Wprowadzenie do Sztucznej Inteligencji

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wprowadzenie do Sztucznej Inteligencji"

Transkrypt

1 do Sztucznej Inteligencji woparciuo: S. Russel, P. Norvig. Artificial Intelligence. A Modern Approach Przemysław Kobylański Instytut Matematyki i Informatyki Politechnika Wrocławska P. Kobylański Wprowadzenie do Sztucznej Inteligencji 1 / 155

2 Plan wykładu 1 2 Inteligentni agenci (2g) 3 Rozwiązywanie problemów przez przeszukiwanie (4g) 4 Nieklasyczne sposoby przeszukiwania (4g) 5 Przeszukiwanie z adwersarzem (4g) 6 Problem spełnienia ograniczeń (2g) 7 Logiczni agenci (4g) 8 Planowanie akcji (4g) 9 Planowanie i działanie w rzeczywistym świecie (4g) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 2 / 155

3 Literatura Lektura podstawowa 1 S. Russel, P. Norvig. Artificial Intelligence. A Modern Approach. Pearson Education Inc., I. Bratko. Prolog Programming for Artificial Intelligence. Addison-Wesley Publishing Company Inc., Lektura uzupełniająca 1 W.F. Clocksin, C.S. Mellish. Prolog. Programowanie. Helion,2003. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 3 / 155

4 Wykład 1 Wprowadzenie w oparciu o: S. Russel, P. Norvig. Artificial Intelligence. A Modern Approach P. Kobylański Wprowadzenie do Sztucznej Inteligencji 4 / 155

5 Wprowadzenie co to jest sztuczna inteligencja? podstawy sztucznej inteligencji historia sztucznej inteligencji P. Kobylański Wprowadzenie do Sztucznej Inteligencji 5 / 155

6 Co to jest sztuczna inteligencja? Thinking Acting Humanly "The exciting new effort to make computers think...machines with minds, in the full and literal sense." (Haugeland, 1985) "[The automation of] activities that we associate with human thinking, activities such decision-making, problem solving, learning..." (Hellman, 1978) "The art of creating machines that perform functions that require intelligence when performed by people." (Kurzweil, 1990) "The study of how to make computers do things at which, at the moment, people are better." (Rich and Knight, 1991) Rationally "The study of mental faculties through the use of computational models. (Charniak and McDermott, 1985) "The study of the computations that make it possible to perceive, reason, and act." (Winston, 1992) "Computational Intelligence is the study of the design of intelligent agents." (Poole et at, 1998) "AI...is concerned with intelligent behavior in artifacts." (Nilsson, 1998) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 6 / 155

7 Co to jest sztuczna inteligencja? Ludzkie działanie Test Turinga zaproponowany przez Alana Turinga w roku przetwarzanie języka naturalnego reprezentacja wiedzy automatyczne wnioskowanie maszynowe uczenie Pełny test Turinga komputerowe widzenie robotyka P. Kobylański Wprowadzenie do Sztucznej Inteligencji 7 / 155

8 Co to jest sztuczna inteligencja? Ludzkie myślenie Jak działa ludzki umysł? Example poznawanie przez introspekcję eksperymenty psychologiczne obrazowanie mózgu Allen Newell i Herbert Simon opracowali w 1961 roku program GPS (General Problem Solver). Byli bardziej zainteresowani porównaniem sposobu rozwiązywania problemów przez ich program i przez człowieka niż tylko poprawnością działania ich programu. Interdyscyplinarna kognitywistyka (nauki kognitywne, cognitive science) łączy komputerowe modele z AI oraz techniki eksperymentalne z psychologii aby stworzyć precyzyjną i sprawdzalną teorię ludzkiego umysłu. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 8 / 155

9 Co to jest sztuczna inteligencja? Racjonalne myślenie Podejście oparte o prawa poprawnego rozumowania. Sylogizm Arystotelesa dostarczają wzorce wnioskowania, które zawsze dostarcza poprawne wnioski z poprawnych przesłanek (np. "Sokrates jest człowiekiem, wszyscy ludzie są śmiertelni; zatem, Sokrates jest śmiertelny"). Badanie praw poprawnego rozumowania zainicjowało dziedzinę nazywaną logiką. Od 1965 roku istnieją programy, które potrafią rozwiązać każdy rozwiązywalny problem opisany w języku logiki (jeśli nie istnieje rozwiązanie, to taki program może wpaść w nieskończoną pętlę). Nawet problemy opisane kilkuset faktami mogą wykraczać poza możliwości współczesnego komputera, jeśli nie dostarczy się mu wskazówek które kroki wnioskowania wykonać w pierwszej kolejności). P. Kobylański Wprowadzenie do Sztucznej Inteligencji 9 / 155

10 Co to jest sztuczna inteligencja? Racjonalne działanie Agent to coś co działa. Każdy program komputerowy coś robi, ale oczekuje się, że agent komputerowy działa autonomicznie, postrzega środowisko, utrzymuje się przez dłuższy czas, adaptuje się do zmian, wyznacza i osiąga cele. Racjonalny agent to taki, który działa tak aby osiągnąć najlepszy wynik albo, w przypadku niepewności, najlepszy oczekiwany wynik. Książka Russela i Norviga (AIMA) koncentruje się na ogólnych zasadach racjonalnych agentów oraz na komponentach do ich tworzenia. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 10 / 155

11 Podstawy sztucznej inteligencji: filozofia Czy można użyć formalne reguły do wyprowadzania poprawnych wniosków? Jak umysł wyłania się z fizycznego mózgu? Skąd bierze się wiedza? Jak wiedza prowadzi do działania? * sylogizm Arystoteles p.n.e.; projekt mechanicznego kalkulatora Leonardo da Vinci ; pierwszy kalkulator Wilhelm Schickard ; kalkulator dodający i odejmujący Blaise Pascal ; kalkulator dodający, odejmujący, mnożący, pierwiastkujący Gottfried Wilhelm Leibniz *racjonalizmrenedescartes(kartezjusz) *empiryzmfrancisbacon ;zasadaindukcjidavidhume ;logiczny pozytywizm Ludwig Wittgenstein , Bertrand Russell i Rudolf Carnap *logicznyzwiązekceluiwiedzyowynikachakcjiarystoteles p.n.e;gpsnewellisimon P. Kobylański Wprowadzenie do Sztucznej Inteligencji 11 / 155

12 Podstawy sztucznej inteligencji: matematyka Jakie są formalne reguły wyprowadzania poprawnych wniosków? Co może być obliczone? Jak wnioskować na podstawie niepewnej informacji? *rachunekzdańgeorgeboole ;rachunekpredykatówpierwszegorzędugottlobfrege ; relacja między obiektami w logice a obiektami rzeczywistego świata Alfred Tarski * procedura dowodząca każde prawdziwe twierdzenie z logiki pierwszego rzędu oraz twierdzenie oniezupełnościkurtgödel ;pojęcieobliczalnościalanturing ;problemy wielomianowe i ponadwielomianowe Cobham 1964 i Edmonds 1965; NP-zupełność Steven Cook 1971 i Richard Karp 1972 *ideaprawdopodobieństwagerolamocardano ;jakprzewidywaćwynikgry hazardowej i oczekiwaną wygraną Blaise Pascal ; metody statystyczne James Bernoulli i Pierre Laplace ; wyliczanie prawdopodobieństwa na podstawie obserwacji Thomas Bayes P. Kobylański Wprowadzenie do Sztucznej Inteligencji 12 / 155

13 Podstawy sztucznej inteligencji: ekonomia Jak powinniśmy podejmować decyzje aby zmaksymalizować zysk? Jak powinniśmy to robić gdy inni nie współdziałają z nami? Jak powinniśmy to robić gdy zysk będzie odległy w przyszłości? * początek ekonomii Adam Smith ; teoria użyteczności Leon Walras , Frank Ramsey 1931, John von Neumann i Oskar Morgenstern *teoriagierjohnvonneumannioskarmorgenstern *formalizacjadecyzyjnychprocesówmarkowarichardbellman1957 P. Kobylański Wprowadzenie do Sztucznej Inteligencji 13 / 155

14 Podstawy sztucznej inteligencji: neurobiologia Jak mózg przetwarza informację? Superkomputer 1 Komputer osobisty 2 Mózg człowieka 3 Jednostka obliczeniowa 10 4 CPUs 4 CPUs neuronów tranzystorów 10 9 tranzystorów Jednostka pamięci bitów RAM bitów RAM neuronów bitów na dysku bitów na dysku synaps Cykl czasu 10 9 sekundy 10 9 sekundy 10 3 sekundy Operacje/sekundę Aktualizacji pamięci/sek IBM BLUE GENE 2 Typowy komputer w 2008 roku. 3 Dane o mózgu są stałe, natomiast dane o komputerach rosną o rząd co 5 lat. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 14 / 155

15 Podstawy sztucznej inteligencji: neurobiologia Każdy neuron składa się z ciała komórki zawierającej jądro. Z komórki wystaje pewna liczba wypustek nazywanych dendrytami i jedna długa wypustka nazywana aksonem. Typowy akson ma długość 1 cm ale może osiągać do 1 metra. Neuron tworzy połączenia z 10 do 100,000 innymi neuronami za pomocą synaps. Sygnały są przekazywane z jednego neuronu do drugiego przez skomplikowaną reakcję chemiczną. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 15 / 155

16 Podstawy sztucznej inteligencji: neurobiologia Axonal arborization Axon from another cell Synapse Dendrite Axon Nucleus Synapses Cell body or Soma P. Kobylański Wprowadzenie do Sztucznej Inteligencji 16 / 155

17 Podstawy sztucznej inteligencji: psychologia Jak ludzie i zwierzęta myślą i działają? * początki psychologii Hermann von Helmholtz i jego uczeń Wilhelm Wundt ; behawioryzm zwierząt Herbert Spencer Jennings ; behawioryzm John Watson ; kognitywna psychologia postrzegająca mózg jako urządzenie przetwarzające informacje William James ; podstawy agentów opartych na wiedzy Kenneth Craik 1943 P. Kobylański Wprowadzenie do Sztucznej Inteligencji 17 / 155

18 Podstawy sztucznej inteligencji: inżynieria komputerowa Jak możemy budować efektywne komputery? *pierwszaprogramowalnamaszynatkackajosephmariejacquard ;maszyna analityczna 4 Charles Babbage ; * elektromechaniczny komputer do łamania kodu Enigmy Heath Robinson z zespołu Alana Turinga 1940; pierwszy ogólnego zastosowania komputer lampowy Colossus zespół Alana Turinga 1943; pierwszy programowalny komputer Z-3 Konrad Zuse 1941 * z AI wywodzą się takie paradygmaty programowania jak programowanie symboliczne, funkcyjne, deklaratywne czy obiektowe 4 Pierwsza programowalna maszyna obliczeniowa. Pierwsze programy pisała Ada Lovelace córka poety Lorda Byrona. Przewidywała ona również, że maszyna analityczna mogłaby w przyszłości grać w szachy albo komponować muzykę. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 18 / 155

19 Podstawy sztucznej inteligencji: teoria sterowania i cybernetyka Jak artefakty 5 mogą działać pod własną kontrolą? * zegar wodny - pierwsza samokontrolująca się maszyna Ktesibios z Aleksandrii ok. 250 p.n.e.; teoria sterowania Norbert Wiener ; idea inteligencji jako homeostatycznego urządzenia zawierającego pętlę sprzężenia zwrotnego dla osiągnięcia stabilnego zachowania adaptacyjnego William Ross Ashby 1940; optymalne sterowanie stochastyczne Andriej Kołmogorow 1941, Rudolf Kalman Przedmioty stworzone ludzką ręką. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 19 / 155

20 Podstawy sztucznej inteligencji: lingwistyka Jak się ma język do myśli? * behawioryzm Burrhus Frederic Skinner ; struktury syntaktyczne Noam Chomsky; przetwarzanie języka naturalnego; reprezentacja wiedzy P. Kobylański Wprowadzenie do Sztucznej Inteligencji 20 / 155

21 Historia sztucznej inteligencji: "ciąża" sztucznej inteligencji Warren McCulloch i Walter Pitts (1943) stworzyli model sztucznego neuronu, w którym każdy neuron charakteryzuje się byciem "włączonym" albo "wyłączonym" przełączenia do stanu "włączony" odbywa się przez stymulację wystarczającej liczby sąsiednich neuronów pokazali, że każda obliczalna funkcja może być policzona przez pewną sieć połączonych neuronów każdy logiczny spójnik (i, lub, nie itp.) może być wyrażony przez prostą sieć neuronów zasugerowali, że sztuczna sieć neuronów mogłaby się uczyć P. Kobylański Wprowadzenie do Sztucznej Inteligencji 21 / 155

22 Historia sztucznej inteligencji: "ciąża" sztucznej inteligencji Donald Hebb (1949) zaproponował prostą regułę aktualizacji wag połączeń między neuronami umożliwiającą uczenie się sieci Hebbian learning stosowane jest do dziś Marvin Minsky i Dean Edmonds (1950) zbudowali pierwszą sztuczną siecią neuronową Snarc (3000 lamp elektronowych i sieć 40 neuronów symulowanych mechanizmem autopilota z bombowca B-52) Alan Turing (1947) wygłosił wykład oparty o własny artykuł Computing Machinery and Intelligence wprowadził w nim Test Turinga, uczenie maszynowe, algorytmy genetyczne i uczenie z pozytywnym wzmocnieniem zaproponował symulowanie umysłu dziecka zamiast symulowania umysłu dorosłego P. Kobylański Wprowadzenie do Sztucznej Inteligencji 22 / 155

