MPŠ
MPŠ MP&Scaron MP&Scaron MP&Scaron Avtorji

Mednarodna
podiplomska šola
Jožefa Stefana

Jamova 39
SI-1000 Ljubljana
Slovenija

Tel: (01) 477 31 00
Faks: (01) 477 31 10
E-pošta: info@mps.si

Išči

Opis predmeta

Inteligentni sistemi in agenti

Programi:

Informacijske in komunikacijske tehnologije, 3. stopnja

Sodelavci:

prof. dr. Matjaž Gams
dr. Mitja Luštrek

Cilji:

Cilj predmeta je podati splošno in napredno znanje o inteligentnih sistemih in inteligentnih agentih v povezavi z umetno inteligenco, ambientalno inteligenco in informacijsko družbo. Uvodoma so predstavljeni osnovni koncepti omenjenih področij, cilji, motivacija, smisel, nameni in problemi pri uveljavljanju omenjenih metod.
Študenti, ki bodo uspešno končali ta predmet, bodo obvladali osnove inteligentnih sistemov in agentov in bodo usposobljeni za njihovo uporabo v reševanju zahtevnih problemov in vrednotenje njihovih rezultatov.

Vsebina:

Znanstvena metoda:
strukture znanstvenega védenja, znanstvene aktivnosti in procesi

Uvod:
Motivacija, cilji, koristnost inteligence. Definicije naravne, inženirske, umetne inteligence. Študije inteligence. Višje stopnje razumevanja.

Informacijska družba:
Definicija informacijske družbe. Trendi informacijske družbe, lastnosti, primeri uporabe. Dileme v sedanji in prihodnji družbi. Inteligentne storitve in sistemi v informacijski družbi.

Umetna inteligenca:
Pregled umetne inteligence (po knjigi avtorjev Russel in Norvig).

Inteligentni sistemi:
Osnove inteligentnih sistemov. Inteligentni sistemi v poslovanju, tehniki, znanosti. Metode in tehnike inteligentnih sistemov. Primeri odmevnih aplikacij. Pregled sorodnih predmetov po svetu.

Inteligentni agenti:
Agenti kot osnovni gradniki umetne inteligence. Tipi agentov. Hierarhija agentov. Platforme in jeziki. Repozitoriji agentov. Agenti e-poslovanja. Pomembne aplikacije agentov. Pregled sorodnih predavanj.

Ambientalna inteligenca:
Definicija ambientalne inteligence. Uporaba inteligentnih sistemov in agentov. Metode za reševanje pomembnejših nalog ambientalne inteligence. Primeri aplikacij in večjih sistemov.

Superinteligenca in princip mnogoterega znanja:
Definicije. Indikatorji. Posledice. Primeri
snovanja sistemov.

Izzivi pri uvajanju inteligentnih sistemov in agentov:
Specifike pri uvajanju inteligentnih sistemov
in agentov. Prednosti in slabosti v primerjavi
s klasičnimi pristopi.

Temeljna literatura in viri:

Knjige:

• S. Russel, and P. Norvig. Artificial Intelligence: A Modern Approach, 3rd Edition. Pearson Education Limited, 2014. ISBN 978-0136042594
• A.A. Hopgood. Intelligent Systems for Engineers and Scientists, 3rd Edition. Taylor and Francis, 2011. ISBN 978-0300097603
• R. Sharda, D. Delen, and E. Turban. Business Intelligence and Analytics: Systems for Decision Support, 10th Edition. Prentice Hall, 2014. ISBN 978-0133050905
• N. Bostrom. Superintelligence: Paths, Dangers, Strategies, Oxford University Press, 2016. ISBN 978-0198739838
• G. Weiss. Multiagent Systems (Intelligent Robotics and Autonomous Agents series). MIT, 2013. ISBN 978-0262018890

Izbrane reference nosilca:

• A. Tavčar, D. Kužnar, and M. Gams, “Hybrid multi-agent strategy discovering algorithm for human behavior”. Expert systems with applications, ISSN 0957-4174, vol. 71, pp. 370-382, 2017.
• M. Gjoreski, H. Gjoreski, M. Luštrek, and M. Gams. “How accurately can your wrist device recognize daily activities and detect falls?”. Sensors, ISSN 1424-8220, vol. 16, no. 6, pp. 800-1-800-21, 2016.
• H. Gjoreski, B. Kaluža, M. Gams, R. Milić, and M. Luštrek. “Context-based ensemble method for human energy expenditure estimation.” Applied soft computing, ISSN 1568-4946, vol. 37, pp. 960-970, 2015.
• H. Gjoreski, S. Kozina, M. Gams, M. Luštrek, J.A. Álvarez-García, J.H. Hong, J. Ramos, A.K. Dey, M. Bocca, and N. Patwari. “Competitive live evaluations of activity-recognition systems.” IEEE pervasive computing, vol. 14, no. 1, pp. 70-77, 2015.
• V. Vidulin, M. Bohanec, and M. Gams. “Combining human analysis and machine data mining to obtain credible data relations.” Information sciences, vol. 288, pp. 254-278, 2014.

Načini preverjanja znanja:

Seminarska naloga (80%)
Ustni zagovor (20%)

Obveznosti študentov:

Seminarska naloga in ustni zagovor.

Zunanje povezave: