Εισαγωγή στην Τεχνητή Νοημοσύνη - Σχολή Μηχανικών Παραγωγής και Διοίκησης

(1) ΓΕΝΙΚΑ

ΣΧΟΛΗ	Μηχανικών Παραγωγής και Διοίκησης
2η ΣΧΟΛΗ
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ	Προπτυχιακό
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ	ΜΠΔ 306	ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ	6^ο
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ	ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ		ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
Διαλέξεις	3
Εργαστήρια	2
Σύνολο	5		4
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ	Ειδικού υποβάθρου
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ KAI ΕΞΕΤΑΣΕΩΝ	Ελληνικά
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS	Ναι
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)	https://www.eclass.tuc.gr/courses/MPD154/

(2) ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα

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

Συνθέτει ένα πρόβλημα χρησιμοποιώντας κατάλληλες δομές δεδομένων
Επιλύει ένα πρόβλημα χρησιμοποιώντας αλγορίθμους τυφλής ή πληροφορημένης αναζήτησης, καθώς και ευρετικούς και μεθευρετικούς αλγορίθμους (Γενετικοί Αλγόριθμοι)
Εφαρμόζει αναζήτηση με περιορισμούς και αναζήτηση με αντιπαλότητα
Οργανώνει δεδομένα σε ομάδες με ιεραρχικούς και διαχωριστικούς αλγορίθμους (Hierarchical Clustering, K-means)
Χρησιμοποιεί τεχνικές πρόβλεψης και ταξινόμησης (Νευρωνικά Δίκτυα)

Γενικές Ικανότητες

Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
Αυτόνομη εργασία
Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Χρήση Υπολογιστή
Επίλυση προβλημάτων
Διαχείριση αριθμητικών δεδομένων

(3) ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

Εισαγωγή, βασικές έννοιες, Ευφυείς Πράκτορες, Επίλυση προβλημάτων με αναζήτηση, Αλγόριθμοι τυφλής αναζήτησης, Αλγόριθμοι τοπικής αναζήτησης, Αλγόριθμοι πληροφορημένης αναζήτησης, Μεθευρετικοί αλγόριθμοι – Γενετικοί αλγόριθμοι, Αναζήτηση με αντιπαλότητα, Αναζήτηση με περιορισμούς, Διαχωριστικοί αλγόριθμοι ομαδοποίησης, Αλγόριθμοι ιεραρχικής ομαδοποίησης, Τεχνητά Νευρωνικά Δίκτυα, Παραγωγική Τεχνητή Νοημοσύνη.

Εργαστήρια: Εισαγωγή στο λογισμικό MATLAB. Eπίλυση προβλημάτων Τεχνητής νοημοσύνης με τη χρήση του λογισμικού MATLAB μέσω παραμετροποίησης και εφαρμογής αλγορίθμων ιεραρχικής ομαδοποίησης, διαχωριστικής ομαδοποίησης, βελτιστοποίησης (γενετικοί αλγόριθμοι), και νευρωνικών δικτύων.

(4) ΔΙΔΑΚΤΙΚΕΣ KAI ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ – ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ

Με φυσική παρουσία

ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Στην εργαστηριακή εκπαίδευση:	Χρήση του λογισμικού MATLAB στο εργαστήριο
Στην επικοινωνία με τους φοιτητές:	Υποστήριξη Μαθησιακής διαδικασίας μέσω της ηλεκτρονικής πλατφόρμας e-class

ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
Διαλέξεις	39 ώρες
Εργαστήρια	26 ώρες
Αυτοτελής μελέτη	35 ώρες
Σύνολο	100 ώρες

Διδακτέα Ύλη ανά Εβδομάδα (13 εβδομάδες) :

1) Εισαγωγή, βασικές έννοιες, ιστορία της Τεχνητής Νοημοσύνης
2) Ευφυείς Πράκτορες
3) Επίλυση προβλημάτων με αναζήτηση
4) Αλγόριθμοι τυφλής αναζήτησης
5) Αλγόριθμοι τοπικής αναζήτησης
6) Αλγόριθμοι πληροφορημένης αναζήτησης
7) Μεθευρετικοί αλγόριθμοι - Γενετικοί αλγόριθμοι
8) Αναζήτηση με αντιπαλότητα
9) Αναζήτηση με περιορισμούς
10) Διαχωριστικοί αλγόριθμοι ομαδοποίησης
11) Αλγόριθμοι ιεραρχικής ομαδοποίησης
12) Τεχνητά Νευρωνικά Δίκτυα
13) Ασαφής Λογική

Εργαστήρια
1,2) Εισαγωγή στη Matlab
3, 4) Ο αλγόριθμος ομαδοποίησης δεδομένων Kmeans
5, 6) Ιεραρχικοί αλγόριθμοι ομαδοποίησης δεδομένων
7, 8, 9) Γενετικοί αλγόριθμοι
10, 11, 12) Νευρωνικά δίκτυα
13) Παρουσίαση εργασιών, προφορική εξέταση

(5) ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

Αθροιστική/Συμπερασματική (για βαθμό φοιτητή) Αξιολόγηση
Γραπτή Τελική Εξέταση	70%	(Ερωτήσεις επίλυσης προβλημάτων)
Ασκήσεις Εργαστηρίου	30%	(Προφορική Εξέταση)
		(Διόρθωση Παραδομένης Εργασίας)

Σχόλια για την Αξιολόγηση των Φοιτητών :

1. Γραπτή εξέταση η οποία περιλαμβάνει επίλυση προβλημάτων. Συντελεστής 70%
2. Ατομικές εργαστηριακές ασκήσεις με συντελεστή 30%.

(6) ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Προτεινόμενη Βιβλιογραφία:

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ - 4η ΕΚΔΟΣΗ, ΒΛΑΧΑΒΑΣ Ι.,ΚΕΦΑΛΑΣ Π.,ΒΑΣΙΛΕΙΑΔΗΣ Ν.,ΚΟΚΚΟΡΑΣ Φ.,ΣΑΚΕΛΛΑΡΙΟΥ Η. (2020), ΕΤΑΙΡΙΑ ΑΞΙΟΠΟΙΗΣΗΣ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΡΙΟΥΣΙΑΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕΔΟΝΙΑΣ
ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ: ΜΙΑ ΣΥΓΧΡΟΝΗ ΠΡΟΣΕΓΓΙΣΗ, STUART RUSSELL, PETER NORVIG (2021), ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ

Συναφής Βιβλιογραφία (μερική κάλυψη):

Τεχνητή Νοημοσύνη, 3η Έκδοση, Negnevitsky Michael (2017), ΕΚΔΟΣΕΙΣ Α. ΤΖΙΟΛΑ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ, W. ERTEL
ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ, ΚΩΝΣΤΑΝΤΙΝΟΣ ΔΙΑΜΑΝΤΑΡΑΣ, ΔΗΜΗΤΡΗΣ ΜΠΟΤΣΗΣ
ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ, Neapolitan,Jiang
ΑΙΚΑΤΕΡΙΝΗ ΓΕΩΡΓΟΥΛΗ (2016), Τεχνητή Νοημοσύνη, Ελληνικά Ακαδημαϊκά Ηλεκτρονικά Συγγράμματα και Βοηθήματα - Αποθετήριο "Κάλλιπος"

Συναφή επιστημονικά περιοδικά:

Journal of Artificial Intelligence Research
Artificial Intelligence
Artificial Intelligence Review

Πολυτεχνείο Κρήτης

Χρήσιμα

Επικοινωνία