„Mesterséges intelligencia” változatai közötti eltérés
Nincs szerkesztési összefoglaló |
Nincs szerkesztési összefoglaló |
||
| 6. sor: | 6. sor: | ||
|kredit=3 | |kredit=3 | ||
|félév=5 | |félév=5 | ||
|kereszt= | |kereszt=nincs | ||
|tanszék=MIT | |tanszék=MIT | ||
|jelenlét= | |jelenlét= | ||
| 12. sor: | 12. sor: | ||
|labor= | |labor= | ||
|kiszh= | |kiszh= | ||
|nagyzh= | |nagyzh=2 db | ||
|hf=3 db | |hf=3 db | ||
|vizsga= | |vizsga= | ||
| 56. sor: | 56. sor: | ||
==Segédanyagok== | ==Segédanyagok== | ||
* [https://docs.google.com/document/d/1Iv4O0vthAugr0eIghOuKkXKTxE-BB72dlL9icwa835k/edit# Oktató által kiadott kérdések kidolgozása (2016)] | * [https://docs.google.com/document/d/1Iv4O0vthAugr0eIghOuKkXKTxE-BB72dlL9icwa835k/edit# Oktató által kiadott kérdések kidolgozása (2016)] | ||
* [http://mialmanach.mit.bme.hu/ Mesterséges intelligencia könyv] | [http://www.tankonyvtar.hu/hu/tartalom/tamop425/0026_mi_4_4/adatok.html epub, pdf formátumok] | * [http://mialmanach.mit.bme.hu/aima/index Mesterséges intelligencia könyv] | [http://www.tankonyvtar.hu/hu/tartalom/tamop425/0026_mi_4_4/adatok.html epub, pdf formátumok] | ||
* [http:// | * [http://mialmanach.mit.bme.hu/neuralis/index Neurális hálózatok könyv] | ||
* 2018 őszi előadásdiák: | |||
** [[Média:mi_eloadasdia_2018osz_1.pdf|Intelligens ágensek]] | |||
** [[Média:mi_eloadasdia_2018osz_2.1.1.pdf|Problémamegoldás kereséssel 1.]] | |||
** [[Média:mi_eloadasdia_2018osz_2.1.2.pdf|Problémamegoldás kereséssel 2.]] | |||
** [[Média:mi_eloadasdia_2018osz_2.2.pdf|Kényszerkielégítési problémák]] | |||
** [[Média:mi_eloadasdia_2018osz_3.1.pdf|Lokális keresés, döntések jellemzése 1.]] | |||
** [[Média:mi_eloadasdia_2018osz_3.2.pdf|Lokális keresés, döntések jellemzése 2.]] | |||
** [[Média:mi_eloadasdia_2018osz_4.1.pdf|Egyszerű döntés (döntési fa) tanulás]] | |||
** [[Média:mi_eloadasdia_2018osz_4.2.1.pdf|Valószínűleg Közelítően Helyes 1.]] | |||
** [[Média:mi_eloadasdia_2018osz_4.2.2.pdf|Valószínűleg Közelítően Helyes 2.]] | |||
** [[Média:mi_eloadasdia_2018osz_5.pdf|Logikai ágens, ítéletlogika]] | |||
** [[Média:mi_eloadasdia_2018osz_6.1.pdf|Elsőrendű logika]] | |||
** [[Média:mi_eloadasdia_2018osz_6.2.pdf|Cselekvéstervezés]] | |||
** [[Média:mi_eloadasdia_2018osz_8.1.pdf|Bizonytalanság kezelése]] | |||
** [[Média:mi_eloadasdia_2018osz_8.2.pdf|Valószínűségi hálók, Naiv Bayes-háló]] | |||
** [[Média:mi_eloadasdia_2018osz_9.pdf|Következtetés Bayes-hálókban]] | |||
** [[Média:mi_eloadasdia_2018osz_10.1.pdf|Neurális hálók]] | |||
** [[Média:mi_eloadasdia_2018osz_10.2.pdf|Neurális hálók tanítása]] | |||
** [[Média:mi_eloadasdia_2018osz_12.1.pdf|Szekvenciális döntések]] | |||
** [[Média:mi_eloadasdia_2018osz_12.2.pdf|Megerősítéses tanulás]] | |||
** [[Média:mi_eloadasdia_2018osz_14.pdf|Nem ellenőrzött tanulás, klaszterezés]] | |||
* [http://www.inf.u-szeged.hu/~szorenyi/MestInt/ szegedi egyetem gyakorlat honlapja] | * [http://www.inf.u-szeged.hu/~szorenyi/MestInt/ szegedi egyetem gyakorlat honlapja] | ||
* [[Média:MI_osszefoglalo.pdf|Összefoglaló pdf]]: [[MIOsszefoglalo]] kiegészítve majdnem végig a 2005/06 őszi féléves fóliáik alapján (kisebb hiányok vannak, formázásra szorul) | * [[Média:MI_osszefoglalo.pdf|Összefoglaló pdf]]: [[MIOsszefoglalo]] kiegészítve majdnem végig a 2005/06 őszi féléves fóliáik alapján (kisebb hiányok vannak, formázásra szorul) | ||
| 72. sor: | 93. sor: | ||
* [[Média:Mi_gyak_tanulas.pdf|Tanulásos feladatok]] | * [[Média:Mi_gyak_tanulas.pdf|Tanulásos feladatok]] | ||
* [[Média:Mi_gyak_rezolucio.pdf|Rezolúciós feladatok]] | * [[Média:Mi_gyak_rezolucio.pdf|Rezolúciós feladatok]] | ||
* [[Media:mi_gyak_2018_neuralis-halok.pdf|Neurális hálózatok gyakorlati bemutatása]] | |||
* [[Media:mi_ellenorzokerdesek_2018_logika.pdf|Ellenőrző kérdések elsőrendű logikához]] | |||
* [[Media:mi_ellenorzokerdesek_2018_bayes.pdf|Ellenőrző kérdések Bayes-hálókhoz]] | |||
* [[Media:mi_ellenorzokerdesek_2018_megerositeses-tanulas.pdf|Ellenőrző kérdések megerősítéses tanuláshoz]] | |||
* [[Media:mi_ellenorzokerdesek_2018_szekvencialis-megerosites.pdf|Ellenőrző kérdések szekvenciális döntések és megerősítéses tanuláshoz]] | |||
2017/őszi hivatalos gyakorló feladatsorok: | 2017/őszi hivatalos gyakorló feladatsorok: | ||
| 97. sor: | 125. sor: | ||
==Házi== | ==Házi== | ||
A házi feladatokat a tárgy [https://hf.mit.bme.hu/hallgato/vimiac10 házifeladat portálján] kell beadni, de a [http://www.mit.bme.hu/oktatas/targyak/vimiac10/hazi-feladat 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== | ==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. | |||
* [[Media:mi_mintazh_2018osz.pdf|2018-ban kiadott minta ZH]] | |||
* [[Media:mi_mintapotzh_2018osz.pdf|2018-ban kiadott minta pótZH]] | |||
{{Rejtett | {{Rejtett | ||
|mutatott='''Régi képzés ZH-k''' | |mutatott='''Régi képzés ZH-k''' | ||
A lap 2018. december 28., 13:33-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 | |