23 Historia sztucznej inteligencji: narodziny sztucznej inteligencji 1956 John McCarthy, Marvin Minsky, Claude Shannon i Nathaniel Rochester (1956) zorganizowali dwumiesięczny workshop w Dartmouth College McCarthy po raz pierwszy użył nazwę Sztuczna Inteligencja (Artificial Intelligence) Allen Newell i Herbert Simon z Carnegie Tech (obecnie Carnegie Mellon University CMU) przedstawili swój program LogicTheorist (LT), który miał możliwość symbolicznego myślenia (opracowali język przetwarzania list IPL, w którym zaimplementowali LT) program LogicTheorist był w stanie udowodnić większość twierdzeń z drugiego rozdziału Principia Mathematica Rusella i Whiteheada workshop spowodował, że sztuczna inteligencja przez następne 20 lat była zdominowana przez pracowników i studentów MIT, CMU, Stanford i IBM P. Kobylański Wprowadzenie do Sztucznej Inteligencji 23 / 155

24 Historia sztucznej inteligencji: wczesny entuzjazm, wielkie oczekiwania CMU: Newell i Simon (1957) opracowali General Problem Solver (GPS), który w przeciwieństwie do LogicTheorist od początku miał naśladować ludzkie podejście do rozwiązywania problemów IBM: Herbert Gelernter (1959) stworzył Geometry Theorem Prover IBM: Arthur Samuel (1952) stworzył serię programów grających w warcaby, które nauczyły się grać na wysokim poziomie amatorskim(szybko grały lepiej niż ich twórca) MIT: John McCarthy (1958) stworzył język LISP, który przez następne 30 lat stał się dominującym językiem programowania w Sztucznej Inteligencji MIT: John McCarthy uruchamia AI lab na Stanford University Rice University: John Alan Robinson (1965) odkrywa zasadę rezolucji P. Kobylański Wprowadzenie do Sztucznej Inteligencji 24 / 155

25 Historia sztucznej inteligencji: wczesny entuzjazm, wielkie oczekiwania MIT: Minsky promuje serię prac studenckich: James R. Slagle (1963) program SAINT całkujący na poziomie kursu Analiza 1 Tom Evans (1968) program ANALOGY rozwiązujący zadania z testów IQ dotyczące analogii geometrycznych Daniel Bobrow (1967) program STUDENT rozwiązujący proste zadania z algebry zadane językiem naturalnym Terry Winograd i Jack D. Cowan (1963) pokazali jak duża liczba współdziałających elementów może wspólnie reprezentować indywidualne pojęcia jednocześnie zwiększając równoległość i odporność Bernard Widrow i Ted Hoff (1962) tworzą sieć sztucznych neuronów nazwaną Adaline Frank Rosenblatt (1962) tworzy perceptron P. Kobylański Wprowadzenie do Sztucznej Inteligencji 25 / 155

26 Historia sztucznej inteligencji: wczesny entuzjazm, wielkie oczekiwania Blue Red Green Red Green Blue Green Red P. Kobylański Wprowadzenie do Sztucznej Inteligencji 26 / 155

27 Historia sztucznej inteligencji: dawka rzeczywistości coś co sprawdza się na małych przykładach najczęściej nie zadziała w praktyce dla większej liczby obiektów (planowanie akcji) automatyczne dowodzenie twierdzeń nie sprawdziło się dla kilkudziesięciu faktów (dowodzenie twierdzeń) naiwna wiara, że serią małych mutacji kodu programu można tworzyć programy rozwiązujące dowolne zadania (ewolucja maszynowa) zbyt prosta reprezentacja uniemożliwia osiągnięcie często najprostszych wyników (perceptron o dwóch wejściach nie potrafi wykryć czy są one różne) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 27 / 155

28 Historia sztucznej inteligencji: systemy oparte na wiedzy system ekspercki DENDRAL wnioskujący o strukturze molekularnej na podstawie danych ze spektrometru (Buchanan et al. 1969) system ekspercki MYCIN do diagnozowania zakażeń krwi (Feigenbaum et al. początek lat 70-tych) w regułach systemu MYCIN zastosowano współczynniki pewności aby wyrazić niepewne wnioskowanie do reprezentacji wiedzy zastosowano koncepcję ram opracowaną przez Minsky ego P. Kobylański Wprowadzenie do Sztucznej Inteligencji 28 / 155

29 Historia sztucznej inteligencji: AI staje się przemysłem 1980-teraz system ekspercki R1 opracowany przez firmę DEC do wspomagania konfigurowania komputerów VAX-11/780 (rocznie 40 milionów dolarów oszczędności) w 1981 Japonia ogłasza projekt komputerów piątej generacji (opracowanie komputerów z Prologiem jako językiem maszynowym) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 29 / 155

30 Historia sztucznej inteligencji: powrót sieci neuronowych 1986-teraz wpołowielat80-tychconajmniejczteryróżnezespołynanowo odkryły algorytm uczenia sieci oparty na wstecznej propagacji (odkryty przez Brysona w roku 1969) badania nad sieciami neuronowymi podzieliły się na dwa obszary: opracowanie architektury i algorytmów oraz zrozumienie ich matematycznych własności modelowanie empirycznych własności rzeczywistych neuronów i ich sieci P. Kobylański Wprowadzenie do Sztucznej Inteligencji 30 / 155

31 Historia sztucznej inteligencji: AI adaptuje metody naukowe 1987-teraz ukryte modele Markowa (HMM) zastosowane do rozpoznawania mowy i pisma ręcznego z takich obszarów jak statystyka, rozpoznawanie wzorców i maszynowe uczenie wyłonił się nowy obszar badań jakim jest eksploracja danych (data mining) na potrzeby wyrażania i operowania niepewną informacją opracowano sieci bayesowkie (Bayesian network) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 31 / 155

32 Historia sztucznej inteligencji: pojawienie się inteligentnych agentów 1995-teraz opracowanie architektury SOAR dla inteligentnych agentów (John Laird, Allen Newell, Paul Rosenbloom 1987) internet jako jedno z najważniejszych środowisk dla inteligentnych agentów (tzw. boty) Human Level Artificial Intelligence (HLAI) na fali rozczarowania osiągnięciami w zakresie sztucznej inteligencji zaproponowano powrót do jej korzeni, czyli do prac nad maszynami, które myślą, uczą się i tworzą Artificial General Intelligence (AGI) poszukiwania uniwersalnego algorytmu na uczenie się i działanie w dowolnym środowisku P. Kobylański Wprowadzenie do Sztucznej Inteligencji 32 / 155

