Основи на вештачка интелигенција

Објавено: јуни 28, 2022
1. Наслов на наставниот предмет Основи на вештачка интелигенција
2. Код 4ФЕИТ01З013
3. Студиска програма КСИАР
4. Организатор на студиската програма Факултет за електротехника и информациски технологии
5. Степен Прв циклус студии
6. Академска година / семестар III/5 7. Број на ЕКТС 6
8. Наставник Д-р Весна Ојлеска Латкоска
9. Предуслов за запишување на предметот Положен: Програмирање и алгоритми
10. Цели на предметната програма (компетенции). Запознавање со основите на вештачката интелигенција; оспособување за самостојно решавање на практични инженерски задачи и проблеми од вештачката интелигенција.
11. Содржина на програмата: 1. Вовед во вештачката интелигенција (ВИ). 2. Интелигентни агенти и нивната околина. 3. Решавање проблеми во ВИ: формулирање проблем во ВИ, мерка за успешност на решението на еден проблем во ВИ, поим за слепо и евристичко, неоптимално и оптимално пребарување, различни постапки за слепо пребарување, постапки за евристичко пребарување, проблеми со ограничувања – дефиниција, постапка, примери. 4. Игри во ВИ: поим за оптимално одлучување во игрите, поим за оптимални стратегии во игрите, функција за проценка на позициите во игрите, МИНИМАКС алгоритамот, игри со повеќе играчи, алфа-бета отсекување, игри на среќа. 5. Учење: облици на учење, стебла на учење, статистички методи на учење, примена во играњето игри, примена во роботиката. 6. Невронски мрежи: структура на невронските мрежи, видови невронски мрежи и нивно обучување.
12.Методи на учење Комбиниран начин на учење: предавања, подржани со презентации, домашни задачи и аудиториски вежби, како и практични вежби во лабораторија.
13. Вкупен расположив фонд на часови 2 + 2 + 1 + 0
14. Распределба на расположивото време 180
15. Форми на наставните активности 15.1. Предавања – теоретска настава 30
15.2. Вежби, семинари, тимска работа 45
16. Други форми на активност 16.1. Проектни задачи 10
16.2. Самостојни задачи 10
16.3. Домашно учење 85
17. Начини на оценување 17.1. Тестови 5
17.2. Семинарска работа/проект 10
17.3. Активност и учење 5
17.4. Завршен испит 80
18. Критериуми за оценување до 50 бодови 5 (пет) (F)
од 51до 60 бодови 6 (шест) (E)
од 61до 70 бодови 7 (седум) (D)
од 71до 80 бодови 8 (осум) (C)
од 81до 90 бодови 9 (девет) (B)
од 91до 100 бодови 10 (десет) (A)
19. Услов за потпис и полагање на завршен испит Редовно посетување на наставата и аудиториските вежби, како и успешно и навремено изработени лабораториски вежби.
20. Начин на полагање на испитот Предвидени се два парцијални писмени испити (на половина и на крај од семестарот, со времетраење од 120 минути), тестови кои се спроведуваат во текот на часовите, како и домашни и проектни задачи, кои се презентираат/бранат за време на семестарот.
1. Студентите кои ги положиле парцијалните испити, се смета дека го положиле завршниот писмен испит. Дополнително, може да се спроведе и завршен устен испит (со времетраење од максимум 60 минути). Во конечната оценка влагуваат поените од парцијалните испити, тестовите, домашните и проектните задачи, како и завршниот устен испит (ако е спроведен).
2. Во предвидените испитни сесии се полага завршен писмен испит (со времетраење од 120 минути). За студентите кои го положиле завршниот писмен испит, може да се спроведе и завршен устен испит (со времетраење од максимум 60 минути). Во конечната оценка влагуваат поените од завршниот писмен испит, тестовите, домашните и проектните задачи, како и завршниот устен испит (ако е спроведен).
21. Јазик на кој се изведува наставата Македонски и Англиски
22. Метод на следење на квалитетот на наставата Интерна евалуација и анкети.
23. Литература
23.1. Задолжителна литература
Бр. Автор Наслов Издавач Година
1 Stuart Russell, Peter Norvig Artificial Intelligence A Modern Approach, Fourth Edition Pearson education limited 2021
23.2. Дополнителна литература
Бр. Автор Наслов Издавач Година
1 Елизабета Лазаревска Предавања по предметот Машинско учење ФЕИТ, УКИМ 2017
2 Елизабета Лазаревска Збирка решени задачи по вештачка интелигенција УКИМ 2020