Podstawy Sztucznej Inteligencji - Semestr zimowy 2019/2020

Organizacja zajęć i zasady zaliczenia

  • Ogólne zasady, które Państwa obowiązują: GRIS - proszę przeczytać, zrozumieć, ew. wątpliwości zgłosić na 1.-2. zajęciach
    • Uwaga: zasady dotyczące nieobecności na PSI są INNE niż opisane w GRIS. Szczegóły poniżej.
  • Materiały do zajęć (i ciekawostki dot. SI) będziemy zbierać w Wiki o sztucznej inteligencji:
    • Celem wiki jest ułatwienie poznania podstawowej wiedzy o SI (będą tam najważniejsze informacje z podręczników) + poznanie aktualnych trendów/ciekawostek dot. SI (te materiały nie będą obowiązywać do kartkówek/kolokwium, ale pozwolą dowiedzieć się więcej o SI)
      • Można też dodawać do wiki dowolne inne tematy związane z SI (jako ciekawostki), jeżeli tylko ktoś uzna, że dane zagadnienie może być ciekawe dla innych osób z Roku
    • Tworzenie wiki:
      • ~15 osób tworzy „core” wiki i dba o ogólny poziom merytoryczny wiki – te osoby będą oceniane za Bossa (patrz niżej)
      • Każdy może współtworzyć wiki, dodawać ciekawostki, poprawiać strony, oceniać strony (bez punktów)
    • Ocena stron w wiki polega na stworzeniu trójki RDF (zob. Lab: Reprezentacja wiedzy): STRONA – :ocena – OCENA, gdzie OCENA to liczba ze zbioru [1,2,3,4]
      • Podczas oceny proszę brać przede wszystkim pod uwagę to, że ktoś to opracowanie zrobił dla Państwa, aby nie musieli Państwo czytać oryginalnego tekstu tylko opracowanie w wiki
      • 4 pkt = tekst w porządku, na temat, zwięzły, zrozumiały; z linkami do innych powiązanych stron [tekst nie musi być długi! jeżeli tylko rozumie się o co chodzi w danym zagadnieniu! Może to być nawet tylko jeden obrazek, jeżeli to już zamyka zagadnienie ;-) ]
  • W czasie zajęć zdobywamy punkty doświadczenia (EXP). Punkty można zdobywać (i tracić) na kilka sposobów:
    • Główny wątek: uczestniczenie w laboratoriach
      • Zajęcia odbywają się co dwa tygodnie zgodnie z Harmonogramem
      • 6x5x4 EXP – kartkówka na każdych zajęciach (poza pierwszymi)
        • 2 pytania po 2 EXP
        • Obowiązuje materiał spisany w Wiki o sztucznej inteligencji
        • Jeżeli Boss 3: Wiki nie będzie prowadzony rzetelnie to do kartkówek (i kolokwium) wchodzi materiał przedstawiony na początku każdej z instrukcji do zajęć!
      • 0.5 EXP – za aktywność na zajęciach (plusy z aktywności)
      • -54.6 EXP – za każdą nieobecność nieusprawiedliwioną (również pierwszą)
    • Wątek poboczny: udział w eksperymencie Affective Computing
      • Eksperyment będzie przeprowadzany w grudniu/styczniu. Szczegóły dotyczące terminów i zapisów zostaną ogłoszone w terminie późniejszym.
      • Można brać udział w badaniu osobiście i/lub zaprosić do udziału kogoś spoza Roku1)
      • 2 EXP albo usprawiedliwienie nieobecności – za udział osobisty i każdą zaproszoną osobę, która wzięła udział w badaniu
      • -54.6 EXP – za każdą nieobecność na badaniu (również zaproszonych osób) bez zgłoszenia tego faktu najpóźniej 48h przed badaniem
    • Boss: 26 EXP
      • do wyboru jeden z trzech poniższych (można też nie atakować Bossów tylko przemknąć w cieniu, jeżeli ktoś ma wystarczającą liczbę EXP):
      • Boss 1: Kolokwium (test wielokrotnego wyboru) na podstawie materiałów obowiązujących do każdych zajęć (spisane na początku instrukcji)
        • W przypadku gdy Boss 3: Wiki będzie rzetelnie prowadzony, do kolokwium wchodzą tylko materiały z Wiki (nie trzeba czytać materiałów źródłowych!)
        • Każda osoba ma indywidualnie wygenerowany test oznaczony kodem kreskowym
        • W każdym zadaniu minimum 1 odpowiedź jest poprawna; maksymalnie wszystkie cztery
        • Punktacja każdego zadania:
          • +1 pkt za każdą poprawnie zaznaczoną odpowiedź (gdy powinna być zaznaczona)
          • -1 pkt za każdą niepoprawnie zaznaczoną (zaznaczenie odpowiedzi, która nie powinna zostać zaznaczona)
          • 0 pkt za niezaznaczoną odpowiedź
          • W ramach zadania nie można mieć punktów ujemnych.
        • W związku z tym, że każda osoba może mieć inną liczbę punktów, wyliczany jest wynik procentowy z kolokwium i przeliczany na 26 EXP
      • Boss 2: Projekt (w grupach 4-5 os.): „Modeli predykcji emocji i sposoby ich wyjaśniania” (analiza danych zebranych w ramach eksperymentu na poprzedniej edycji PSI – wiosna 2018/2019)
        • DANE DO PROJEKTU: BIRAFFE dataset
        • Ocenie podlega raport (kod + tekst; archiwum 7z/tar.gz/zip; preferowany Jupyter Notebook):
          • 3 EXP – Wstępna eksploracja
          • 6 EXP – Preprocessing
          • 3 EXP – Przygotowanie podstawowych modeli
          • 6 EXP – Dopracowanie parametrów modeli, ustalenie optymalnych parametrów
          • 2 EXP – Porównanie modeli i wybór najlepszego
          • 6 EXP – Opracowanie warstwy wyjaśniającej (explainability)
        • Punkty przyznawane są za działające fragmenty kodu oraz za sensowne uzasadnienie dlaczego dany krok został zrealizowany w taki, a nie inny sposób (np. dlaczego wybrano takie modele i takie ich parametry)
      • Boss 3: Wiki o Sztucznej Inteligencji – ocena dla „core” zespołu:
        • 6x2 EXP wyliczane na podstawie ocen uzyskanych na roku z każdej z kartkówek (górny/trzeci kwartyl ze zbioru ocen z danej kartkówki; podzielony przez 2 = maks. 2 EXP za materiały do każdej z kartkówek)
        • 12 EXP ocena jakości wiki przez prowadzącego
        • 14 EXP na podstawie ocen stron w wiki (średnia ocena z przedziału [1,4] przeskalowana do przedziału [0,14] EXP)
          • UWAGA: Prowadzący zastrzega sobie prawo do zmiany wyliczonej oceny na korzyść osób prowadzących wiki w przypadku, gdy ocena innych osób będzie krzywdząca
  • Sposób deklaracji wyboru Bossa (wybór jednego oznacza brak możliwości wyboru innego):
    • Boss 1: Kolokwium – podejście do kolokwium zaliczeniowego (wejście do sali)
    • Boss 2: Projekt – oddanie projektu (przesłanie raportu do zaliczenia, prośba o ocenę projektu na konsultacjach)
    • Boss 3: Wiki – deklaracja wysłana mailem na kkutt@agh.edu.pl; deklaracje można wysyłać od 09.09.2019 od godziny 12:00 do wyczerpania miejsc
  • 5046 EXP stanowi 100% łącznej liczby punktów (MAX).

