαρίου. Τεχνητή Νοημοσύνη, 4η Έκδοση (2020). Εκδοτικός οίκος «Εταιρεία αξιοποίησης και διαχείρισης περιουσίας Πανεπιστημίου Μακεδονίας»
2.        W. Ertel, «Εισαγωγή στην Τεχνητή Νοημοσύνη», 2η Έκδοση (2019), Εκδ. Φούντα
3.        Stuart Russell and Peter Norvig. Artificial Intelligence: A Μodern Approach, Prentice Hall, 4th Edition (2020)

 

Περιοδικά (ενδεικτικά):



IEEE Transactions on Pattern Analysis and Machine Intelligence

IEEE Transactions on Neural Networks and Learning Systems

Engineering Applications of Artificial Intelligence

Expert Systems with Applications

Journal of Machine Learning Research

Journal of Artificial Intelligence Research

Neural Computing and Applications

International Journal of Computer Vision



Συνέδρια (ενδεικτικά):



Neural Information Processing Systems

International Conference on Learning Representations

AAAI Conference on Artificial Intelligence

Computer Vision and Pattern Recognition

International Conference on Computer Vision

International Joint Conference on Artificial Intelligence