Wprowadzenie do Sztucznej Inteligencji
|
|
- Daniel Kulesza
- 8 lat temu
- Przeglądów:
Transkrypt
1 Wprowadzenie do Sztucznej Inteligencji Wykład 1 Informatyka Studia Inżynierskie Dlaczego badania nad sztuczną inteligencją? Próba zrozumienia istot inteligentnych - lepsze poznanie samego siebie (filozofia, psychologia) Wyzwanie dla badaczy - konstrukcja inteligentnych maszyn Nieograniczone możliwości zastosowań praktycznych 1
2 Geneza badań nad sztuczną inteligencją Starożytne początki w badaniach nad logiką formalną Koniec lat 50-tych XX w. prawdziwy impuls do rozwoju z chwilą stworzenia pierwszego komputera Pojawienie się terminu sztuczna inteligencja - rok 1956 Obecnie uważana za jedną z najistotniejszych dziedzin nauki obok biologii molekularnej i inżynierii genetycznej Inteligencja - próba definicji Czy jest to jakaś pojedyncza własność, cecha, czy raczej zbiór pewnych p umiejętności? W jakim stopniu jest wyuczona, a w jakim wrodzona? Co tak naprawdę dzieje się w trakcie uczenia? Czym w gruncie rzeczy jest kreatywność? Czym intuicja? Czy inteligencja może być stwierdzona jedynie na podstawie obserwacji zachowania, czy wymaga raczej poznania jakiś wewnętrznych mechanizmów? Jak wiedza jest reprezentowana w systemie nerwowym i czy płyną z tego jakieś wnioski odnośnie budowy inteligentnych maszyn? Czym jest samoświadomość i czy ma znaczenie dla inteligencji? Czy w ogóle możliwe jest stworzenie inteligentnych maszyn, czy inteligencja wymaga raczej bogactwa doznań i doświadczeń, które są dostępne jedynie w realnie istniejącym świecie? 2
3 Definicje sztucznej inteligencji [Sztuczna inteligencja to automatyzacja] zdolności przypisanych ludzkiemu myśleniu, zdolności taki jak podejmowanie decyzji, rozwiązywanie problemów, uczenie się... [Bellman[ Bellman,, 1978] Sztuczna inteligencja to badania prowadzone w kierunku stworzenia komputerów, które myślą... maszyn posiadających umysł. [Haugeland[ Haugeland,, 1985] Sztuczna inteligencja to sztuka tworzenia maszyn zdolnych do wykonywania działań, wymagających od człowieka zaangażowania inteligencji. [Kurzweil[ Kurzweil,, 1990] Sztuczna inteligencja to badania mające na celu stworzenie komputerów posiadających umiejętności, w których człowiek jest obecnie lepszy. [Rich[ i Knight,, 1991] Definicje sztucznej inteligencji c.d. Sztuczna inteligencja to badanie zdolności umysłowych za pomocą modeli obliczeniowych. [Charniak[ i McDermott,, 1985] Sztuczna inteligencja to studia nad modelami obliczeniowymi, które umożliwiają percepcję, wnioskowanie i działanie. [Winston[ Winston,, 1992] Sztuczna inteligencja to badania mające na celu opis i symulację inteligentnego zachowania w kategoriach procesów obliczeniowych. [Schalkoff,, 1990] Sztuczna inteligencja jest gałęzią informatyki, zajmującą się automatyzacją inteligentnego zachowania.[luger i Stubblefield,, 1993] 3
4 Definicje sztucznej inteligencji c.d. myślenie (wnioskowanie) [Kurzweil,, 1990] [Rich i Knight,, 1991] [Charniak i McDermott,, 1985] [Winston,, 1992] zachowanie (działanie) [Bellman,, 1978] [Haugeland,, 1985] [Schalkoff,, 1990] [Luger i Stubblefield,, 1993] ludzkie racjonalne Koncepcje sztucznej inteligencji Silna sztuczna inteligencja - system inteligentny, to taki, który jest bezpośrednim odzwierciedleniem inteligencji człowieka Słaba sztuczna inteligencja - system inteligentny, to taki, który działa racjonalnie (koncepcja systemowa). 4
5 Systemowa koncepcja sztucznej inteligencji Idealistyczna koncepcja racjonalności System funkcjonuje racjonalnie, jeśli wykonuje właściwe działania, tzn. działa tak, aby osiągnąć cel, przy aktualnie przyjętych założeniach. Działać jak człowiek: Test Turinga 5
6 Test Turinga Mechanizmy niezbędne w teście Turinga: zdolność do przetwarzanie języka naturalnego zdolność do reprezentowania wiedzy zdolność do automatycznego wnioskowania zdolność uczenia się Mechanizmy niezbędne w pełnym teście Turinga: zdolność do rozpoznawania obrazów zdolność poruszania się i przemieszczania obiektów (zdolności manualne) Test Turinga - zalety Badanie porównawcze zachowania istoty rozumnej w kontekście pewnego zbioru pytań; standard pozwalający wykryć inteligencję bez odwoływania się do "prawdziwej natury inteligencji, wykorzystujący jedyny dostępny "wzorzec" Zignorowanie wątpliwości dotyczących wewnętrznych procesów maszyny, towarzyszących inteligentnemu zachowaniu i jego świadomości bądź braku świadomości podejmowanych decyzji Eliminacja jakichkolwiek tendencji do preferowania inteligencji organizmów żywych nad inteligencję maszyn poprzez ograniczenie kontaktu jedynie do zdalnej formy wymiany informacji 6
