| Literatura uzupelniająca: |
1. Stuart Russell, Peter Norvig: Sztuczna inteligencja. Nowe spojrzenie. Wydanie. IV (Tom 1 i Tom 2), Helion, Gliwice, 2023
2. Jacek Łęski, Systemy neuronowo-rozmyte, Wydawnictwa Naukowo-Techniczne, Warszawa, 2008.
3. Ryszard Tadeusiewicz, Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku c#, Polska Akademia Umiejętności, Kraków 2007,
4. D. E. Goldberg, Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 2003
|
| Literatura: |
1. Mariusz Flasiński, Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2018.
2. Rutkowski Leszek, Metody i techniki sztucznej inteligencji, PWN, Warszawa, 2012.
3. Feliks Kurp, Sztuczna Inteligencja od Podstaw, Helion Gliwice, 2023
4. Prokopowicz P., Czerniak J., Mikolajewski D., Apiecionek Ł., Ślȩzak D. (Eds.), Theory and Applications of Ordered Fuzzy Numbers: A Tribute to Professor Witold Kosiński, Studies in Fuzziness and Soft Computing (Book 356), Springer, 2017, https://link.springer.com/book/10.1007/978-3-319-59614-3
|
| Metody i kryteria oceniania: |
Egzamin pisemny, gdzie do pozytywnej oceny trzeba zdobyć co najmniej 50% punktów.
Pozytywna aktywność na zajęciach może być uwzględniona w końcowej ocenie.
|
| Zakres tematów: |
W ramach zajęć studenci poznają podstawowe koncepcje i założenia różnych metod Sztucznej Inteligencji w tym:
- Sztucznych sieci neuronowych (SSN)
- Zbiorów i logiki rozmytej w tym również Skierowanych Liczb Rozmytych
- Metod ewolucyjnych ze szczególnym uwzględnieniem Algorytmów Genetycznych
- Inteligencji roju z uwzględnieniem algorytmów mrówkowych
Obok omówienia metod SI, będą także poruszane zagadnienia związane z uczeniem maszynowym, sztucznym życiem oraz przetwarzaniem języka naturalnego, zarówno w kontekście poznawanych metod SI jak i w celu rozszerzania wiedzy w tematyce zajęć o niezależne wątki.
|
