Dirbtinio intelekto pagrindai

Studijų dalyko aprašas

Dalyke pateikiamos dirbtinio intelekto pagrindinės sąvokos ir žinios: istorija, pažanga, žinių pateikimas, sprendimų paieška, teiginių ir predikatų logika. Supažindinama su žiniomis grįstų sistemų paradigmomis, gilinamasi į taisyklėmis grįstas sistemas. Pateikiamos pagrindinės žinios apie skaitinio intelekto paradigmas: supažindinama su grūdėtaisias skaičiavimais, juos iliustruojant neraiškiuoju mąstymu; supažindinama su neuroniniais skaičiavimais, gilinamasi į struktūras ir jų mokymą, supažindinama su evoliuciniais skaičiavimais, juos iliustruojant genetiniais algoritmais; supažindinama su dirbtinio spiečiaus intelektu, koncentruojantis į optimizavimo skruzdžių kolonijomis algoritmus. Lavinami teorijos ir praktikos elementų derinimo, eksperimentavimo, taikant MATLAB programinę priemonę, bei duomenų analizės ir žinių interpretavimo gebėjimai. Studentai privalo atlikti visus numatytus laboratorinius darbus. Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų ir ne mažiau kaip 80 proc. laboratorinių darbų ir ne mažiau kaip pusėje teorinių paskaitų.

Tikslas suteikti pagrindinių žinių apie dirbtinio intelekto metodus, jų sandarą ir veikimo principus, taikymą konkretiems uždaviniams spręsti ir suformuoti gebėjimus apibūdinti dirbtinio intelekto problemas skirtinguose abstrakcijos lygmenyse.

Numatomi studijų rezultatai: gebės nuosekliai paaiškinti pagrindinių dirbtinio intelekto metodų sandarą, veikimo principus, taikymo detales ir specifiką konkrečių uždavinių sprendimui. Mokės apibūdinti esmines informatikos inžinerijos studijų krypties profesinės veiklos problemas skirtinguose abstrakcijos lygmenyse.

Dalyko apimtis - bakalauro 6 kreditų studijų dalykas. 

Dalyko turinys

Paskaitų temos:

Įvadas į dirbtinį intelektą

DI Lietuvos ir pasaulio įmonėse

DI sąvokos, koncepcijos

DI ir vaizdo žaidimai

DI ir matematika

DI ir elektronika

Gilusis mokymasis (1)

Neuroniniai skaičiavimai: pagrindai

Neuroniniai skaičiavimai: perceptronu tinklai

Neuroniniai skaičiavimai: daugiasluoksniai perceptronai

Gilusis mokymasis  (2)

DI ateitis

Pratybų temos:

MATLAB aplinkos taikymo pradmenys

DI su Matlab pavyzdžiai

Neuroniniai skaičiavimai

Gilusis mokymasis

Laboratorinių darbų sąrašas:

Regresijos algoritmu tyrimas

Klasifikavimo algoritmu tyrimas

Kompiuterines regos algoritmu tyrimas

Perceptrono algoritmo tyrimas

Daugiasluoksnio perceptronu tinklo tyrimas

Dirbtiniu neuronu tinklo vaizdams atpažinti tyrimas

Sėkmingai baigus studijų dalyką bus išduota Studijų pažyma, įskaitoma bet kurioje aukštojoje mokykloje.