7 Test Turinga - wady Ograniczenie badań zachowania jedynie do zadań o charakterze symbolicznym; nie są sprawdzane możliwości percepcji zmysłowej ani umiejętności manualne, choć uważane są za istotny przejaw ludzkiej inteligencji Ograniczenie pojęcia inteligencji jedynie do jej ludzkiej postaci; Czy inteligencja maszynowa lub jakakolwiek inna nie może mieć zupełnie odmiennej formy (inny, nieznany nam rodzaj inteligencji)? Myśleć jak człowiek: Cognitive science Cognitive science - opis i modelowanie ludzkiego sposobu myślenia, jego procesu poznania i inteligentnego zachowania. Metody: introspekcja eksperymenty neurologiczne i psychologiczne 7
8 Myśleć racjonalnie: tradycje logiki Język logiki formalnej - precyzyjna notacja/forma wyrażania opisów wszystkich obiektów i związków między nimi. Zalety: Twierdzenie Gödla - możliwe jest zbudowanie programu, który znajdzie rozwiązanie każdego problemu logicznego, o ile ono istnieje ieje (jeśli nie istnieje, to nie wiemy czy program się zatrzyma!). Wady: Trudno wyrazić wiedzę nieformalną w języku logiki, szczególnie zaś z wiedzę niepewną, niepełną i nieprecyzyjną. Praktyczna realizacja programu rozwiązującego realne problemy logiczne jest obecnie niemożliwa ze względu na wymagania zasobowe. Działać racjonalnie: racjonalny system Systemowa sztuczna inteligencja - studiowanie i konstruowanie racjonalnych systemów (agentów) sztucznej inteligencji. Racjonalne zachowanie/działanie to takie zachowanie, które prowadzi do osiągnięcia celu przy aktualnie przyjętych założeniach. Racjonalne działanie to coś więcej niż racjonalne myślenie/wnioskowanie: logiczne wnioskowanie - warunek dostateczny (ale nie konieczny!) racjonalnego zachowania racjonalne działanie bez wnioskowania (np. natychmiastowa reakcja mistrza gry w szachy) racjonalne działanie bez możliwości prowadzenia wnioskowania (przymus działania bez możliwości wnioskowania!) 8
9 Działać racjonalnie: racjonalny system Wszystkie (sześć) zdolności potrzebnych do testu Turinga to cechy niezbędne również w osiągnięciu racjonalnego działania. Zalety koncepcji racjonalnego agenta: większy poziom ogólności - racjonalne myślenie nie jest jednym sposobem osiągnięcia racjonalnego zachowania, możliwa do weryfikacji i realizacji w praktyce ze względu na precyzyjną i kompletną definicję. Obecny poziom technologii uniemożliwia pełną realizację systemowej ej koncepcji sztucznej inteligencji w skomplikowanych środowiskach stąd koncepcja ograniczonej racjonalności - właściwego działania w sytuacji ograniczonych zasobów obliczeniowych (pamięci i/lub czasu). Obszary zastosowań sztucznej inteligencji Gry Automatyczne wnioskowanie i dowodzenie twierdzeń Systemy eksperckie Przetwarzanie języka naturalnego Rozpoznawanie obrazów Planowanie działań i robotyka Automatyczne (maszynowe) uczenie się 9
10 Gry Reprezentacja wiedzy Przestrzeń stanów Metody wnioskowania Algorytmy przeszukiwania przestrzeni stanów Przeszukiwanie baz danych (np. dla końcówek szachowych) Systemy uczące się Uwagi Przejrzysta struktura formalna problemu Mała ilość wiedzy formalnej niezbędnej do rozwiązania problemu Pierwsze zastosowania Szachy: * Charles Babbage - Analytical Engine * Claude Shannon (1950) - opis algorytmu * Alan Turing - opis algorytmu * Arthur Samuel (1963) - program uczący się Warcaby Go Układanka 16-pozycyjna Kółko i krzyżyk Automatyczne wnioskowanie i dowodzenie twierdzeń Reprezentacja wiedzy Rachunek zdań Rachunek predykatów Metody wnioskowania Reguła odrywania (modus ponens) Unifikacja (uzgadnianie) Rezolucja (strategie rezolucyjne) Pierwsze zastosowania Logic Theorist (Newell&Simon 63) GPS - General Problem Solver (Newell&Simon 66) Artificial Matematician Dziedziny współczesnych zastosowań Projektowanie i weryfikacja układów techniki cyfrowej (AURA 83, MRS 90) Synteza i weryfikacja poprawności programów komputerowych (alg. RSA 84) Sterowanie złożonymi systemami 10
11 Systemy eksperckie Reprezentacja wiedzy Reguły produkcji Ramy Metody wnioskowania Cykl stimulus stimulus-response ( recognize recognize-act ) Dopasowywanie wzorców (ang. pattern matching) Sterowanie agendą zadań Pierwsze zastosowania DENDRAL (Stanford 60) - struktura cząsteczek związków organ. MYCIN (Stanford 70) - diagnoza i terapia infekcji bakteryjnych krwi PROSPECTOR - geologia (ocena złóż surowców) XCON - konfiguracja komputerów VAX Dziedziny współczesnych zastosowań Rolnictwo, przemysł, usługi, handel Nauka, medycyna Wojskowość Automatyczne (maszynowe) uczenie się Reprezentacja wiedzy Drzewa decyzyjne, drzewa probabilistyczne Reguły decyzyjne, sztuczne sieci neuronowe Metody wnioskowania Algorytm ID3 (Quinlan( Quinlan), C4.5 Analogia Dopasowanie Uogólnienie i specyfikacja Pierwsze zastosowania META-DENDRAL TEREZJASZ (współpraca z systemem eksperckim MYCIN) Zastosowania współczesne Systemy oparte na bazach wiedzy (syst( syst.. eksperckie, syst.. doradcze, robotyka) Eksploracja i odkrywanie wiedzy z dużych bazach danych 11
