õppeaine eesmärgid eesti k
Üliõpilane mõistab elementaarsete tehisintellekti meetodite kasutamise konteksti ja motivatsioone. Suudab lihtsamaid meetodeid rakendada ja vastavalt situatsioonile kohaldada. Omab teoreetilist baasi tehisintellekti teemade, s.h. loogika, masinõpe, robootika jne edasise õppimise hõlbustamiseks.
õppeaine eesmärgid inglise k
The student understands the context and motivation of using basic techniques of artificial intelligence. Can apply simpler approaches and adapt them according to the situation. Has theoretical knowledge to support further study in logic, machine learning, robotics etc.
õppeaine õpiväljundid eesti k.
Aine läbinud tudeng:
1. Oskab kirjeldada ja põhjendada erinevate otsingualgoritmide (puu-, graafi-, lokaalne- ja heuristiline otsing) käitumist ja parameetreid.
2. Oskab formuleerida otsinguülesandeid (olekud, üleminekud, lõpetamise tingimused, väärtusfunktsioonid jne).
3. Oskab teadmust lausearvutusloogikas või predikaatloogikas kirjeldada ning loogikasolveriga järeldusi teha.
4. Tunneb Bayesi tõenäosuse teoreetilisi aluseid ja kasutab selle lihtsamaid rakendusi (s.h “Naiivne” Bayes) ülesannete lahendamiseks.
5. Oskab rakendada masinõppe elementaarseid tehnikaid – andmete eeltöötlus, klassifitseerimine masinõppega.
õppeaine õpiväljundid ingl k.
Upon completion a student:
1. Can describe and explain the behaviour and parameters of various search algorithms (tree, graph, local and heuristic search).
2. Can formulate search problems (states, transitions, stop conditions, value functions etc).
3. Can represent knowledge in propositional or predicate logic and infer new knowledge with a logic solver.
4. Knows the theoretical basis of Bayesian probability and can use its simpler applications (incl. “Naive” Bayes) to solve problems.
5. Can apply basic techniques of machine learning – data preparation, classification.
õppeaine sisu lühikirjeldus eesti k
Sissejuhatus tehisintellekti valdkonnas kasutusel olevatesse põhimõtetesse ja algoritmidesse. Ülesannete lahendamine otsinguga. Heuristikad. Loogilise ja tõenäosusliku järeldamise alused. Bayesi tõenäosus. Masinõppe alused: järelvalvega õpe. Närvivõrgud. Stiimulõpe.
Aine eeldab programmeerimise oskust. Õppetöös kasutatakse peamiselt keelt Python.
õppeaine sisu lühikirjeldus ingl k
Introduction to the principles and algorithms used in the field of artificial intelligence. Solving problems by searching. Heuristics. Fundamentals of logical and probabilistic reasoning. Bayesian probability. Machine learning basics: supervised learning. Neural networks. Reinforcement learning.
The course requires familiarity with programming. The language used in teaching is mostly Python.
õppekirjandus
Russell, S.J and Norvig, P. Artificial intelligence: a modern approach, third edition, Prentice Hall. 2009.Poole, D.L and Mackworth, A. K. Artificial Intelligence: Foundations of Computational Agents, 2nd Edition. Cambridge University Press, 2017.
https://artint.info/2e/html/ArtInt2e.html
Link aine kodulehele: https://courses.cs.taltech.ee/pages/ITI0210
õppevormid ja mahud
päevaõpe: nädalatunnid
4.0
sessioonõppe töömahud (semestris):