1. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να αντιλαμβάνεται τις δυνατότητες της τεχνητής νοημοσύνης (ΤΝ). Ειδικότερα ο φοιτητής θα μάθει:

- Το νόημα πίσω από την κοινή ορολογία ΤΝ, συμπεριλαμβανομένων των νευρωνικών δικτύων, της μηχανικής μάθησης, της βαθιάς μάθησης και της επιστήμης δεδομένων

- Τι μπορεί ρεαλιστικά να κάνει - και δεν μπορεί - να κάνει

- Πώς να εντοπίσει ευκαιρίες να εφαρμόσει ΤΝ σε προβλήματα

- Να υλοποιεί προγράμματα και να αναλύει επιστημονικά δεδομένα

Γενικές Ικανότητες

Οι γενικές ικανότητες που θα πρέπει να έχει αποκτήσει ο φοιτητής/φοιτήτρια και στις οποίες αποσκοπεί το μάθημα είναι:

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
• Προσαρμογή σε νέες καταστάσεις
• Μετατροπή της θεωρίας σε πράξη
• Λήψη αποφάσεων
• Αυτόνομη εργασία
• Ομαδική εργασία
• Εργασία σε διεπιστημονικό περιβάλλον
• Παραγωγή νέων ερευνητικών ιδεών
• Σχεδιασμός και διαχείριση έργων
• Άσκηση κριτικής και αυτοκριτικής
• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

2. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

Σύντομη Περιγραφή Μαθήματος: Το μάθημα αποτελεί εισαγωγή στην ευρύτερη περιοχή της Τεχνητής Νοημοσύνης. Σημαντικό βάρος δίνεται στα ζητήματα της αναζήτησης και της αναπαράστασης γνώσης, καθώς επίσης και στα εργαλεία προγραμματισμού που χρησιμοποιούνται.

Τίτλος ενότητας

Βιβλιογραφία

Σύνδεσμος παρουσίασης

1. Εισαγωγή στην Τεχνητή Νοημοσύνη και η δοκιμασία του Turing

 

 

2. Ευφυείς πράκτορες

 

3. Το πρόβλημα της αναζήτησης

 

4. Αλγόριθμοι τυφλής αναζήτησης

 

5.  Αλγόριθμοι ευρετικής αναζήτησης

 

6.  Προβλήματα ικανοποίησης περιορισμών

 

7.  Λογικοί Πράκτορες

 

8.  Αναπαράσταση Γνώσης και Αιτιολόγηση

 

9. Προτασιακός – Κατηγορηματικός Λογισμός

 

10. Συστήματα αιτιολόγησης

 

11. Συστήματα Λήψης Αποφάσεων

 

12. Αιτιολόγηση με αβεβαιότητα – Δίκτυα Πεποιθήσεων

 

13. Ασαφής Λογική

 

Τρόποι αξιολόγησης φοιτητή:

 

Πρόταση 1

Εργασίες

Πρόταση 2

Τελική εξέταση

Η αρίθμηση αναφέρεται στην αντίστοιχη εβδομάδα του μαθήματος.

3. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ.

Π.χ. Πρόσωπο με πρόσωπο

ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ

Επικοινωνία με φοιτητές μέσω email, eclass, PC, Video Projector, Διαδραστικός Πίνακας, Ανάρτηση του εκπαιδευτικού υλικού και των διαλέξεων στην πλατφόρμα eclass

ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

 

Δραστηριότητα

Φόρτος Εργασίας Εξαμήνου

Διαλέξεις

39

Αυτοτελής Μελέτη

111

Σύνολο μαθήματος (25 ώρες φόρτου εργασίας ανά πιστωτική μονάδα)

150

ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ 

 

Εξετάσεις στο τέλος του εξαμήνου (Ερωτήσεις πολλαπλής επιλογής, Ερωτήσεις Σύντομης Απάντησης & Ανάπτυξης)  100%

4. ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ
5. Βιβλίο [102070469]: Τεχνητή Νοημοσύνη, Μια σύγχρονη προσέγγιση, S. Russell & P. Norvig, Εκδόσεις Κλειδάριθμος, 4η αμερικανική έκδοση, 2021
6. Βιβλίο [102073617]: Τεχνητή Νοημοσύνη, Γιώργος Γιαννακόπουλος
7. Βιβλίο [94700120]: Τεχνητή Νοημοσύνη, Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας Εκδόσεις Πανεπιστημίου Μακεδονίας, 4η έκδοση, 2020
8. Βιβλίο [86053651]: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ, W. ERTEL
9. Βιβλίο [59358324]: Λ. Ηλιάδης, Α. Παπαλεωνίδας, «Υπολογιστική Νοημοσύνη & Ευφυείς πράκτορες». Εκδόσεις Τζιόλα 2017

10.  Βιβλίο [59421530]: M. Negnevitsky, «Τεχνητή Νοημοσύνη: Αρχές και εφαρμογές για την ανάπτυξη συστημάτων με τεχνολογίες νοημοσύνης», 3η Έκδοση, Εκδόσεις Τζιόλα, 2018

11.  N. Gift, Τεχνητή Νοημοσύνη: Μια Πραγματολογική Ανάλυση, Εκδόσεις Μ. Γκιούρδας, 2019