 Εκτύπωση
 Κλείσιμο
|
Προβολή Στοιχείων Μαθήματος
| Τμήμα Μαθήματος: | Τμήμα Πληροφορικής |
|---|---|
| Κωδικός Μαθήματος: | ΕΠΛ 604 |
| Τίτλος Μαθήματος: | Τεχνητή Νοημοσύνη |
| Αριθμός Κατανεμόμενων Πιστωτικών Μονάδων (ECTS): | 8 |
| Επίπεδο Μαθήματος: | 2ος Κύκλος (Μεταπτυχιακός Τίτλος) |
| Έτος Σπουδών (κατά περίπτωση): | 1 |
| Εξάμηνο/Τρίμηνο όταν Προσφέρεται το Μάθημα: | Χειμερινό Εξάμηνο |
| Όνομα Διδάσκοντος (-ων): | Γ. Δημόπουλος, Χρ. Χριστοδούλου |
| Διαλέξεις/Εβδομάδα: | 1 (3 ώρες ανά διάλεξη) |
| Εργαστήρια/Εβδομάδα: | 1 (1 ώρες ανά διάλεξη) |
| Φροντιστήρια/Εβδομάδα: | 1 (1.5 ώρες ανά διάλεξη) |
| Σκοπός και Στόχοι του Μαθήματος: |
Αυτό το μάθημα καλύπτει εξειδικευμένα θέματα της Τεχνητής Νοημοσύνης, όπως μοντελοποίηση και επίλυση προβλημάτων Ικανοποίησης Περιορισμών, Συμβολική Μάθηση, Μάθηση με διάφορες μορφές Νευρωνικών Δικτύων, και Ενισχυτική Μάθηση. |
| Μαθησιακά Αποτελέσματα του Μαθήματος: | Κατανόηση διαφορετικών μεθόδων επίλυσης Προβλημάτων Ικανοποίησης Περιορισμών, όπως προβλήματα Πεπερασμένων Πεδίων, Προτασιακή Ικανοποιησιμότητα και Προγραμματισμός Συνόλου Απαντήσεων. Μάθηση σε διάφορους τύπους Νευρωνικών Δικτύων, συμπεριλαμβανομένης της επιβλεπόμενης και της μη επιβλεπόμενης μάθησης, καθώς και της Ενισχυτικής Μάθησης. Εξοικείωση με συστήματα λογισμικού για μοντελοποίηση και επίλυση πρακτικών προβλημάτων στη Συλλογιστική και τη Μάθηση |
| Προαπαιτούμενα: | Δεν Εφαρμόζεται |
| Συναπαιτούμενα: | Δεν Εφαρμόζεται |
| Περιεχόμενο Μαθήματος: |
Εισαγωγή στην Τεχνητή Νοημοσύνη. Θέματα Ικανοποίησης Περιορισμών. Ικανοποιησιμότητα και βελτιστοποίηση στη Λογική. Προγραμματισμός Συνόλου Απαντήσεων. Θέματα στη Συμβολική Μάθηση, Εξόρυξη Δεδομένων και Συλλογιστική υπό αβεβαιότητα. Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. Μονοεπίπεδα και Πολυεπίπεδα perceptrons. Αλγόριθμος μάθησης ανάστροφης μετάδοσης σφάλματος. Βαθιά μάθηση και συνελικτικά νευρωνικά δίκτυα. Νευρωνικά Δίκτυα με ανάδραση. Αυτοοργανούμενοι Χάρτες. Δίκτυα με Συναρτήσεις Αξονικών Βάσεων. Ενισχυτική Μάθηση. Νευρωνικά Δίκτυα τύπου Hopfield και μηχανές Boltzmann. |
| Διδακτικές Μέθοδοι: | Διαλέξεις (3 ώρες εβδομαδιαίως) και Φροντιστήριο (2 ώρες εβδομαδιαίως). |
| Απαιτούμενη Βιβλιογραφία: |
S. Russel και P. Norvig, Artificial Intelligence: A Modern Approach, Second Edition, Prentice Hall, 2002. S. Haykin, Neural Networks and Learning Machines, Third Edition, Pearson Education, 2009. |
| Μέθοδοι Αξιολόγησης και Κριτήρια: | Τελική εξέταση, ενδιάμεση εξέταση και κατ’ οίκον εργασία. |
| Γλώσσα Διδασκαλίας: | Ελληνικά |
| Τρόπος Παράδοσης: | Πρόσωπο με Πρόσωπο |
| Πρακτική Άσκηση: | Δεν Εφαρμόζεται |