12 Automatyczne (maszynowe) uczenie się Uczenie się to konstruowanie i zmiana reprezentacji doświadczonych faktów [R.Michalski, 1986]. Uczenie się to wykorzystywanie doświadczeń z przeszłości w celu doskonalenia działania w bieżącym stanie i rozwiązywania aktualnych problemów [Bolc[ Bolc,, 1992]. Uczeniem się systemu jest każda autonomiczna zmiana w systemie zachodząca na podstawie doświadczeń, która prowadzi do poprawy jakości jego działania [Cichosz[ Cichosz, 2000]. Automatyczne (maszynowe) uczenie się Kryteria podziału systemów uczących się: forma reprezentacji wiedzy sposób wykorzystywania wiedzy źródło postać informacji trenującej mechanizm nabywania i doskonalenia wiedzy 12
13 Automatyczne (maszynowe) uczenie się Podział systemów uczących się ze względu na formę reprezentacji wiedzy: systemy subsymboliczne, systemy symboliczne. Podział systemów uczących się ze względu na postać informacji trenującej: uczenie się bez nadzoru (ang. unsupervised learning), uczenie się z nadzorem (ang. supervised learning), uczenie się ze wzmocnieniem (ang. reinforcement learning) Automatyczne (maszynowe) uczenie się Podział systemów uczących się ze względu na sposób wykorzystywania wiedzy: klasyfikacja, aproksymacja, podejmowanie decyzji, modelowanie środowiska. 13
14 Automatyczne (maszynowe) uczenie się Podział systemów uczących się ze względu na mechanizm nabywania wiedzy: na podstawie instrukcji (ang. from instruction,, by being told), przez analogię (ang. by analogy), przez indukcję (ang. inductive learning), na przykładach (ang. from examples), przez obserwację i odkrywanie (ang. from observation and discovery), przez dedukcję (ang. by deduction), przez wyjaśnianie (ang. explanation-based learning). Planowanie działań i robotyka Reprezentacja wiedzy Logika predykatów Lista operatorów (akcji) Tablica trójkątna (ang. triangle table) Makrooperatory Metody wnioskowania Strategia least least-commitment Means-Ends Analysis Procedura regresji operatorów Przeszukiwanie wzdłuż (ang. length-first search) Pierwsze zastosowania STRIPS (Fikes 71) ABSTRIPS (Sacerdoti 74) NONLIN (Nilsson 80) NOAH (Sacerdoti 75-77) 77) Dziedziny współczesnych zastosowań Systemy planowania podróży Automatyczne linie produkcyjne Sterowanie robotów Szeregowanie procesów produkcji 14
15 Planowanie działań i robotyka c.d. Planowanie to jest techniką rozwiązywania problemów z dziedziny AI, polegającą na określeniu ciągu akcji (operacji) jakie należy podjąć, aby przejść z zadanego stanu początkowego do stanu końcowego będącego celem. Zbiór operatorów {O i } Stan początkowy S i System Planowania Działań Stan końcowy S g P l a n Planowanie działań i robotyka c.d. Charakterystyka problemów planowania Bardzo złożona reprezentacja stanu problemu Niepewność i niepełność informacji Przestrzeń przeszukiwań o znacznym rozmiarze Występowanie konfliktów w trakcie przeszukiwania na skutek niejawnych interakcji pomiędzy operatorami/akcjami Wykorzystywane metody Dekompozycja problemu (częściowa lub całkowita) Planowanie nieliniowe Planowanie hierarchiczne Strategia least least-commitment 15
16 Przetwarzanie języka naturalnego Reprezentacja wiedzy Sieci semantyczne Ramy, scenariusze, skojarzenia Metody wnioskowania Przeszukiwanie przekrojowe, ukierunkowane sieci (intersection( search) Pierwsze zastosowania ELIZA (Weizenbaum 66) - psycholog terapeuta PARRY (Colby 75) - model paranoika STUDENT (Bobrow 86) - znaczenie pojedynczych słów SHRDLU (Winogad 73) - rozmowy o świecie klocków Dziedziny współczesnych zastosowań Rozpoznawanie mowy (częściowe) i pisma Robotyka Sterowanie Przetwarzanie języka naturalnego Podstawowy problem: Zgromadzenie i zorganizowanie wiedzy kontekstowej (powszechnie dostępnej i potocznej) w taki sposób, aby mogła zostać użyta do automatycznego rozumienia języka naturalnego. Poziomy przetwarzania języka naturalnego: sygnałowy, fonetyczny, fonematyczny, sylabiczny, frazeologiczny, syntaktyczny, semantyczny, pragmatyczny. 16
17 Rozpoznawanie obrazów Reprezentacja wiedzy Rastrowa, dyskretyzacja Opis kształtu, wektorowa Metody wnioskowania Wygładzanie Segmentacja Pierwsze zastosowania Kontrola jakości wyrobów w ESP (Robotiker( Robotiker,, Portugalia) ZAPP - ocena tusz wieprzowych Dziedziny współczesnych zastosowań Robotyka, zautomatyzowana produkcja Diagnostyka medyczna (obrazowa) Nawigacja, kryminalistyka Podstawowe zagadnienia dotyczące budowy systemów sztucznej inteligencji Reprezentacja wiedzy jest to sposób przedstawienia całego zakresu wiedzy niezbędnej dla inteligentnego zachowania w formalnym języku, to znaczy takim, którym może posługiwać się komputer. Przeszukiwanie jest techniką rozwiązywania problemów, polegającą na systematycznej eksploracji przestrzeni stanów (hipotez rozwiązania) problemu, to znaczy analizie wszystkich kolejnych i alternatywnych (równoległych) kroków pojawiających się w procesie rozwiązywania problemu. 17