33 Historia sztucznej inteligencji: dostępność wielkich zbiorów danych 2001-teraz główny obiektem dotychczasowych badań informatyki był algorytm, jednak w ostatnich badaniach z zakresu sztucznej inteligencji sugeruje się, że dla wielu problemów ważniejsze byłoby martwienie się o dane niż o wybór odpowiedniego algorytmu internet źródłem ogromnej liczby danych (10 12 słów i 10 9 obrazów) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 33 / 155

34 Wprowadzenie The State of the Art Autonomiczny samochód projekt STANLEY (Stanford University) projekt BOSS (CMU) Rozpoznawanie mowy rezerwacja lotu w United Airlines Autonomiczne planowanie i harmonogramowanie REMOTE AGENT (NASA) autonomiczny program planujący sterowanie w statkach kosmicznych MAPGEN (NASA) planowanie operacji w Mars Exploration Rovers MEXAR2 (ESA) planowanie logistyczne i naukowe dla misji European s Space Agency s Mars Express Granie w gry komputer IBM DEEP BLUE był pierwszym komputerem, który pokonał arcymistrza Garry Kasparova wynikiem 3.5 : 2.5 Zwalczanie spamu systemy uczące się rozpoznawania spamu Sahami et al 1998, Goodman iheckerman2004 P. Kobylański Wprowadzenie do Sztucznej Inteligencji 34 / 155

35 Wprowadzenie The State of the Art Planowanie logistyczne projekt DART (Dynamic Analysis and Replanning Tool) dla automatycznego planowania i harmonogramowania na potrzeby transportu dla 50,000 pojazdów (Konflikt w Zatoce Perskiej 1991) Robotyka sprzedano ponad dwa miliony robotów Roomba, które odkurzają mieszkania (The irobot Corporation) roboty PackBot wykorzystane w Iraku i Afganistanie do obsługi materiałów niebezpiecznych, rozbrajania min i pułapek, identyfikacji położenia snajperów (The irobot Corporation) Tłumaczenie maszynowe program do automatycznego tłumaczenia z języka arabskiego na angielski (program oparty na modelach statystycznych, sam uczy się na podstawie przykładów, żaden z członków zespołu nie zna języka arabskiego) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 35 / 155

WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM

WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM Psychologia poznawcza dr Mateusz Hohol SPRAWY ORGANIZACYJNE Aby zaliczyć kurs z psychologii poznawczej należy: (1) zaliczyć ćwiczenia,

Bardziej szczegółowo

Sztuczna inteligencja - mity i rzeczywistość. Sztuczna inteligencja. Plan zajęć z przedmiotu. Plan wykładów. Literatura.

Sztuczna 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 szczegółowo

WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM

WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM Psychologia poznawcza dr Mateusz Hohol SPRAWY ORGANIZACYJNE Aby zaliczyć kurs z psychologii poznawczej należy: (1) zaliczyć ćwiczenia,

Bardziej szczegółowo

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul 1. SZTUCZNA INTELIGENCJA JAKO DZIEDZINA WIEDZY Sztuczna inteligencja

Bardziej szczegółowo

Narzędzia 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) 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 szczegółowo

Sztuczna inteligencja Definicja Sztuczna inteligencja (AI - ang. artificial inteligence) lub krótko SI jest stosunkowo nową interdyscyplinarną dziedziną nauki, przedmiotem wielkich oczekiwań i ożywionych

Bardziej szczegółowo

Wprowadzenie do Sztucznej Inteligencji

Wprowadzenie do Sztucznej Inteligencji Wprowadzenie do Sztucznej Inteligencji Wykład 1 Informatyka Studia Inżynierskie Dlaczego badania nad sztuczną inteligencją? Próba zrozumienia istot inteligentnych - lepsze poznanie samego siebie (filozofia,

Bardziej szczegółowo

Sztuczna inteligencja: aktualny stan i perspektywy rozwoju

Sztuczna 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 szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA 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 szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Redakcja: Urszula Markowska-Kaczmar Halina Kwaśnicka SIECI NEURONOWE W ZASTOSOWANIACH. Praca zbiorowa

Redakcja: Urszula Markowska-Kaczmar Halina Kwaśnicka SIECI NEURONOWE W ZASTOSOWANIACH. Praca zbiorowa Redakcja: Urszula Markowska-Kaczmar Halina Kwaśnicka SIECI NEURONOWE W ZASTOSOWANIACH Praca zbiorowa Oficyna Wydawnicza Politechniki Wrocławskiej Wrocław 2005 3 Przedmowa 7 1 Sztuczne sieci neuronowe wprowadzenie

Bardziej szczegółowo

Wprowadzenie. Jacek Bartman. Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski

Wprowadzenie. Jacek Bartman. Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski Sztuczna inteligencja Wprowadzenie Jacek Bartman Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski INFORMACJE ORGANIZACYJNE Forma zajęć: Studia stacjonarne Wykłady 30h Laboratorium

Bardziej szczegółowo

Kraków, 14 marca 2013 r.

Kraków, 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 szczegółowo

Informatyka. Prowadzący: Dr inż. Sławomir Samolej D102 C, tel: 865 1766, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow.

Informatyka. Prowadzący: Dr inż. Sławomir Samolej D102 C, tel: 865 1766, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow. Informatyka Prowadzący: Dr inż. Sławomir Samolej D102 C, tel: 865 1766, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow.pl 1 Program zajęć Wykład: Wprowadzenie Budowa i działanie sprzętu komputerowego

Bardziej szczegółowo

Wstęp do Sztucznej Inteligencji

Wstęp do Sztucznej Inteligencji Wstęp do Sztucznej Inteligencji Wprowadzenie Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Definicja Sztuczna Inteligencja (Artificial Intelligence, AI) to dziedzina

Bardziej szczegółowo

Kierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia

Kierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia Studia pierwszego stopnia I rok Matematyka dyskretna 30 30 Egzamin 5 Analiza matematyczna 30 30 Egzamin 5 Algebra liniowa 30 30 Egzamin 5 Statystyka i rachunek prawdopodobieństwa 30 30 Egzamin 5 Opracowywanie

Bardziej szczegółowo

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013 http://www.wilno.uwb.edu.

Uniwersytet 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 szczegółowo

Wstęp do kognitywistyki

Wstęp do kognitywistyki Wstęp do kognitywistyki Wykład I: Kognitywistyka z lotu ptaka Piotr Konderak konsultacje: poniedziałki, 11:10-12:40, p. 205 Strona przedmiotu: http://konderak.eu/wkg10.html W historii intelektualnej wszystko

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. 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 szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład III: Psychologiczne modele umysłu Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe)

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

Przeszłość i przyszłość informatyki

Przeszłość i przyszłość informatyki Przeszłość i przyszłość informatyki Rodzaj zajęć: Wszechnica Popołudniowa Tytuł: Przeszłość i przyszłość informatyki Autor: prof. dr hab. Maciej M Sysło Redaktor merytoryczny: prof. dr hab. Maciej M Sysło

Bardziej szczegółowo

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia

Kierunek: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 Repetytorium z matematyki. 1 30 3 Środowisko programisty. 1 30 3 Komputerowy

Bardziej szczegółowo

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer.

