Τεχνητή Νοημοσύνη (Θ) (Ν1-6010-TH)

Πληροφορίες

Περιεχόμενα Μαθήματος/ Ενότητες

Περιεχόμενο μαθήματος

 1. Εισαγωγή στην Τεχνητή Νοημοσύνη

 2. Επίλυση προβλημάτων

 3. Αλγόριθμοι Αναζήτηση Λύσης

 4. Τυφλοί Αλγόριθμοι Αναζήτησης

 5. Ευριστικοί Αλγόριθμοι Αναζήτησης

 6. Αναπαράσταση Γνώσης και Συλλογιστική

 7. Συστήματα βασισμένα στη Γνώση

 8. Έμπειρα Συστήματα

 9. Μηχανική Μάθηση - Δένδρα Αποφάσεων

 10. Αλγόριθμοι Αναζήτηση Λύσης

 11. Νευρωνικά Δίκτυα

 12. Γενετικοί Αλγόριθμοι

 13. Ευφυείς Πράκτορες

 14. Επεξεργασία Φυσικής Γλώσσας

Μαθησιακοί Στόχοι Μαθήματος

Μαθησιακοί στόχοι

Στόχος του μαθήματος είναι οι φοιτητές  να αποκτήσουν γνώσεις που θα οδηγήσουν σε πρακτική εφαρμογή σε χώρους όπως τρόποι αναπαράστασης της γνώσης, τεχνικές αναζήτησης λύσεων σε προβλήματα και τεχνικές εξαγωγής συμπερασμάτων και να αποκτήσουν ακαδημαϊκές γνώσεις για θέματα που απασχολούν σήμερα το χώρο της τεχνητής νοημοσύνης, όπως ο χώρος της μηχανικής μάθησης και των νοημόνων  πρακτόρων.. Πιο συγκεκριμένα, μετά την ολοκλήρωση μετά την ολοκλήρωση του μαθήματος οι σπουδαστές θα είναι ικανοί να περιγράφουν προβλήματα και να αναπαριστούν τη σχετική γνώση με τυπικούς τρόπους, να εφαρμόζουν τυφλούς και ευριστικούς αλγόριθμους για την επίλυση προβλημάτων, να σχεδιάζουν έμπειρα συστήματα για την επίλυση προβλημάτων, να κατανοούν τη διαχείριση αβεβαιότητας και ασαφούς γνώσης μέσα σε προβλήματα, να περιγράφουν τον τρόπο λειτουργίας των συστημάτων μηχανικής μάθησης όπως δένδρα παραγωγής, νευρωνικά δίκτυα και γενετικοί αλγόριθμοι, να κατανοούν το σχεδιασμό και τον τρόπο λειτουργίας των νοημόνων πρακτόρων.

Προαπαιτούμενα/ Προαπαιτούμενες γνώσεις

Προαπαιτούμενα

Βασικές Γνώσεις Δομών Δεδομένων και Αλγόριθμων και Πολυπλοκότητας.

Επιπλέον συνιστώμενη βιβλιογραφία και υλικό προς μελέτη

Βιβλιογραφία

Βιβλία- κείμενα

  • Βλαχάβας Ι., Κεφαλάς Π., Βασιλειάδης Ν., Ρεφανίδης Ι., Κοκκοράς Φ., Σακελλαρίου Η., Τεχνητή Νοημοσύνη, 3η έκδοση, Β. Γκιούρδας Εκδοτική, 2006.
  • Russell, Stuart J., Norvig, Peter, Τεχνητή νοημοσύνη .μια σύγχρονη προσέγγιση, Αθήνα .Κλειδάριθμος, 2007.
  • Dean Τ., Allen J., Allimonos Y., Artificial Intelligence, Theory and Practice, Benjamin Cummings, 1995.
  • Finlay J., Dix A., An Introduction to Artificial Intelligence, UCL Press, 1996.
  • Rich E., Knight K., Artificial Intelligence, 2nd ed., McGraw-Hill, 1992.
  • Winston P.H., Artificial Intelligence, 3rd ed., Addison-Wesley, 1992.
  • Nilsson N., Artificial Intelligence.A New Synthesis, Morgan Kaufmann, 1998.
  • Schalkoff R.J., Artificial Intelligence.An Engineering Approach, McGraw-Hill, 1990.
  • Charniak E., Dermott D.M., Introduction to Artificial Intelligence, Addison-Wesley, 1985.
  • Ross T.J., Fuzzy Logic with Engineering Applications, McGraw-Hill, 1995.
  • Haykin S., Neural Networks.A Comprehensive Foundation, MacMillan, 1994.
  • Goldberg D., Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, 1989.
  • Building Expert Systems, F. Hayes-Roth, D.A. Waterman and D.B. Lenat (Eds.), Addison-Wesley, 1983.

Πηγές στο Διαδίκτυο

Πηγές στη βιβλιοθήκη του ιδρύματος.

  • Harnish, Robert M., Minds, brains, computers.an historical introduction to the foundations of cognitive science, Malden, Mass. .Blackwell Publishers , 2002 .   
  • Δουκίδης Γ. Έμπειρα συστήματα τεχνητή νοημοσύνη και lisp. Ι Σιδέρης, 1992.
  • Κεραυνού Ε. Τεχνητή Νοημοσύνη και Έμπειρα Συστήματα. ΕΑΠ 2000.
  • Haykin, S.  Νευρωνικά Δίκτυα και Μηχανική Μάθηση. Παπασωτηρίου 2010.
  • Αργυράκης, Π. Νευρωνικά Δίκτυα και Εφαρμογές. ΕΑΠ, 2001.
  • Λυκοθανάσης, Σ. Γενετικοί Αλγόριθμοι και Εφαρμογές. ΕΑΠ, 2001.

Άλλα σχετικά ανοικτά μαθήματα άλλων ιδρυμάτων εσωτερικού ή εξωτερικού

Προτεινόμενα συγγράμματα

Προτεινόμενα συγγράμματα

Βλαχάβας Ι., Κεφαλάς Π., Βασιλειάδης Ν., Ρεφανίδης Ι., Κοκκοράς Φ., Σακελλαρίου Η., Τεχνητή Νοημοσύνη, 3η έκδοση, Β. Γκιούρδας Εκδοτική, 2006.

Russell, Stuart J., Norvig, Peter, Τεχνητή νοημοσύνη .μια σύγχρονη προσέγγιση, Αθήνα .Κλειδάριθμος, 2007.