18 Kognitywizm a konekcjonizm w sztucznej inteligencji Kognitywizm Opis i modelowanie procesów poznawczych jest możliwy na poziomie symbolicznym (paradygmat von Neumanna). Konekcjonizm Opis i modelowanie procesów poznawczych za pomocą dużej liczby maksymalnie uproszczonych jednostek przetwarzających, połączonych w skomplikowane sieci i realizujących przetwarzanie subsymboliczne (przetwarzanie rozproszone i równoległe). Kognitywizm w sztucznej inteligencji Fizyczny system symboli to zbiór elementów zwanych symbolami, będących fizycznymi wzorcami, które mogą występować jako składniki elementów innego typu zwanych wyrażeniami (lub strukturami symbolicznymi). Hipoteza Fizycznego Systemu Symboli Fizyczny system symboli ma niezbędne i wystarczające środki do wygenerowania inteligentnego działania (Newell( Newell,, Simon 76). 18
19 Literatura 1. Charniak,, D. McDermott, Introduction to Artificial Intelligence, Addison Wesley,, G.F. Lugger,, W.A. Stubblefield, Artificial Intelligence and the Design of Expert Systems, The Benjamin/Cummings Publ. Comp. Inc., E. Rich, Artificial Intelligence, McGraw Hill,, E. Rich, Knight, Artificial Intelligence, McGraw Hill, S. J. Russell,, P. Norvig, Artificial Intelligence.. A Modern Approach. Prentice Hall, Upper Saddle River, New Yersey,,
Wprowadzenie do Sztucznej Inteligencji
Wprowadzenie do Sztucznej Inteligencji Wykład 1 Studia Inżynierskie Dlaczego badania nad sztuczną inteligencją? Próba zrozumienia istot inteligentnych - lepsze poznanie samego siebie (filozofia, psychologia)
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja
Elementy kognitywistyki II: Sztuczna inteligencja Piotr Konderak Zakład Logiki i Filozofii Nauki p.203b, Collegium Humanicum konsultacje: wtorki, 16:00-17:00 kondorp@bacon.umcs.lublin.pl http://konderak.eu
Bardziej szczegółowoSztuczna inteligencja - mity i rzeczywistość. Sztuczna inteligencja. Plan zajęć z przedmiotu. Plan wykładów. Literatura.
Sztuczna inteligencja dr hab. inż. Joanna Józefowska, prof. PP http://www.cs.put.poznan.pl/jjozefowska w2005 Dyżur: środa 11.30-13.00, p. 436WE Plan zajęć z przedmiotu Wykład 30 godzin Projekt 30 godzin
Bardziej szczegółowoWprowadzenie do teorii systemów ekspertowych
Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia
Bardziej szczegółowoO badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ SZTUCZNA INTELIGENCJA dwa podstawowe znaczenia Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące się), pewną dyscyplinę badawczą (dział
Bardziej szczegółowoSztuczna inteligencja - wprowadzenie
Sztuczna inteligencja - wprowadzenie Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Sztuczna inteligencja komputerów - wprowadzenie Kontakt: dr inż. Dariusz Banasiak, pok.
Bardziej szczegółowoInstytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej. Adam Meissner. Elementy uczenia maszynowego
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis Elementy uczenia maszynowego Literatura [1] Bolc L., Zaremba
Bardziej szczegółowoSztuczna Inteligencja i Systemy Doradcze
Sztuczna Inteligencja i Systemy Doradcze Wprowadzenie Wprowadzenie 1 Program przedmiotu Poszukiwanie rozwiązań w przestrzeni stanów Strategie w grach Systemy decyzyjne i uczenie maszynowe Wnioskowanie
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
Stefan Sokołowski SZTUCZNA INTELIGENCJA Inst Informatyki UG, Gdańsk, 2009/2010 Wykład1,17II2010,str1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: http://infugedupl/ stefan/dydaktyka/sztintel/
Bardziej szczegółowoStefan Sokołowski SZTUCZNAINTELIGENCJA. Inst. Informatyki UG, Gdańsk, 2009/2010
Stefan Sokołowski SZTUCZNAINTELIGENCJA Inst. Informatyki UG, Gdańsk, 2009/2010 Wykład1,17II2010,str.1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: http://inf.ug.edu.pl/ stefan/dydaktyka/sztintel/
Bardziej szczegółowoInstytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej. Adam Meissner. Elementy uczenia maszynowego
Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis Elementy uczenia maszynowego Literatura [1] Bolc L., Zaremba
Bardziej szczegółowoNarzędzia AI. Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312. http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE)
Narzędzia AI Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312 http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE) Nauka o maszynach realizujących zadania, które wymagają inteligencji
Bardziej szczegółowoSztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne. Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych
Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych Plan wystąpienia Co to jest sztuczna inteligencja? Pojęcie słabej
Bardziej szczegółowoFestiwal Myśli Abstrakcyjnej, Warszawa, Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII?