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer. Wydział Informatyki i Nauki o Materiałach Kierunek Informatyka studia I stopnia inżynierskie studia stacjonarne 08- IO1S-13 od roku akademickiego 2015/2016 A Lp GRUPA TREŚCI PODSTAWOWYCH kod Nazwa modułu

Bardziej szczegółowo

Komputery. Komputery. Komputery PC i MAC Laptopy

Komputery. Komputery. Komputery PC i MAC Laptopy Komputery Komputery PC i MAC Laptopy 1 Spis treści: 1. Komputery PC i Mac...3 1.1 Komputer PC...3 1.2 Komputer Mac...3 2. Komputery przenośne...4 2.1 Laptop...4 2.2 Netbook...4 2.3 Tablet...5 3. Historia

Bardziej szczegółowo

Elementy Teorii Obliczeń

Elementy Teorii Obliczeń Wykład 2 Instytut Matematyki i Informatyki Akademia Jana Długosza w Częstochowie 10 stycznia 2009 Maszyna Turinga uwagi wstępne Maszyna Turinga (1936 r.) to jedno z najpiękniejszych i najbardziej intrygujacych

Bardziej szczegółowo

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski

Czy 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 szczegółowo

Algorytm. Słowo algorytm pochodzi od perskiego matematyka Mohammed ibn Musa al-kowarizimi (Algorismus - łacina) z IX w. ne.

Algorytm. Słowo algorytm pochodzi od perskiego matematyka Mohammed ibn Musa al-kowarizimi (Algorismus - łacina) z IX w. ne. 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 szczegółowo

Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej. Adam Meissner. Elementy uczenia maszynowego

Instytut 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 szczegółowo

Podstawy robotyki wykład I. Wprowadzenie Robot i jego historia

Podstawy robotyki wykład I. Wprowadzenie Robot i jego historia Podstawy robotyki Wykład I Wprowadzenie Robert Muszyński Janusz Jakubiak Instytut Informatyki, Automatyki i Robotyki Politechnika Wrocławska Kamienie milowe robotyki 1947 pierwszy teleoperator sterowany

Bardziej szczegółowo

Katedra Systemów Decyzyjnych. Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl

Katedra Systemów Decyzyjnych. Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl Katedra Systemów Decyzyjnych Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl 2010 Kadra KSD profesor zwyczajny 6 adiunktów, w tym 1 z habilitacją 4 asystentów 7 doktorantów Wydział Elektroniki,

Bardziej szczegółowo

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania

Zastosowanie 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 szczegółowo

Historia maszyn liczących

Historia maszyn liczących Historia maszyn liczących pierwsze potrzeby liczenia już w czasach, kiedy ludzie żyli w jaskiniach i lasach (religia, jesienne zbiory). Zaczęto liczyć nacięcia na drewnie, znaki na ścianach pierwszy kalendarz

Bardziej szczegółowo

2014-10-15. Historia komputera. Architektura komputera Historia komputera. Historia komputera. Historia komputera. Historia komputera

2014-10-15. Historia komputera. Architektura komputera Historia komputera. Historia komputera. Historia komputera. Historia komputera Architektura komputera dr inż. Tomasz Łukaszewski 1 2 500 p.n.e: pierwsze liczydło (abakus) Babilonia. 1614kostkiJohnaNapiera szkockiego matematyka pozwalające dodawać i odejmować 3 4 1621suwak logarytmicznyopracowany

Bardziej szczegółowo

Wstęp do Informatyki. dr inż. Paweł Pełczyński ppelczynski@swspiz.pl

Wstęp do Informatyki. dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Wstęp do Informatyki dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura 1. Brookshear, J. G. (2003). Informatyka w ogólnym zarysie. WNT, Warszawa. 3. Małecki, R. Arendt D. Bryszewski A. Krasiukianis

Bardziej szczegółowo

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 INFORMATYKA I STOPNIA studia stacjonarne 1 sem. PO-W08-INF- - -ST-Ii-WRO-(2015/2016) MAP003055W Algebra z geometrią analityczną A

Bardziej szczegółowo

Nowoczesne techniki informatyczne Program: 1. Sztuczna inteligencja. a) definicja; b) podział: Systemy ekspertowe Algorytmy ewolucyjne Logika rozmyta Sztuczne sieci neuronowe c) historia; 2. Systemy eksperckie

Bardziej szczegółowo

Technologie Informacyjne

Technologie Informacyjne page.1 Technologie Informacyjne Wersja: 4 z drobnymi modyfikacjami! Wojciech Myszka 2013-10-14 20:04:01 +0200 page.2 Cel zajęć Cele zajęć: Uaktualnienie i ujednolicenie wiedzy/terminologii oraz zdobycie

Bardziej szczegółowo

Z punktu widzenia kognitywisty: język naturalny

Z punktu widzenia kognitywisty: język naturalny Z punktu widzenia kognitywisty: język naturalny Wykład I: Czym jest język? http://konderak.eu/pwk13.html Piotr Konderak kondorp@bacon.umcs.lublin.pl p. 205, Collegium Humanicum konsultacje: czwartki, 11:10-12:40

Bardziej szczegółowo

Informatyka. Prowadzący: Dr inż. Sławomir Samolej D108A, tel: 865 1486, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow.

Informatyka. Prowadzący: Dr inż. Sławomir Samolej D108A, tel: 865 1486, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow. Informatyka Prowadzący: Dr inż. Sławomir Samolej D108A, tel: 865 1486, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow.pl 1 Program zajęć Wykład: Wprowadzenie Budowa i działanie sprzętu komputerowego

Bardziej szczegółowo

SIECI NEURONOWE Wprowadzenie

SIECI NEURONOWE Wprowadzenie SIECI NEURONOWE Wprowadzenie JOANNA GRABSKA-CHRZĄSTOWSKA Wykłady w dużej mierze przygotowane w oparciu o materiały i pomysły PROF. RYSZARDA TADEUSIEWICZA WYKŁADOWCA JOANNA GRABSKA CHRZĄSTOWSKA KATEDRA

Bardziej szczegółowo

S PECJALNO S C I NTELIGENTNE S YSTEMY D ECYZYJNE

S PECJALNO S C I NTELIGENTNE S YSTEMY D ECYZYJNE KATEDRA SYSTEMÓW DECYZYJNYCH POLITECHNIKA GDA N SKA S PECJALNO S C I NTELIGENTNE S YSTEMY D ECYZYJNE prof. dr hab. inz. Zdzisław Kowalczuk Katedra Systemów Decyzyjnych Wydział Elektroniki Telekomunikacji

Bardziej szczegółowo

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski Systemy ekspertowe i ich zastosowania Katarzyna Karp Marek Grabowski Plan prezentacji Wstęp Własności systemów ekspertowych Rodzaje baz wiedzy Metody reprezentacji wiedzy Metody wnioskowania Języki do

