Искусственный интеллект

Входные требования: С++ или C#, алгоритмы и структуры данных, паттерны проектирования

Зачетные единицы: 3

Курс: Основной

Язык курса: Русский

Цели

По окончании курса студенты смогут:

  • Понимать задачи игрового искусственного интеллекта.
  • Знать алгоритмы построения и поиска пути в плохоструктурированных пространствах, анализа и избегания угроз, технологии моделирования толп.
  • Владеть навыками настройки игрового искусственного интеллекта.
  • Владеть навыками отладки, профилирования и оптимизации алгоритмов искусственного интеллекта.

Содержание

  • Базовые понятия искусственного интеллекта: Интеллектуальные технологии. Интуитивный подход. Символьное моделирование. Парадигма знаний. Моделирование мыслительной деятельности. Дискретный выбор. Робототехника.
  • Рассуждения в условиях неопределенности: Понятие неопределенности и неполноты. Вероятностные рассуждения. Нечеткая логика. Байесовы сети. Нейронные сети. Понятие уверенности.
  • Методы извлечения знаний из данных: Методы дата майнинга и машинного обучения. Параметрические и непараметрические модели знаний. Правила с вычислимыми коэффициентами. Извлечение знаний из текстов на естественном языке.
  • Методы формализации и интерпретации знаний: Семантические сети. Онтологические отношения. Продукционные системы. Модели представления правил. Фреймовые конструкции.
  • Логический вывод и построение решений: Прямой и обратный логический вывод. Вывод по правилам. Вывод по прецедентам. Гибридные схемы вывода. Оценка качества логического вывода. Усиление вывода.
  • Адаптация и самообучение: Понятие памяти системы. Методы динамического извлечения знаний из данных. Настройка и оценка моделей знаний. Обучение на основе наблюдений.
  • Экспертные и интеллектуальные системы: Технологии поддержки принятия решений. Архитектура СППР. Экспертные системы. Системы на правилах. Системы на данных. Системы на моделировании. Тенденции развития современных СППР.
  • Применения искусственного интеллекта в финансовой сфере: СППР поддержки финансовой деятельности. Финансовые рекомендательные системы. Таргетированный эквайринг. Биржевые роботы. Автоматизация поддержки пользователей. Интеллектуальные кастомизированные интерфейсы.

Формат

Лекции, лабораторные и практические занятия

Оценка

Посещение лекционных, лабораторных и практических занятий является обязательным. Итоговый контроль по дисциплине осуществляется в форме зачета. Для успешного завершения курса студентам необходимо своевременно выполнять все задания на занятиях и защитить курсовые работы. Итоговая оценка зависит от работы студента на протяжении всего курса.