Sztuczna inteligencja (ćwiczenia)

Opis przedmiotu
Informacje ogólne
Organizator:Wydział Matematyki, Informatyki i Architektury Krajobrazu - Instytut Matematyki i Informatyki
Kod ECTS:11400-XXXX-1001CWI0098
Kierunek studiów: Informatyka (stacjonarne I stopnia)
Lokalizacja w planach rocznych:
Etap:Rok I - Semestr 2
Punkty ECTS: 0
Forma zaliczenia: Zaliczenie na ocenę
Rozkład zajeć
Etap:Rok II - Semestr 4
Punkty ECTS: 0
Forma zaliczenia: Zaliczenie na ocenę
Rozkład zajeć
Etap:Rok III - Semestr 6
Punkty ECTS: 0
Forma zaliczenia: Zaliczenie na ocenę
Rozkład zajeć
Lokalizacja w programie modułowym:
Moduł programowy:Przedmioty kształcenia kierunkowego » Sztuczna inteligencja
Kierunek studiów: Matematyka (stacjonarne I stopnia)
Lokalizacja w planach rocznych:
Etap:Rok I - Semestr 2
Punkty ECTS: 0
Forma zaliczenia: Zaliczenie na ocenę
Rozkład zajeć
Etap:Rok II - Semestr 4
Punkty ECTS: 0
Forma zaliczenia: Zaliczenie na ocenę
Rozkład zajeć
Etap:Rok III - Semestr 6
Punkty ECTS: 0
Forma zaliczenia: Zaliczenie na ocenę
Rozkład zajeć
Lokalizacja w programie modułowym:
Moduł programowy:Zajęcia specjalistyczne do wyboru » Zajęcia specjalistyczne do wyboru xxx
Cele przedmiotu
C1. Zapoznanie studentów z podstawami sztucznej inteligencji.
C2. Przekazanie studentom podstawowej wiedzy z zakresu programowania logicznego.
C3. Zapoznanie studentów z przykładami zastosowań języka PROLOG.
Wymagania wstępne
Matematyka dyskretna
Podstawy informatyki i programowania
Efekty kształcenia dla przedmiotu
WIEDZA
MAT:
W1. Zna wybrane pojęcia i metody logiki matematycznej, teorii mnogości i matematyki dyskretnej zawarte w podstawach innych dyscyplin matematyki (K_W06).
W2. Rozumie budowę teorii matematycznych, potrafi użyć formalizmu matematycznego do budowy i analizy prostych modeli matematycznych w innych dziedzinach nauk (K_W03).
W3. Zna podstawy technik obliczeniowych i programowania, wspomagających pracę matematyka i rozumie ich ograniczenia (K_W08).
INF:
W1. Ma podstawowa wiedzę z matematyki obejmującą matematykę dyskretną(K_W01).
W2. Ma podstawową wiedzę z zakresu sztucznej inteligencji i paradygmatów programowania. Ma szczegółową wiedzę z zakresu algorytmiki. (K_W07, K_W10).
W3. Zna podstawowe metody, techniki i narzędzia stosowane przy rozwiązywaniu prostych zadań informatycznych z zakresu sztucznej inteligencji. (K_W10).
W4. Zna i rozumie związki pomiędzy technikami komputerowymi oraz naukami przyrodniczymi, potrafi rozpoznać typowe problemy na styku informatyki i innych dziedzin (KW_16).
UMIEJĘTNOŚCI
MAT.:
U1. Posługuje się rachunkiem zdań i kwantyfikatorów; potrafi poprawnie używać kwantyfikatorów także w języku potocznym (K_U02).
U2. Umie ułożyć i analizować algorytm zgodny ze specyfikacją i zapisać go w wybranym języku programowania (K_U26).
U3. Potrafi skompilować, uruchomić i testować napisany samodzielnie program komputerowy (K_U27).
INF.:
U1. Zna podstawowe metody, techniki i narzędzia stosowane przy rozwiązywaniu prostych zadań informatycznych z zakresu sztucznej inteligencji. (K_U04, K_U10, K_U28).
U2. Potrafi wykorzystać nabytą wiedzę matematyczną do opisu procesów tworzenia modeli i zapisu algorytmów (K_U01, K_U04, K_U08, K_U10, K_U13).
KOMPETENCJE SPOŁECZNE
INF.:
K1. Zna ograniczenia własnej wiedzy algorytmicznej i rozumie potrzebę ciągłego dokształcania. (K_K01)
K2. Rozumie potrzebę systematycznej pracy i dotrzymywania terminów wykonywanych zadań. (K_K02, K_K05)
K3. Rozumie i docenia znaczenie uczciwości intelektualnej w zakresie korzystania z cudzego oprogramowania. Zachowuje się etycznie podczas realizacji projektów algorytmicznych. (K_K03)
K4. Samodzielnie potrafić odnaleźć i wykorzystać różnego rodzaju informacje dotyczące algorytmiki, także w językach obcych. (K_K04)