Bardziej szczegółowo

Wykład Ćwiczenia Laboratoriu m 30 30 1,5 1,5 WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI CELE PRZEDMIOTU

Wykład Ćwiczenia Laboratoriu m 30 30 1,5 1,5 WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI CELE PRZEDMIOTU Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim ELEMENTY TEORII GIER Nazwa w języku angielskim ELEMENTS OF GAME THEORY Kierunek studiów (jeśli dotyczy):

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z inteligentnymi

Bardziej szczegółowo

Pytania do egzaminu część historyczna [Na podstawie: http://www.historiainformatyki.za.pl/kalendarium.html]

Pytania do egzaminu część historyczna [Na podstawie: http://www.historiainformatyki.za.pl/kalendarium.html] Pytania do egzaminu część historyczna [Na podstawie: http://www.historiainformatyki.za.pl/kalendarium.html] 1500 Leonardo da Vinci wykonuje szkic prostego kalkulatora mechanicznego. 1600 John Napier buduje

Bardziej szczegółowo

Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań

Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Anna Manerowska, Michal Kozakiewicz 2.12.2009 1 Wstęp Jako projekt na przedmiot MEUM (Metody Ewolucyjne Uczenia Maszyn)

Bardziej szczegółowo

TOK STUDIÓW Kierunek: informatyka rok studiów: I studia stacjonarne pierwszego stopnia, rok akademicki 2014/2015. Forma zaliczen ia. egz. lab.

TOK STUDIÓW Kierunek: informatyka rok studiów: I studia stacjonarne pierwszego stopnia, rok akademicki 2014/2015. Forma zaliczen ia. egz. lab. Lp TOK TUDIÓW rok studiów: I studia stacjonarne pierwszego stopnia, rok akademicki 2014/2015 w ć w ko n lab EC T 1 Podstawy prawno-etyczne 15 1 x 2 Podstawy ekonomii 15 1 x 3 Repetytorium z matematyki

Bardziej szczegółowo

MindStorms SYMULACJE SPRZĘTOWE

MindStorms SYMULACJE SPRZĘTOWE MindStorms SYMULACJE SPRZĘTOWE Marek Kasperski 16 V 2004 Część I Umysł wcielony? Rewolucja kognitywna Klasyczna AI: (szachy, programy decyzyjne, dowodzenie twierdzeń). Lata 70.: pojawiają się nauki kognitywne

Bardziej szczegółowo

Teoria gier. dr Przemysław Juszczuk. Wykład 2 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego

Teoria gier. dr Przemysław Juszczuk. Wykład 2 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego Instytut Informatyki Uniwersytetu Śląskiego Wykład 2 - Gry o sumie zero Gry o sumie zero Dwuosobowe gry o sumie zero (ogólniej: o sumie stałej) były pierwszym typem gier dla których podjęto próby ich rozwiązania.

Bardziej szczegółowo

Programowanie. programowania. Klasa 3 Lekcja 9 PASCAL & C++

Programowanie. programowania. Klasa 3 Lekcja 9 PASCAL & C++ Programowanie Wstęp p do programowania Klasa 3 Lekcja 9 PASCAL & C++ Język programowania Do przedstawiania algorytmów w postaci programów służą języki programowania. Tylko algorytm zapisany w postaci programu

Bardziej szczegółowo

12:00 1 MAJA 2015, CZWARTEK

12:00 1 MAJA 2015, CZWARTEK Mój wymarzony zawód: 12:00 1 MAJA 2015, CZWARTEK Kacper Bukowski, Uczeń klasy III B Gimnazjum nr 164 z Oddziałami Integracyjnymi i Dwujęzycznymi im. Polskich Olimpijczyków w Warszawie www.kto-to-informatyk.pl

Bardziej szczegółowo

Umysł-język-świat 2012

Umysł-język-świat 2012 Umysł-język-świat 2012 Wykład II: Od behawioryzmu lingwistycznego do kognitywizmu w językoznawstwie Język. Wybrane ujęcia [Skinner, Watson i behawioryzm] Język jest zespołem reakcji na określonego typu

Bardziej szczegółowo

Filozofia w informatyce

Filozofia w informatyce Filozofia w informatyce Empiryczne aspekty informatyki (w kontekście badań nad sztuczną inteligencją) 6.12.2012 Paweł Polak (UPJPII, Centrum Kopernika Badań Interdyscyplinarnych) Zastrzegam, że rysunki

Bardziej szczegółowo

Model procesu dydaktycznego

Model procesu dydaktycznego Model procesu dydaktycznego w zakresie Business Intelligence Zenon Gniazdowski 1,2), Andrzej Ptasznik 1) 1) Warszawska Wyższa Szkoła Informatyki, ul. Lewartowskiego 17, Warszawa 2) Instytut Technologii

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. 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 szczegółowo

Matryca pokrycia efektów kształcenia

Matryca pokrycia efektów kształcenia Matryca pokrycia efektów kształcenia Matryca dla przedmiotów realizowanych na kierunku Informatyka (z wyłączeniem przedmiotów realizowanych w ramach specjalności oraz przedmiotów swobodnego wyboru) Efekty

Bardziej szczegółowo

Zatwierdzono na Radzie Wydziału w dniu 11 czerwca 2015 r.

Zatwierdzono na Radzie Wydziału w dniu 11 czerwca 2015 r. PLAN STUDIÓW DLA KIERUNKU INFORMATYKA STUDIA: INŻYNIERSKIE TRYB STUDIÓW: STACJONARNE Zatwierdzono na Radzie Wydziału w dniu 11 czerwca 201 r. Egzamin po semestrze Obowiązuje od naboru na rok akademicki

Bardziej szczegółowo

Współczesna problematyka klasyfikacji Informatyki

Współczesna problematyka klasyfikacji Informatyki Współczesna problematyka klasyfikacji Informatyki Nazwa pojawiła się na przełomie lat 50-60-tych i przyjęła się na dobre w Europie Jedna z definicji (z Wikipedii): Informatyka dziedzina nauki i techniki

Bardziej szczegółowo

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich)

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich) MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na

Bardziej szczegółowo

T2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01

T2A_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 szczegółowo

Opis efektów kształcenia dla modułu zajęć

Opis efektów kształcenia dla modułu zajęć Nazwa modułu: Formalne podstawy informatyki Rok akademicki: 2013/2014 Kod: EIB-1-220-s Punkty ECTS: 2 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Inżynieria Biomedyczna

Bardziej szczegółowo

Lista zagadnień kierunkowych pomocniczych w przygotowaniu do egzaminu dyplomowego magisterskiego Kierunek: Mechatronika