Festiwal Myśli Abstrakcyjnej, Warszawa, 22.10.2017 Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII? Dwa kluczowe terminy Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące
Bardziej szczegółowoHistoria sztucznej inteligencji. Przygotował: Konrad Słoniewski
Historia sztucznej inteligencji Przygotował: Konrad Słoniewski Prahistoria Mit o Pigmalionie Pandora ulepiona z gliny Talos olbrzym z brązu Starożytna Grecja System sylogizmów Arystotelesa (VI w. p.n.e.)
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład II: Modele pojęciowe Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe) przeformułowanie
Bardziej szczegółowoInteligencja. Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych
Wstęp Inteligencja Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych inteligencja psych. zdolność rozumienia, kojarzenia; pojętność, bystrość; zdolność znajdowania właściwych, celowych
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD III: Problemy agenta To już było: AI to dziedzina zajmująca się projektowaniem agentów Określenie agenta i agenta racjonalnego Charakterystyka PAGE
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu
Wstęp do kognitywistyki Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu Sztuczna inteligencja...to próba zrozumienia i wyjaśnienia jednostek inteligentnych. Specyfika SI polega na metodzie: wyjaśnianie
Bardziej szczegółowoUczenie się maszyn. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki
Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Machine Learning (uczenie maszynowe, uczenie się maszyn, systemy uczące się) interdyscyplinarna nauka, której celem jest stworzenie
Bardziej szczegółowoInżynieria danych I stopień Praktyczny Studia stacjonarne Wszystkie specjalności Katedra Inżynierii Produkcji Dr Małgorzata Lucińska
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 205/206 Z-ID-602 Wprowadzenie do uczenia maszynowego Introduction to Machine Learning
Bardziej szczegółowoSystemy eksperckie. Plan wykładu Wprowadzenie do sztucznej inteligencji. Wnioski z prób automatycznego wnioskowania w rachunku predykatów
Plan wykładu Systemy eksperckie Dr hab. inż. Joanna Józefowska, prof. pp 1/1 Wnioski z badań nad systemami mi w rachunku predykatów Reguły produkcji jako system reprezentacji Algorytm rozpoznaj-wykonaj
Bardziej szczegółowoPodstawy sztucznej inteligencji
wykład I Czym jest SI? Przeszukiwanie problemy oraz jak je rozwiązywać 13 październik 2011 Plan wykładu Od inteligencji naturalnej do sztucznej? Przyjrzyjmy się krótko historii 1 Czym jest sztuczna inteligencja?
Bardziej szczegółowoSystemy uczące się wykład 1
Systemy uczące się wykład 1 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 5 X 2018 e-mail: przemyslaw.juszczuk@ue.katowice.pl Konsultacje: na stronie katedry + na stronie domowej
Bardziej szczegółowoSztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011
Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011 Przedmowa. CZĘŚĆ I: WPROWADZENIE 1. Komputer 1.1. Kółko i krzyżyk 1.2. Kodowanie 1.3. Odrobina fantazji
Bardziej szczegółowoMetody Sztucznej Inteligencji Methods of Artificial Intelligence. Elektrotechnika II stopień ogólno akademicki. niestacjonarne. przedmiot kierunkowy
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoWidzenie komputerowe (computer vision)
Widzenie komputerowe (computer vision) dr inż. Marcin Wilczewski 2018/2019 Organizacja zajęć Tematyka wykładu Cele Python jako narzędzie uczenia maszynowego i widzenia komputerowego. Binaryzacja i segmentacja
Bardziej szczegółowoUniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013 http://www.wilno.uwb.edu.
SYLLABUS na rok akademicki 01/013 Tryb studiów Studia stacjonarne Kierunek studiów Informatyka Poziom studiów Pierwszego stopnia Rok studiów/ semestr /3 Specjalność Bez specjalności Kod katedry/zakładu
Bardziej szczegółowoSztuczna inteligencja Definicja Sztuczna inteligencja (AI - ang. artificial inteligence) lub krótko SI jest stosunkowo nową interdyscyplinarną dziedziną nauki, przedmiotem wielkich oczekiwań i ożywionych
Bardziej szczegółowoSystemy Agentowe główne cechy. Mariusz.Matuszek WETI PG
Systemy Agentowe główne cechy Mariusz.Matuszek WETI PG Definicja agenta Wiele definicji, w zależności od rozpatrywanego zakresu zastosowań. Popularna definicja: Jednostka obliczeniowa (program, robot),
Bardziej szczegółowo[1] [2] [3] [4] [5] [6] Wiedza
3) Efekty dla studiów drugiego stopnia - profil ogólnoakademicki na kierunku Informatyka w języku angielskim (Computer Science) na specjalności Sztuczna inteligencja (Artificial Intelligence) na Wydziale
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 1. INFORMACJE WSTĘPNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska PLAN WYKŁADU 1 Informacje wstępne 16 Systemy eksperckie 2
Bardziej szczegółowoSztuczna inteligencja
Wstęp do Robotyki c W. Szynkiewicz, 2009 1 Sztuczna inteligencja Inteligencja to zdolność uczenia się i rozwiązywania problemów Główne działy sztucznej inteligencji: 1. Wnioskowanie: Wykorzystanie logiki
Bardziej szczegółowoSZTUCZNA INTELIGENCJA (SI, AI)
Instytut Automatyki, Robotyki i Informatyki Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGENCJA (SI, AI) Wprowadzenie do sztucznej inteligencji
Bardziej szczegółowoKraków, 14 marca 2013 r.