MAT.:
K1. Potrafi samodzielnie wyszukiwać informacje w literaturze, także w językach obcych ( K_K06).
K2. potrafi pracować zespołowo; rozumie konieczność systematycznej pracy nad wszelkimi projektami, które mają długofalowy charakter (K_K03).
Metody dydaktyczne
Wykład: wykład tradycyjny, wykład konwersatoryjny z prezentacją multimedialną
Ćwiczenia i laboratoria: dyskusja, indywidualna praca ze studentem, metody dialogowe i problemowe, praca z tekstem, praca w grupie, programowanie
Treści programowe przedmiotu
Wykłady:
• Dedukcja.
• Rachunek zdań i predykatów.
• Modele i logiczne konsekwencje.
• Refutacja, klauzule Horna oraz rezolucja SLD.
• Drzewa SLD.
• Modele Herbranda.
• Podstawy programowania w PROLOGU (paradygmat deklaratywny).
• Zastosowania: przeszukiwanie grafów oraz zagadki logiczne.
Tematyka ćwiczeń laboratoryjnych:
• Arytmetyka symboliczna i Listy w PROLOG-u
• Zagadki logiczne.
• Przeszukiwanie grafów cyklicznych i acyklicznych.
• Aspekty teoretyczne Programowania Logicznego.
Kryteria oceny i sposoby weryfikacji zakładanych efektów kształcenia
Ćwiczenia: Zaliczenie – 1 kolokwium (25%) oraz zadania laboratoryjne 25% na 8. i 14-15 zajęciach laboratoryjnych.
Wykład: Egzamin (dla osób, które zaliczyły ćwiczenia) - (50%).
Kryteria oceny
poniżej 50% – ocena niedostateczna
Szczegółowe zasady oceniania są podawane studentom z każdą edycją przedmiotu.
W1 – egzamin, kolokwium, przygotowanie do zajęć
W2 – egzamin, kolokwium, przygotowanie do zajęć
W3 – egzamin, kolokwium, przygotowanie do zajęć
W4 – egzamin, kolokwium, przygotowanie do zajęć
U1 – egzamin, przygotowanie do zajęć, kolokwium, laboratoria
U2 – egzamin , przygotowanie do zajęć, kolokwium, laboratoria
K1 – praca i aktywność na zajęciach
K2 – praca i aktywność na zajęciach
K3 – praca i aktywność na zajęciach
K4 – praca i aktywność na zajęciach

Godzinowe ekwiwalenty punktów ECTS
Wykład 30
Ćwiczenia-laboratoria 30
Konsultacje 30
Przygotowanie do zajęć 20
Studiowanie literatury 20
Przygotowanie do kolokwiów i egzaminu 20
Łączna liczba godzin 150
Liczba punktów ECTS 5
Literatura podstawowa i uzupełniająca
Literatura podstawowa i uzupełniająca):
1. L. Sterling, I E. Shapiro, “The Art of Prolog”, MIT, 1994.
2. M. Ben-Ari, „Logika Matematyczna w Informatyce, WNT, 2005.
3. M. H. Hassoun, Fundamentals of Artificial Neural Networks, MIT, 1995.