Lista zagadnień kierunkowych pomocniczych w przygotowaniu do egzaminu dyplomowego magisterskiego Kierunek: Mechatronika Lista zagadnień kierunkowych pomocniczych w przygotowaniu do Kierunek: Mechatronika 1. Materiały używane w budowie urządzeń precyzyjnych. 2. Rodzaje stali węglowych i stopowych, 3. Granica sprężystości

Bardziej szczegółowo

Programowanie deklaratywne

Programowanie deklaratywne Programowanie deklaratywne Artur Michalski Informatyka II rok Plan wykładu Wprowadzenie do języka Prolog Budowa składniowa i interpretacja programów prologowych Listy, operatory i operacje arytmetyczne

Bardziej szczegółowo

INSTYTUT NAUK EKONOMICZNYCH I INFORMATYKI Rozkład zajęć, Semestr zimowy, Kierunek INFORMATYKA PONIEDZIAŁEK

INSTYTUT NAUK EKONOMICZNYCH I INFORMATYKI Rozkład zajęć, Semestr zimowy, Kierunek INFORMATYKA PONIEDZIAŁEK PONIEDZIAŁEK Automaty i języki formalne (W) informatycznym (W) Algebra liniowa z geometrią 1 (W) dr R. Kamocki Automaty i języki formalne Analiza matematyczna 2 (W) Analiza matematyczna 2 informatycznym

Bardziej szczegółowo

Egzamin / zaliczenie na ocenę*

Egzamin / zaliczenie na ocenę* Zał. nr do ZW 33/01 WYDZIAŁ / STUDIUM KARTA PRZEDMIOTU Nazwa w języku polskim Optymalizacja systemów Nazwa w języku angielskim System optimization Kierunek studiów (jeśli dotyczy): Inżynieria Systemów

Bardziej szczegółowo

studia na WETI PG na kierunku automatyka i robotyka Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej 1

studia na WETI PG na kierunku automatyka i robotyka Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej 1 Dlaczego warto podjąć studia na WETI PG na kierunku automatyka i robotyka Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej 1 Automatyka i robotyka Konkurs punktów: język polski

Bardziej szczegółowo

Informatyka w medycynie Punkt widzenia kardiologa

Informatyka 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 szczegółowo

Praca dyplomowa magisterska

Praca dyplomowa magisterska KATEDRA WYTRZYMAŁOŚCI MATERIAŁÓW I METOD KOMPUTEROWYCH MECHANIKI Wydział Mechaniczny Technologiczny POLITECHNIKA ŚLĄSKA W GLIWICACH Praca dyplomowa magisterska Temat: Komputerowy system wspomagania wiedzy:

Bardziej szczegółowo

Inteligentne Multimedialne Systemy Uczące

Inteligentne Multimedialne Systemy Uczące Działanie realizowane w ramach projektu Absolwent informatyki lub matematyki specjalistą na rynku pracy Matematyka i informatyka może i trudne, ale nie nudne Inteligentne Multimedialne Systemy Uczące dr

Bardziej szczegółowo

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty

Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty Wstęp do sieci neuronowych laboratorium 01 Organizacja zajęć. Perceptron prosty Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2012-10-03 Projekt pn. Wzmocnienie potencjału

Bardziej szczegółowo

Powrót do przeszłości i przyszłości

Powrót do przeszłości i przyszłości Wykład 7 Powrót do przeszłości i przyszłości Krótka (bardzo) historia komputerów: ok. 2600 r. p.n.e. stosowano liczydła zwane abakusami IV w. p.n.e. Euklides w swoim fundamentalnym dziele Elementy podał

Bardziej szczegółowo

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie

Bardziej szczegółowo

Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia

Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia Wydział Matematyki i Informatyki Instytut Informatyki i

Bardziej szczegółowo

Sieci neuronowe. - wprowadzenie - Istota inteligencji. WYKŁAD Piotr Ciskowski

Sieci neuronowe. - wprowadzenie - Istota inteligencji. WYKŁAD Piotr Ciskowski Sieci neuronowe - wprowadzenie - Istota inteligencji WYKŁAD Piotr Ciskowski na dobry początek: www.mql4.com - championship 2007 - winners of the ATC 2007 - the ATC 2007 is over forex-pamm.com na dobry

Bardziej szczegółowo

Architektura Systemów Komputerowych. Paweł Pełczyński ppelczynski@swspiz.pl

Architektura Systemów Komputerowych. Paweł Pełczyński ppelczynski@swspiz.pl Architektura Systemów Komputerowych Paweł Pełczyński ppelczynski@swspiz.pl Program przedmiotu Struktura i zasada działania prostego systemu mikroprocesorowego Operacje wykonywane przez mikroprocesor i

Bardziej szczegółowo

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 INFORMATYKA I STOPNIA studia niestacjonarne 1 sem. PO-W08-INF- - -NZ-Ii-WRO-(2015/2016) MAP003056W Algebra z geometrią analityczną

Bardziej szczegółowo

Wstęp do Informatyki dla bioinformatyków

Wstęp do Informatyki dla bioinformatyków Wstęp do Informatyki dla bioinformatyków Wykład 1. Wstęp do Wstępu Bartek Wilczyński bartek@mimuw.edu.pl Po pierwsze - Formalności 2 kolokwia (po 15 pkt) początek XI i koniec XII Dwa programy zaliczeniowe:

Bardziej szczegółowo

Transformacja wiedzy w budowie i eksploatacji maszyn

Transformacja 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 szczegółowo

Jak Big Data rewolucjonizuje naukę oraz współpracę centrów badawczych z biznesem?

Jak Big Data rewolucjonizuje naukę oraz współpracę centrów badawczych z biznesem? Jak Big Data rewolucjonizuje naukę oraz współpracę centrów badawczych z biznesem? dr Łukasz Bolikowski ICM, Uniwersytet Warszawski Big Data Summit, 26 listopada 2014 Czwarty paradygmat Cztery paradygmaty

Bardziej szczegółowo

Efekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej

Efekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej Efekty na kierunku AiR drugiego stopnia - Wiedza K_W01 K_W02 K_W03 K_W04 K_W05 K_W06 K_W07 K_W08 K_W09 K_W10 K_W11 K_W12 K_W13 K_W14 Ma rozszerzoną wiedzę dotyczącą dynamicznych modeli dyskretnych stosowanych

Bardziej szczegółowo

Dwuletnie studia indywidualne II stopnia na kierunku fizyka, specjalność Metody fizyki w ekonomii (ekonofizyka)

Dwuletnie studia indywidualne II stopnia na kierunku fizyka, specjalność Metody fizyki w ekonomii (ekonofizyka) Dwuletnie studia indywidualne II stopnia na kierunku fizyka, specjalność Metody fizyki w ekonomii (ekonofizyka) 1. CHARAKTERYSTYKA STUDIÓW Celem kształcenia w ramach specjalności Metody fizyki w ekonomii

Bardziej szczegółowo

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym POLITECHNIKA WARSZAWSKA Instytut Technik Wytwarzania Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym Marcin Perzyk Dlaczego eksploracja danych?