Zaliczenia poprawkowe

  • Zaliczenie poprawkowe obejmuje jednego z bossów.
  • Do zaliczenia poprawkowego mogą przystąpić osoby które:
    • Nie mają zaliczenia (mniej niż 25 EXP) lub
    • nie walczyły z żadnym Bossem i posiadają usprawiedliwienie (ważne w dzień walki z Bossem: Kolokwium).
  • Do wyników uzyskanych z zaliczenia poprawkowego nie wlicza się:
    • plusów - w 1. terminie poprawkowym,
    • plusów i nieusprawiedliwionych nieobecności - w 2. terminie poprawkowym.
  • W 2. terminie poprawkowym można uzyskać co najwyżej ocenę 3.0.

Harmonogram

L.p. Tydzień A Tydzień B Laboratorium
0. Wprowadzenie do Wiki o SI
1. 01.10.2019 08/09.10.2019 Reprezentacja wiedzy
2. 15.10.2019 22/23.10.2019 Uczenie nadzorowane
3. 29.10.2019 05/06.11.2019 Uczenie nienadzorowane
4. 12.11.2019 19/20.11.2019 Reprezentacja niepewności
5. 26.11.2019 03/04.12.2019 Regułowe systemy ekspertowe
6. 10.12.2019 17/18.12.2019 Programowanie z ograniczeniamiUWAGA: W związku z małą liczbą opracowanych tematów w wiki do kartkówki wchodzą jeszcze Sekcje 4.1-4.7 z Chapter 4: Reasoning with Constraints
7. 21.01.2020 14/15.01.2020 Przeszukiwanie grafów (UWAGA: najpierw Tydzień B!)
28.01.2020 Termin oddawania projektów / termin awaryjny
FIXME Kolokwium
FIXME Egzamin. Termin 1 (tylko dla osób mających zaliczenie z lab)

UWAGA: Z powodu przedłużającej się niedyspozycji p. Bydłosza zajęcia nr 5 (Regułowe systemy ekspertowe) nie odbędą się, nie będzie kartkówki z tego tematu, a materiał nie będzie obowiązywać do kolokwium.

