ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

Τεχνητή Νοημοσύνη

1. ΓΕΝΙΚΑ

ΣΧΟΛΗ Σχολή Μηχανικών
ΤΜΗΜΑ Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ %cf%80%ce%bb%ce%b509082 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 9ο
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Τεχνητή Νοημοσύνη
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων. 		ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
Διαλέξεις 2 5
Ασκήσεις Πράξης 1
Εργαστηριακές Ασκήσεις 1
Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο 4.    
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ
Γενικής Υποδομής (ΓΥ),Ειδικής Υποδομής (ΕΥ), Γενικών Γνώσεων (ΓΓΔ) και Επιστημονικής Περιοχής (ΔΔΤΝ, ΕΔ, ΕΥΣ, ΗΛ, ΠΑ) . 		 Ειδίκευσης
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:  
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:  Ελληνικά
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS Όχι
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

2. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα
Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες  γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος.

Σκοπός του μαθήματος είναι να εισάγει στην επιστημονική περιοχή της Τεχνητής Νοημοσύνης παρουσιάζοντας την ιστορική εξέλιξη αυτής, μελετώντας ώριμες τεχνολογίες, και περιγράφοντας σύγχρονες τάσεις αναφορικά σε ένα ευρύ φάσμα πρακτικών εφαρμογών. Συγκεκριμένα:

Η ύλη του μαθήματος στοχεύει στην εισαγωγή των σπουδαστών σε βασικές τεχνικές αναζήτησης, στην περιγραφή, καθώς και στον συνδυασμό αυτών. Έμφαση δίδεται στην αναγνώριση πρακτικών προβλημάτων όπου μπορούν να εφαρμοστούν τεχνικές αναζήτησης όπως σε παιγνίδια δύο αντιπάλων, σε προβλήματα ικανοποίησης περιορισμών, κλπ.

Επίσης, στόχος είναι η περιγραφή αναπαραστάσεων γνώσης, διάφορες συλλογιστικές,  καθώς και η περιγραφή και διάκριση διαφόρων τεχνολογιών/τεχνικών χειρισμού αβέβαιης γνώσης.

Τέλος, στόχο του μαθήματος αποτελεί η αναγνώριση από τους σπουδαστές σύγχρονων πεδίων εφαρμογών μεθόδων της τεχνητής νοημοσύνης με έμφαση στο διαδίκτυο.

Με αυτή την έννοια το μάθημα αποτελεί τη βάση πάνω στην οποία συγκεκριμένες μεθοδολογίες και τεχνικές αναπτύσσονται σε επί μέρους ειδικά μαθήματα της κατεύθυνσης.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:

  • Μπορεί να περιγράψει ένα πρόβλημα αναζήτησης (α) στο χώρο των καταστάσεων και (β) με επαγωγή.
  • Μπορεί να επιλέγει έναν κατάλληλο αλγόριθμο αναζήτησης για εφαρμογή σε ένα συγκεκριμένο πρόβλημα τεχνητής νοημοσύνης.
  • Μπορεί να περιγράψει ποικίλες αναπαραστάσεις γνώσης.
  • Μπορεί να αναγνωρίσει διάφορες συλλογιστικές.
  • Μπορεί να διακρίνει διάφορους τύπους αβέβαιης γνώσης και να κάνει κάποιους βασικούς υπολογισμούς με κάθε τύπο αβέβαιης γνώσης.
  • Μπορεί να επιλέξει έναν συνδυασμό κατάλληλων μεθοδολογιών τεχνητής νοημοσύνης για εφαρμογή σε σύγχρονα πεδία όπως το διαδίκτυο.
Γενικές Ικανότητες
Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;.
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών με τη χρήση και των απαραίτητων τεχνολογιών - Προσαρμογή σε νέες καταστάσεις - Λήψη αποφάσεων - Αυτόνομη εργασία - Ομαδική εργασία - Εργασία σε διεθνές περιβάλλον - Εργασία σε διεπιστημονικό περιβάλλον - Παράγωγή νέων ερευνητικών ιδεών Σχεδιασμός και διαχείριση έργων - Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα - Σεβασμός στο φυσικό περιβάλλον - Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου - Άσκηση κριτικής και αυτοκριτικής - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών.
  • Προσαρμογή σε νέες καταστάσεις.
  • Λήψη αποφάσεων.
  • Αυτόνομη Εργασία.
  • Ομαδική Εργασία.
  • Παραγωγή νέων ερευνητικών ιδεών.
  • Παραγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

3. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

  • Εισαγωγή στο αντικείμενο. Συσχέτιση με άλλες επιστημονικές περιοχές. Απαρίθμηση των βασικών εργαλείων.
  • Περιγραφή (α) στο χώρο των καταστάσεων και (β) με επαγωγή, και παραδείγματα.
  • Μελέτη αλγόριθμων αναζήτησης, π.χ. κατά βάθος, κατά πλάτος, «τυφλή» αναζήτηση, «ευριστική» αναζήτηση, κ.λπ.
  • Εφαρμογές αλγόριθμων αναζήτησης σε παιγνίδια δύο αντιπάλων.
  • Αλγόριθμοι ελέγχου συνέπειας.
  • Αναπαραστάσεις γνώσης, συλλογιστικές και χειρισμός αβέβαιης γνώσης.
  • Θεωρία πιθανοτήτων με έμφαση στο θεώρημα του Bayes και στην προσέγγιση Dempster-Shafer.
  • Ασαφή σύνολα, ασαφής λογική και εφαρμογές αυτών.
  • Πράκτορες και σημασιολογικό διαδίκτυο.

4. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.
  • Θεωρητική διδασκαλία, ανάπτυξη της ύλης στον πίνακα – χρήση διαφανειών.
  • Εργαστηριακές ασκήσεις με χρήση H/Y.
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές
  • Χρήση εξειδικευμένου λογισμικού.
  • Υποστήριξη της μαθησιακής διαδικασίας μέσω της ιστοσελίδας του μαθήματος.
  • Ηλεκτρονική επικοινωνία (email) κατά τις ανάγκες.
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη & ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ. Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης ώστε ο συνολικός φόρτος εργασίας σε επίπεδο εξαμήνου να αντιστοιχεί στα standards του ECTS

Οργάνωση Διδασκαλίας

ΔραστηριότηταΦόρτος εργασίας εξαμήνου
Διαλέξεις30
Ασκήσεις Πράξης15
Εργαστηριακές Ασκήσεις25
Μελέτη Βιβλιογραφίας15
Εκπόνηση Μελέτης (project)40
Σύνολο125
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ
Περιγραφή της διαδικασίας αξιολόγησης Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες. Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές.

I. Γραπτή τελική εξέταση (70%) που περιλαμβάνει επίλυση προβλημάτων.
II. Τελική Εξέταση Εργαστηρίων (30%) που περιλαμβάνει επίλυση προβλημάτων.

Σημειώνεται ότι ο φοιτητής θα πρέπει να έχει παρακολουθήσει επιτυχώς το εργαστηριακό μέρος για να έχει δικαίωμα εξέτασης στο θεωρητικό μέρος. Τα κριτήρια αξιολόγησης έχουν ως εξής:

  • Ικανότητα Ανάλυσης Προβλήματος.
  • Ικανότητα Σχεδιασμού Λύσεων.
  • Ικανότητα Υλοποίησης Λύσεων.

Προφορική τελική εξέταση (100%), για όσους έχουν πρόβλημα δυσλεξίας.

5. ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Συγγράμματα

  1. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου, Τεχνητή Νοημοσύνη, Εκδόσεις Πανεπιστημίου Μακεδονίας, 2011.
  2. S. Russell, P. Norvig, Τεχνητή Νοημοσύνη: Μια Σύγχρονη Προσέγγιση, Εκδόσεις Κλειδάριθμος, 2005 (Επιμέλεια ελληνικής έκδοσης: Γιάννης Ρεφανίδης).

Συναφή επιστημονικά περιοδικά

  1. Artificial Intelligence.
  2. Artificial Intelligence in Engineering.
  3. IEEE Intelligent Systems.
  4. Information Sciences.
  5. IEEE Transactions on Pattern Analysis and Machine Intelligence.
  6. Cognitive Systems Research.
  7. Engineering Applications of Artificial Intelligence.
  8. Expert Systems with Applications.
  9. Pattern Recognition.
  10. Pattern Recognition Letters.