„Mesterséges intelligencia” változatai közötti eltérés
Nincs szerkesztési összefoglaló |
aNincs szerkesztési összefoglaló |
||
| 40. sor: | 40. sor: | ||
Ponthatárok: | Ponthatárok: | ||
:{| class="wikitable" style="text-align: center; width: | :{| class="wikitable" style="text-align: center; width: 120px; height: 40px;" | ||
!Pont!!Jegy | !Pont!!Jegy | ||
|- | |- | ||
A lap 2020. augusztus 7., 22:32-kori változata
Ez az új tanterv tárgya, a régiért lásd: Mesterséges intelligencia (régi)
A tantárgy célkitűzése a mesterséges intelligencia területének rövid, ám igényes bemutatása. A felvezetés lépései: (1) az intelligens viselkedés számítási modellekkel való kifejezés problémaköre, (2) a mesterséges intelligencia formális és heurisztikus módszereinek elemzése és alkalmazása, (3) a gyakorlati megvalósítások módszerei és problémái.
A tárgy az informatikus hallgatók azokat a képességeit fejleszti, melyek révén képesek lesznek:
- tanulmányozni számítógép újszerű használatát,
- fejleszteni hatékony módszereket számítási problémák megoldására,
- megérteni számítástechnika/-tudomány technológiai / koncepcionális korlátjait
- intellektuálisan megérteni az algoritmus központi szerepét az informatikai rendszerekben.
A tárgy 2017 őszétől újabb változáson ment keresztül, ennek részletei a tantárgyi oldalon olvashatóak.
Követelmények
A félévközi jegy megszerzésének feltételei:
- A 2db egyenként 32 pontos zárthelyi (min. 40% = 25 pont) sikeres teljesítése
- Az elérhető 64(ZH) + 3*12(HF) = 100 pont 40%-nak megszerzése
- A félévben három, egyenként 12 pontos házi feladat adható be
Ponthatárok:
Pont Jegy 0 - 39 1 40 - 49 2 50 - 64 3 65 - 79 4 80 - 100 5
Segédanyagok
- Oktató által kiadott kérdések kidolgozása (2016)
- Mesterséges intelligencia könyv | epub, pdf formátumok
- Neurális hálózatok könyv
- 2018 őszi előadásdiák:
- Intelligens ágensek
- Problémamegoldás kereséssel 1.
- Problémamegoldás kereséssel 2.
- Kényszerkielégítési problémák
- Lokális keresés, döntések jellemzése 1.
- Lokális keresés, döntések jellemzése 2.
- Egyszerű döntés (döntési fa) tanulás
- Valószínűleg Közelítően Helyes 1.
- Valószínűleg Közelítően Helyes 2.
- Logikai ágens, ítéletlogika
- Elsőrendű logika
- Cselekvéstervezés
- Bizonytalanság kezelése
- Valószínűségi hálók, Naiv Bayes-háló
- Következtetés Bayes-hálókban
- Neurális hálók
- Neurális hálók tanítása
- Szekvenciális döntések
- Megerősítéses tanulás
- Nem ellenőrzött tanulás, klaszterezés
- szegedi egyetem gyakorlat honlapja
- Összefoglaló pdf: MIOsszefoglalo kiegészítve majdnem végig a 2005/06 őszi féléves fóliáik alapján (kisebb hiányok vannak, formázásra szorul)
- Mesterséges Intelligencia könyv fejezeteinek kivonata: Összefoglaló
- SZTE-ről jó cuccok:
- 2016-17-es közös feladatmegoldós doksi
- 2017-18 őszi közös feladatmegoldós doksi
Hivatalos gyakorló feladatok:
Ahol kifejezetten a saját példa használatát kérjük (értelemszerűen sem könyvben, sem előadáson nem szerepelt), ott a nem saját példa használata a pontszám levonásával (50%) jár.
- Ellenőrző kérdések elsőrendű logikához
- Ellenőrző kérdések Bayes-hálókhoz
- Ellenőrző kérdések megerősítéses tanuláshoz
- Ellenőrző kérdések szekvenciális döntések és megerősítéses tanuláshoz
2017/őszi hivatalos gyakorló feladatsorok:
- Gyakorló feladatok a(z) 1-3. előadásokhoz
- Gyakorló feladatok a(z) 4-6. előadásokhoz
- Gyakorló feladatok a(z) 7-8. előadásokhoz
Keresési algoritmusok
Egybe : All in One
Házi
A házi feladatokat a tárgy házifeladat portálján kell beadni, de a házi feladat kiírások a tárgyhonlapon érhetőek el.
Általában 3 házit adnak ki, amik kapcsolódnak a tananyaghoz. 2018-ban egy nagyméretű labirintust kellett hatékonyan bejárni, Twitter üzenetek pozitív/negatív jellegeit kitalálni, illetve egy neurális háló építésével egy kémiai adatbázis tanulása után kritikus hőmérsékleteket becsülni. A programokban használt algoritmus nincs szorosan kikötve, de az egyszerű megoldás érdekében javasolnak a feladatban módszereket (pl. szélességi keresés, naiv Bayes-háló, backpropagation-alapú neurális háló.
A házi feladatok nem túl nehezek, de azért sok időt el tudnak venni. Általában a tanult algoritmusok alapszintű implementálása nem elegendő a maximális pont eléréséhez, önmagadtól is ki kell találni valami trükközést, ami hatékonyabbá teszi a programot.
Ha a feladat jellege lehetővé teszi, javasolt, hogy elsőnek az adatok reprezentációjára találj valamilyen módszert, ez ugyanis nagyban segíti a munkádat. Pl. a labirintusos feladatnál pár perc alatt összedobható egy kis program (pl. HTML/JS alapokon), ami kijelzi a labirintus táblázatát, a lépkedéseket pedig időközönként jeleníti meg. Sokkal könnyebb így megkeresni, hol csúszik félre az algoritmusod, mint konzolban szöveges alapon keresgélni a rengeteg adat közül.
A házi feladatot tesztelő portál most még (2018) nem túl intelligens. Nagyon kevés információt ír ki a hibákról, alapesetben a ki- és kimeneti adatokat se jeleníti meg. Ha szükséged van a tesztadatokra, írd ki stderr-re, akkor bár abortál a program, az adatokat láthatod. Néha beakad a kiértékelés, ilyenkor segíthet, ha újra feltöltöd ugyanazt a megoldást, így újraindul a kiértékelés.
ZH
A tárgyhoz tartozó 2 ZH nem túl nehéz. Kevés gyakorlat van a tárgyhoz, ezt figyelembe is veszik a ZH-n. A néhány kiadott gyakorló feladatokat alaposan meg kell érteni. Ha az elméletet jól megérted, sok feladat megoldása egyszerűen kitalálható még úgy is, hogy nem adtak hozzá gyakorló feladatot. A ZH-k igaz-hamis részel kezdődnek, ahol rossz válasz esetén pontot is veszthetsz. Érdemes az alap összefüggéseket megérteni, akkor könnyen hozhatók a ZH.
- 2009:
- ZH feladatsorok: A csoport
Kedvcsináló
| Bevezetők | |
|---|---|
| 1. félév | |
| 2. félév | |
| 3. félév | |
| 4. félév | |
| 5. félév | |
| 6. félév | |
| 7. félév | |