Bardziej szczegółowo

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel według przewidywań internetowego magazynu ZDNET News z 8 lutego 2001 roku eksploracja danych (ang. data mining ) będzie jednym z najbardziej rewolucyjnych osiągnięć następnej dekady. Rzeczywiście MIT Technology

Bardziej szczegółowo

Sylabus. Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data

Sylabus. Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data Sylabus Nazwa przedmiotu (w j. polskim i angielskim) Nazwisko i imię prowadzącego (stopień i tytuł naukowy) Zaawansowana analiza danych eksperymentalnych Advanced analysis of experimental data dr Grzegorz

Bardziej szczegółowo

PRACA ZALICZENIOWA Z WORDA

PRACA ZALICZENIOWA Z WORDA PRACA ZALICZENIOWA Z WORDA Wykonał: mgr Henryk Janeczek Olesno, 2011 Test zaliczeniowy z Worda spis treści Numerowanie, punktory.. 3 Tabela. 4 Tekst wielokolumnowy, grafika... 5 Tekst matematyczny, rysunki,

Bardziej szczegółowo

Jak liczono dawniej? 1

Jak liczono dawniej? 1 Jak liczono dawniej? 1 SPIS TREŚCI PALCE... 3 KAMIENIE... 4 SYSTEM KARBOWY... 5 ABAKUS:... 6 MECHANICZNY KALKULATOR LEONARDA DA VINCI:... 7 TABLICE NAPIERA:... 8 SUWAK LOGARYTMICZNY:... 9 MECHANICZNY KALKULATOR

Bardziej szczegółowo

Metody Inteligencji Sztucznej i Obliczeniowej

Metody Inteligencji Sztucznej i Obliczeniowej Metody Inteligencji Sztucznej i Obliczeniowej Wojciech Jaśkowski Instytut Informatyki, Politechnika Poznańska 6 marca 2015 Prowadzący dr inż. Wojciech Jaśkowski, wojciech.jaskowski@cs.put.poznan.pl, p.

Bardziej szczegółowo

Zał. nr 3 do ZW 33/2012 Zał. Nr 1 do Programu studiów. Obowiązuje od 01.10.2012 r. *niepotrzebne skreślić

Zał. nr 3 do ZW 33/2012 Zał. Nr 1 do Programu studiów. Obowiązuje od 01.10.2012 r. *niepotrzebne skreślić Zał. nr 3 do ZW 33/2012 Zał. Nr 1 do Programu studiów PLAN STUDIÓW WYDZIAŁ: ELEKTRYCZNY KIERUNEK: AUTOMATYKA I ROBOTYKA POZIOM KSZTAŁCENIA: I / II * stopień, studia licencjackie / inżynierskie / magisterskie*

Bardziej szczegółowo

Wstęp do Informatyki i Programowania (kierunek matematyka stosowana)

Wstęp do Informatyki i Programowania (kierunek matematyka stosowana) Wstęp do Informatyki i Programowania (kierunek matematyka stosowana) Jacek Cichoń Przemysław Kobylański Instytut Matematyki i Informatyki Politechnika Wrocławska Na podstawie: M.Summerfield.Python 3. Kompletne

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Algorytmy i programowanie Algorithms and Programming Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: kierunkowy Poziom studiów: studia I stopnia forma studiów: studia

Bardziej szczegółowo

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie

Bardziej szczegółowo

Metody wnioskowania. Wnioskowanie w przód (ang. forward chaining) Wnioskowanie w tył (ang. Backward chaining) Od przesłanki do konkluzji Np..

Metody wnioskowania. Wnioskowanie w przód (ang. forward chaining) Wnioskowanie w tył (ang. Backward chaining) Od przesłanki do konkluzji Np.. Systemy regułowe Metody wnioskowania Wnioskowanie w przód (ang. forward chaining) Od przesłanki do konkluzji Np.. CLIPS Wnioskowanie w tył (ang. Backward chaining) Czyli od konkluzji do przesłanki Np..

Bardziej szczegółowo

Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie

Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie dr hab. Grzegorz Bartoszewicz, prof. nadzw. UEP Katedra Informatyki Ekonomicznej Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie Tematyka seminarium związana jest z wykorzystaniem

Bardziej szczegółowo

55 lat sztucznej inteligencji

55 lat sztucznej inteligencji 55 lat sztucznej inteligencji Na długo przed powstaniem komputerów, w połowie XIII wieku Ramon Lull, kataloński franciszkanin, filozof i teolog, pisał w traktacie O rzeczach wiekich, ogólnych i ostatecznych

Bardziej szczegółowo

Algorytmy i schematy blokowe

Algorytmy i schematy blokowe Algorytmy i schematy blokowe Algorytm dokładny przepis podający sposób rozwiązania określonego zadania w skończonej liczbie kroków; zbiór poleceń odnoszących się do pewnych obiektów, ze wskazaniem porządku,

Bardziej szczegółowo

Odniesienie do obszarowych efektów kształcenia 1 2 3. Kierunkowe efekty kształcenia WIEDZA (W)

Odniesienie do obszarowych efektów kształcenia 1 2 3. Kierunkowe efekty kształcenia WIEDZA (W) EFEKTY KSZTAŁCENIA NA KIERUNKU "MECHATRONIKA" nazwa kierunku studiów: Mechatronika poziom kształcenia: studia pierwszego stopnia profil kształcenia: ogólnoakademicki symbol kierunkowych efektów kształcenia

Bardziej szczegółowo

INFORMATYKA Pytania ogólne na egzamin dyplomowy

INFORMATYKA Pytania ogólne na egzamin dyplomowy INFORMATYKA Pytania ogólne na egzamin dyplomowy 1. Wyjaśnić pojęcia problem, algorytm. 2. Podać definicję złożoności czasowej. 3. Podać definicję złożoności pamięciowej. 4. Typy danych w języku C. 5. Instrukcja

Bardziej szczegółowo

Programowanie komputerów

Programowanie komputerów Programowanie komputerów Wykład 1-2. Podstawowe pojęcia Plan wykładu Omówienie programu wykładów, laboratoriów oraz egzaminu Etapy rozwiązywania problemów dr Helena Dudycz Katedra Technologii Informacyjnych

Bardziej szczegółowo

PLAN STUDIÓW STACJONARNYCH PIERWSZEGO STOPNIA

PLAN STUDIÓW STACJONARNYCH PIERWSZEGO STOPNIA MATEMATYKA STOSOANA PLAN STUDIÓ STACJONARNYCH PIERSZEGO STOPNIA semestr: 1. w grupach 14.4- -060 prowadzenie do psychologii 15 15 30 2 S-PP/OH 11.1- -810 stęp do logiki i teorii mnogości 30 30 60 1 8 P1

Bardziej szczegółowo