Scenariusze i trendy rozwojowe wybranych technologii społeczeństwa informacyjnego do roku 2025 Antoni Ligęza Perspektywy rozwoju systemów eksperckich do roku 2025 Kraków, 14 marca 2013 r. Dane informacja
Bardziej szczegółowoKARTA PRZEDMIOTU. 1. Informacje ogólne. 2. Ogólna charakterystyka przedmiotu. Metody drążenia danych D1.3
KARTA PRZEDMIOTU 1. Informacje ogólne Nazwa przedmiotu i kod (wg planu studiów): Nazwa przedmiotu (j. ang.): Kierunek studiów: Specjalność/specjalizacja: Poziom kształcenia: Profil kształcenia: Forma studiów:
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład I: Pomieszanie z modelem w środku Czym jest kognitywistyka? Dziedzina zainteresowana zrozumieniem procesów, dzięki którym mózg (zwł.
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD XII: Modele i architektury poznawcze Architektury poznawcze Architektura poznawcza jako teoria poznania ludzkiego Anderson (1993): Architektura
Bardziej szczegółowoSztuczna inteligencja
Sztuczna inteligencja Przykładowe zastosowania Piotr Fulmański Wydział Matematyki i Informatyki, Uniwersytet Łódzki, Polska 12 czerwca 2008 Plan 1 Czym jest (naturalna) inteligencja? 2 Czym jest (sztuczna)
Bardziej szczegółowoAlgorytm. Krótka historia algorytmów
Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne
Bardziej szczegółowoWstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych
Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są
Bardziej szczegółowoZagadnienia egzaminacyjne INFORMATYKA. Stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ
(INT) Inżynieria internetowa 1. Tryby komunikacji między procesami w standardzie Message Passing Interface 2. HTML DOM i XHTML cel i charakterystyka 3. Asynchroniczna komunikacja serwerem HTTP w technologii
Bardziej szczegółowoSztuczna inteligencja: aktualny stan i perspektywy rozwoju
SGH Business Intelligence, Sztuczna inteligencja: aktualny stan i perspektywy rozwoju Andrzej Kisielewicz Wydział Matematyki i Informatyki Uniwersytet Opolski marzec 2012 Wstęp Aktualny kryzys w AI problem
Bardziej szczegółowoPlan wykładów METODY SZTUCZNEJ INTELIGENCJI W UKŁADACH STEROWANIA
1 Plan wykładów Podstawy algorytmów genetycznych oraz ich aplikacje w procesach optymalizacji Sztuczne sieci neuronowe-formalne podstawy i wybrane aplikacje Wprowadzenie formysztucznej inteligencji Elementy
Bardziej szczegółowoSztuczna inteligencja
POLITECHNIKA KRAKOWSKA WIEiK KATEDRA AUTOMATYKI I TECHNIK INFORMACYJNYCH Sztuczna inteligencja www.pk.edu.pl/~zk/si_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 1: Wprowadzenie do
Bardziej szczegółowoInformatyka w medycynie Punkt widzenia kardiologa
Informatyka w medycynie Punkt widzenia kardiologa Lech Poloński Mariusz Gąsior Informatyka medyczna Dział informatyki zajmujący się jej zastosowaniem w ochronie zdrowia (medycynie) Stymulacja rozwoju informatyki
Bardziej szczegółowoSylabus modułu kształcenia na studiach wyższych. Nazwa Wydziału. Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia
Załącznik nr 4 do zarządzenia nr 12 Rektora UJ z 15 lutego 2012 r. Sylabus modułu kształcenia na studiach wyższych Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Wydział Matematyki
Bardziej szczegółowoKARTA PRZEDMIOTU. Dyscyplina:
KARTA PRZEDMIOTU Jednostka: WIPiE Dyscyplina: Poziom studiów: 3 Semestr: 3 lub 4 Forma studiów: stacjonarne Język wykładowy: Nazwa przedmiotu: Metody sztucznej inteligencji Symbol przedmiotu: MSI Liczba
Bardziej szczegółowoID1SII4. Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) stacjonarne (stacjonarne / niestacjonarne)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu ID1SII4 Nazwa modułu Systemy inteligentne 1 Nazwa modułu w języku angielskim Intelligent
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
Zał. nr 1 do Programu kształcenia KIERUNKOWE EFEKTY KSZTAŁCENIA WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INŻYNIERIA SYSTEMÓW Stopień studiów: STUDIA II STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE DIAGNOSTYKĘ MEDYCZNĄ Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, projekt
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: INTELIGENTNE SYSTEMY OBLICZENIOWE Systems Based on Computational Intelligence Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj
Bardziej szczegółowoOntologie, czyli o inteligentnych danych
1 Ontologie, czyli o inteligentnych danych Bożena Deka Andrzej Tolarczyk PLAN 2 1. Korzenie filozoficzne 2. Ontologia w informatyce Ontologie a bazy danych Sieć Semantyczna Inteligentne dane 3. Zastosowania
Bardziej szczegółowoPodstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Wnioskowanie logiczne i systemy eksperckie Systemy posługujące się logiką predykatów: część 3/3 Dzisiaj Uogólnienie Poprawność i pełność wnioskowania
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 3. SYSTEMY UCZĄCE SIĘ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska LITERATURA [Cic] * Cichosz P.: Systemy uczące się. WNT, 2003
Bardziej szczegółowoprawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz
WIEDZA prawda komunikat symbol DANE fałsz kod INFORMACJA (nie tyko w informatyce) liczba znak forma ENTROPIA przekaz wiadomość Czy żyjemy w erze informacji? TAK Bo używamy nowego rodzaju maszyn maszyn
Bardziej szczegółowoDefinicje. Najprostszy schemat blokowy. Schemat dokładniejszy
Definicje owanie i symulacja owanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano model, do
Bardziej szczegółowoPRZEWODNIK DYDAKTYCZNY I PROGRAM NAUCZANIA PRZEDMIOTU FAKULTATYWNEGO NA KIERUNKU LEKARSKIM ROK AKADEMICKI 2016/2017
PRZEWODNIK DYDAKTYCZNY I PROGRAM NAUCZANIA PRZEDMIOTU FAKULTATYWNEGO NA KIERUNKU LEKARSKIM ROK AKADEMICKI 2016/2017 1. NAZWA PRZEDMIOTU: SZTUCZNA INTELIGENCJA W MEDYCYNIE 2. NAZWA JEDNOSTKI (jednostek
Bardziej szczegółowoMetody sztucznej inteligencji w układach sterowania METODY SZTUCZNEJ INTELIGENCJI W UKŁADACH STEROWANIA
1 Metody sztucznej inteligencji w układach sterowania Podstawy algorytmów genetycznych oraz ich aplikacje w procesach optymalizacji Sztuczne sieci neuronowe-formalne podstawy i wybrane aplikacje Wprowadzenie
Bardziej szczegółowoEfekt kształcenia. Wiedza
Efekty dla studiów drugiego stopnia profil ogólnoakademicki na kierunku Informatyka na specjalności Przetwarzanie i analiza danych, na Wydziale Matematyki i Nauk Informacyjnych, gdzie: * Odniesienie oznacza
Bardziej szczegółowoMetody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści
Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, 2012 Spis treści Przedmowa do wydania drugiego Przedmowa IX X 1. Wstęp 1 2. Wybrane zagadnienia sztucznej inteligencji
Bardziej szczegółowoNajprostszy schemat blokowy
Definicje Modelowanie i symulacja Modelowanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego układu rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano
Bardziej szczegółowoKierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia
:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia Podstawy prawne. 1 15 1 Podstawy ekonomii. 1 15 15 2 Metody uczenia się i studiowania. 1 15 1 Środowisko programisty. 1 30 3 Komputerowy
Bardziej szczegółowoCzy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski
Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski Architektura umysłu Pojęcie używane przez prawie wszystkie współczesne ujęcia kognitywistyki Umysł Przetwornik informacji 2 Architektura
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia
Bardziej szczegółowoPercepcja, język, myślenie
Psychologia procesów poznawczych Plan wykładu Percepcja, język, myślenie Historia psychologii poznawczej W 2 Wstęp do psychologii poznawczej Historia psychologii poznawczej dawniej Psychologia poznawcza
Bardziej szczegółowoO REDUKCJI U-INFORMACJI
O REDUKCJI U-INFORMACJI DO DANYCH Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki o komunikacji KOMPUTER informatyka elektronika
Bardziej szczegółowokomputery? Andrzej Skowron, Hung Son Nguyen Instytut Matematyki, Wydział MIM, UW
Czego moga się nauczyć komputery? Andrzej Skowron, Hung Son Nguyen son@mimuw.edu.pl; skowron@mimuw.edu.pl Instytut Matematyki, Wydział MIM, UW colt.tex Czego mogą się nauczyć komputery? Andrzej Skowron,
Bardziej szczegółowoSzczegółowy opis przedmiotu zamówienia
ZP/ITS/19/2013 SIWZ Załącznik nr 1.1 do Szczegółowy opis przedmiotu zamówienia Przedmiotem zamówienia jest: Przygotowanie zajęć dydaktycznych w postaci kursów e-learningowych przeznaczonych dla studentów
Bardziej szczegółowozna metody matematyczne w zakresie niezbędnym do formalnego i ilościowego opisu, zrozumienia i modelowania problemów z różnych
Grupa efektów kierunkowych: Matematyka stosowana I stopnia - profil praktyczny (od 17 października 2014) Matematyka Stosowana I stopień spec. Matematyka nowoczesnych technologii stacjonarne 2015/2016Z
Bardziej szczegółowoBIOCYBERNETYKA PROLOG
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej BIOCYBERNETYKA Adrian Horzyk PROLOG www.agh.edu.pl Pewnego dnia przyszedł na świat komputer Komputery
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA I STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina
Bardziej szczegółowoMarcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH
Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH Przeszukiwanie przestrzeni rozwiązań, szukanie na ślepo, wszerz, w głąb. Spis treści: 1. Wprowadzenie 3. str. 1.1 Krótki Wstęp
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 2. ZASTOSOWANIA, HISTORIA, SYMBOLICZNA SI Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska ZASTOSOWANIA SI Rozwiązywanie zadań, gry,
Bardziej szczegółowoTransformacja wiedzy w budowie i eksploatacji maszyn
Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces
Bardziej szczegółowoJazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji
Jazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji data aktualizacji: 2017.10.11 Delphi Kraków Rozwój jazdy autonomicznej zmienia krajobraz technologii transportu w sposób tak dynamiczny,
Bardziej szczegółowoPercepcja, język, myślenie
Psychologia procesów poznawczych Plan wykładu Percepcja, język, myślenie Wprowadzenie w problematykę zajęć. Podstawowe pojęcia. Historia psychologii poznawczej. W 1 Wstęp Informacje ogólne dotyczące kursu