Literatura

Obowiązkowa:

Dodatkowa:

Inne:

Dla Prowadzących

Wykłady

Wykłady 2018/2019

  1. 02-27: Wprowadzenie
  2. 03-06: e-learning
  3. 03-13: Przeszukiwanie grafów
  4. 03-20: e-learn
  5. 03-27: LPP
  6. 04-03: CSP
  7. 04-10: RBS
  8. 04-17: KRR
  9. 04-24: KRR
  10. 05-08: ML
  11. 05-15: e-learning
  12. 05-22: ML
  13. 05-29: LOD
  14. 06-05: TBA
  15. 06-12: Kolokwium

Wykłady 2017/2018

  1. Wprowadzenie do sztucznej inteligencji (AI). Problematyka reprezentacji i przetwarzania wiedzy. Charakterystyka metod i obszaru zastosowań. Przykłady problemów AI. [28.02.2018; ALi]
  2. E-learning. Readings in AI: from * AI Book read and analyze Chapters 1, 2 and 3. [7.03.2018; ALi]; Also: compare courses in AI: * CS221: Artificial Intelligence * CS188: Artificial Intelligence
  3. Przeszukiwanie grafów. Tree Search vs. Graph Search. Metody systematyczne (ślepe). DFS vs. BFS. Problemy implementacji. [14.03.2018; ALi]
  4. Przeszukiwanie grafów. Metody ślepe: DLS, ID, BS, UC (Dijkstry). Elementy implementcji w Prologu i Pythonie. [21.03.2018; ALi]
  5. Przeszukiwanie grafów. Metody heurystyczne. Problemy implementacji.Elementy implementcji w Prologu i Pythonie. [28.03.2017; ALi]
  6. Programowanie z ograniczeniami. Podstawy teoretyczne. Zastosowania. Narzędzia: Prolog+clpfd, MiniZinc. [11.04.2018; ALi]
  7. Systemy regułowe i ekspertowe. Automatyczne planowanie operacji. Przykłady w Prologu. [18.04.2018; ALi]
  8. Nowe paradygmaty w AI [25.04.2018; GJN]
  9. brak wykladu [09.05.2018; GJN]
  10. Uczenie maszynowe [16.05.2018; GJN]
  11. Uczenie maszynowe [23.05.2018; GJN]

Wykłady 2016/2017

  1. Wprowadzenie do Sztucznej Inteligencji. Rozwiązywanie problemów. Reprezentacja wiedzy i wnioskowanie. Przykłady systemów inteligentnych. [1.03.2017;ALi]
  2. Algorytmy przeszukiwania grafów (DFS, BFS i pochodne). Tree Search vs. Graph Search. Backtracking Search. Implementacja w Prologu. [8.03.2017; ALi]
  3. Algorytmy ślepe: BFS, UC, DFS, DFS-limited, DFS-Iterative-Deepening; Algorytm Dijkstry. Przykłady implementacji (Prolog, Python). Planowanie odporne (Robust Planning) [15.03.2017; ALi]
  4. Algorytmy heurystyczne szukania w grafach. Algorytm A*. Szukanie wiązką. Algorytmy inspirowane biologicznie (GA) i fizycznie (SA). [22.03.2017; ALi]
  5. Wprowadzenie do programowania z ograniczeniami. Przykłady problemów i rozwiązań w Prologu. Biblioteka clp(fd). Techniki i narzędzia programowania z ograniczeniami. Propagacja ograniczeń vs. szukanie. Przykłady zastosowań. [29.03.2017; Ali]
  6. Systemy z Bazą Wiedzy. Systemy regułowe. Systemy eksperckie. [5.04.2017; ALi]
  7. E-Learning: Introduction to Artificial Intelligence. CS221 [12.04.2017]]
  8. E-Learning: Introduction to Artificial Intelligence. CS188 [19.04.2017]
  9. C.D.N. [26.04.2017]

Materiały pomocnicze (2017/2018)

Background Material
1)
Osoba badana po stawieniu się na badanie musi poinformować kto ją zaprosił.
pl/dydaktyka/psi/start.txt · ostatnio zmienione: 2019/12/08 15:38 przez kkutt
www.chimeric.de Valid CSS Driven by DokuWiki do yourself a favour and use a real browser - get firefox!! Recent changes RSS feed Valid XHTML 1.0