Искусственный интеллект и когнитивные системы

Магистратура 2020/2021

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс по выбору (Анализ больших данных в бизнесе, экономике и обществе)

Направление: 01.04.02. Прикладная математика и информатика

Кто читает: Департамент информатики

Где читается: Санкт-Петербургская школа физико-математических и компьютерных наук

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Преподаватели: Шпильман Алексей Александрович

Прогр. обучения: Анализ больших данных в бизнесе, экономике и обществе

Язык: русский

Кредиты: 8

Контактные часы: 64

Полная версия программы учебной дисциплины

Аннотация

Является дисциплиной по выбору. Целью освоения дисциплины «Искусственный интеллект и когнитивные системы» является ознакомление с базовыми принципами работы искусственного интеллекта и выработке навыков моделирования когнитивных систем. После прохождения курса студенты будут ориентироваться в подходах к созданию систем искусственного интеллекта: основанных на знании (knowledge-based), нейронных сетях; ориентироваться в алгоритмических основах интеллектуальных систем, а также проектировании сложных информационных систем с использованием искусственного интеллекта.

Цель освоения дисциплины

Целью освоения дисциплины «Искусственный интеллект и когнитивные системы» является ознакомление с базовыми принципами работы искусственного интеллекта и выработке навыков моделирования когнитивных систем. После прохождения курса студенты будут ориентироваться в подходах к созданию систем искусственного интеллекта: основанных на знании (knowledge-based), нейронных сетях; ориентироваться в алгоритмических основах интеллектуальных систем, а также проектировании сложных информационных систем с использованием искусственного интеллекта.

Планируемые результаты обучения

Знает основные направления исследований в области искусственного интеллекта. Владеет понятием нейросетевого подхода к созданию интеллектуальных систем. Владеет понятием экспертной системы (ЭС).
Знает основные парадигмы представления знаний, их преимущества и недостатки
Знает основные парадигмы представления знаний, их преимущества и недостатки. Демонстрирует понимание современного состояния и тенденций развития систем, базирующихся на знаниях
Способен принимать решения о целесообразности выбора того или иного способа представления знаний. Способен разработать экспертную систему, основанную на знаниях
Способен отличить знания от простой информации. Владеет понятиями релевантности; критериев смыслового соответствия; критериев выдачи. Владеет понятием интеллектуальной информационной системы (ИИС). Знает основные компоненты ИИС, классификацию Владеет знаниями извлечения знаний из данных. Знает системы и средства Data Mining и Knowledge Discovery.

Содержание учебной дисциплины

Введение в искусственный интеллект
Базы знаний
Основные средства представления знаний и организация вывода в ЭС
Разработка и реализация ЭС
Интеллектуальные информационные системы

Элементы контроля

Эссе
Структурированное эссе по научным статьям про применение нейронных сетей, обучения с подкреплением или систем, основанных на правилах
Идея проекта
Проект выполняется в группах из 1-3 участников. Возможны два варианта проекта 1) система на основе правил. 2) система с использованием нейронных сетей.
Проект
Реализованный проект из "Идеи проекта". Проект выполняется в группах из 1-3 участников. Возможны два варианта проекта 1) система на основе правил. В зависимости от числа участников группы меняется минимальное число правил (1 участник -- минимум 10 правил, 2 участника -- минимум 16 правил, 3 участника -- минимум 22 правила). Обязательное условие -- должны быть промежуточные правила (например, по каким-то критериям определяется сложность заказа, а потом сложность заказа используется для окончательного вывода). 2) система с использованием нейронных сетей. Тема -- на ваш выбор, базовый вариант -- написание нейронной сети, играющей в какую-либо игру. Возможно вместо реализации проекта зачесть онлайн-курс по нейронным сетям, если есть примеры собственного кода по применению нейронных сетей (не обязательно в рамках этого курса)

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.15 * Идея проекта + 0.5 * Проект + 0.35 * Эссе

Программа дисциплины