Bardziej szczegółowoZESPÓŁ SZKÓŁ ELEKTRYCZNYCH NR
TECHNIK MECHATRONIK ZESPÓŁ SZKÓŁ ELEKTRYCZNYCH NR 2 os. SZKOLNE 26 31-977 KRAKÓW www.elektryk2.i365.pl Spis treści: 1. Charakterystyka zawodu 3 2. Dlaczego technik mechatronik? 5 3. Jakie warunki musisz
Bardziej szczegółowo2. Metody podejmowania decyzji w warunkach pewności... 37
Spis treści Wstęp... 7 1. Problemy i procesy decyzyjne w organizacji... 11 1.1. Istota decyzji menedżerskich w organizacji... 11 1.2. Sytuacje decyzyjne, problemy decyzyjne i decyzje w organizacji.. 15
Bardziej szczegółowoT2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01
Efekty dla studiów drugiego stopnia profil ogólnoakademicki, na kierunku Informatyka w języku polskim, na specjalnościach Metody sztucznej inteligencji oraz Projektowanie systemów CAD/CAM, na Wydziale
Bardziej szczegółowoSTUDIA STACJONARNE I STOPNIA Przedmioty kierunkowe
STUDIA STACJONARNE I STOPNIA Przedmioty kierunkowe Technologie informacyjne Prof. dr hab. Zdzisław Szyjewski 1. Rola i zadania systemu operacyjnego 2. Zarządzanie pamięcią komputera 3. Zarządzanie danymi
Bardziej szczegółowoEFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA
EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA poziom kształcenia profil kształcenia tytuł zawodowy uzyskiwany przez absolwenta studia drugiego stopnia ogólnoakademicki magister inżynier 1. Umiejscowienie
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Bardziej szczegółowoZastosowanie sztucznej inteligencji w testowaniu oprogramowania
Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie
Bardziej szczegółowoINŻYNIERIA OPROGRAMOWANIA
INSTYTUT INFORMATYKI STOSOWANEJ 2014 Nowy blok obieralny! Testowanie i zapewnianie jakości oprogramowania INŻYNIERIA OPROGRAMOWANIA Inżynieria Oprogramowania Proces ukierunkowany na wytworzenie oprogramowania
Bardziej szczegółowoInstytut Informatyki, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy i sieci komputerowe, SSK studia stacjonarne Rok 2012/2013
Instytut Informatyki, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy i sieci komputerowe, SSK studia stacjonarne Rok 2012/2013 Rok I, semestr I (zimowy) 1 Etykieta w życiu publicznym 1 Przedmiot
Bardziej szczegółowo1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie
Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty
Bardziej szczegółowoKierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa
:Informatyka- - inż., rok I specjalność: Grafika komputerowa Rok akademicki 018/019 Metody uczenia się i studiowania. 1 Podstawy prawne. 1 Podstawy ekonomii. 1 Matematyka dyskretna. 1 30 Wprowadzenie do
Bardziej szczegółowoJAKIEGO RODZAJU NAUKĄ JEST
JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów
Bardziej szczegółowoAlfred N. Whitehead
Plan wykładu Automatyczne dowodzenie twierdzeń Dowodzenie twierdzeń matematycznych Dedukcja Logic Theorist Means-endsends Analysis Rezolucja Programowanie w logice PROLOG Logic Theorist - 1956 Automatyczne
Bardziej szczegółowoFormacyjne znaczenie programowania w kształceniu menedżerów
Formacyjne znaczenie programowania w kształceniu menedżerów Wojciech Cellary Katedra Technologii Informacyjnych Uniwersytet Ekonomiczny w Poznaniu al. Niepodległości 10, 61-875 Poznań cellary@kti.ue.poznan.pl
Bardziej szczegółowoElementy kognitywistyki III: Modele i architektury poznawcze
Elementy kognitywistyki III: Modele i architektury poznawcze Wykład VII: Modelowanie uczenia się w sieciach neuronowych Uczenie się sieci i trening nienaruszona struktura sieci (z pewnym ale ) nienaruszone
Bardziej szczegółowoWprowadzenie do systemów wspomagania decyzji
Wprowadzenie do systemów wspomagania decyzji dr hab. inż. Krzysztof Patan, prof. PWSZ Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa w Głogowie k.patan@issi.uz.zgora.pl Podejmowanie decyzji Podejmowanie
Bardziej szczegółowoRepetytorium z matematyki 3,0 1,0 3,0 3,0. Analiza matematyczna 1 4,0 2,0 4,0 2,0. Analiza matematyczna 2 6,0 2,0 6,0 2,0
PROGRAM STUDIÓW I INFORMACJE OGÓLNE 1. Nazwa jednostki prowadzącej kierunek: Wydział Matematyki i Informatyki 2. Nazwa kierunku: Informatyka 3. Oferowane specjalności: 4. Poziom kształcenia: studia pierwszego
Bardziej szczegółowodr inż. Konrad Sobolewski Politechnika Warszawska Informatyka 1
dr inż. Konrad Sobolewski Politechnika Warszawska Informatyka 1 Cel wykładu Definicja, miejsce, rola i zadania systemu operacyjnego Klasyfikacja systemów operacyjnych Zasada działanie systemu operacyjnego
Bardziej szczegółowoPsychologia procesów poznawczych Kod przedmiotu
Psychologia procesów poznawczych - opis przedmiotu Informacje ogólne Nazwa przedmiotu Psychologia procesów poznawczych Kod przedmiotu 14.4-WP-PSChM-PPPoz-Ć-S14_pNadGen98ION Wydział Kierunek Wydział Pedagogiki,
Bardziej szczegółowoInstytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy i sieci komputerowe, SSK studia niestacjonarne Dla rocznika:
Instytut Nauk Technicznych, PWSZ w Nysie Kierunek: Informatyka Specjalność: Systemy i sieci komputerowe, SSK studia niestacjonarne Dla rocznika: Rok I, semestr I (zimowy) 1 Etykieta w życiu publicznym
Bardziej szczegółowo