Примена на вештачка интелигенција и системи

Целта на овој предмет е студентите да се стекнат со знаење за примената на вештачката интелигенција и интелигентните системи и нивната примена во повеќе научни дисциплини. Резултат: Студентите ќе се стекнат со вештини како да развијат системи кои имаат интелигентно однесување, учат од грешките, ја подобруваат нивната функционалност, решаваат задачи за кои не биле обучени во текот на проектирањето. Студентите ќе изработат практичен проект за реален интелигентен систем

Целта на овој предмет е студентите да се стекнат со знаење за примената на вештачката интелигенција и интелигентните системи и нивната примена во повеќе научни дисциплини. Резултат: Студентите ќе се стекнат со вештини како да развијат системи кои имаат интелигентно однесување, учат од грешките, ја подобруваат нивната функционалност, решаваат задачи за кои не биле обучени во текот на проектирањето. Студентите ќе изработат практичен проект за реален интелигентен систем

Detailed syllabus by chapters and units

Содржина на предметната програма:

  1. Интелигенција. Идентификување и формулирање на проблем кој може да биди решен со вештачка интелигенција, избор на алгоритам, примена на решение од вештачка интелигенција, интелигентни агенти, видови, дизајнирање на интелигентни агенти, евалуација на агенти, дефинирање на целите, анализа на задачите и развој на интелигентен систем Резултати од учењето: стекнување на знаење за начинот на претставување на проблем кој треба да го реши интелигентен систем.
  2. Основи на когнитивна наука (перцепција, осознавање, меморирање и учење). Резултати од учењето: стекнување на знаење за

начинот на перцепирање, меморирање, учење и останатите функции на мозокот и можностите за нивно пресликување кај вештачката интелигенција. 3. Примена на интелигентни системи во реални случаи, интелигентни системи на web Резултати од учењето: стекнување на знаење за начинот на кој се претставуваат видови на интелигентни системи. Разгледување на видови на интелигентни системи. 4. Презентација и опишување на интелигентен систем, интелигентни технологии и модели, интеракција човек – компјутер, софтверски алатки. Резултати од учењето: стекнување на знаење за реализација на интеракција човек – компјутер со помош на интелигентни агенти. 5. Модели на реални системи. Модели за учење. Видови на невронски мрежи и управување со помош на невронски мрежи. Комбинирање на класификатори. Еволутивно пресметување и примена. Препознавање на облици и говор. Резултати од учењето: стекнување на знаење за различни реални примени на интелигентни техникии проблемите кои можи да се јават при примената на вештачката интелигенција.

Teaching methods

Методи на учење: теоретска настава, аудиториски вежби, лабораториски вежби, групно учество на студенти во изработка на проекти или семинарски работи, одржување консултации со студенти, учество во изработка на дипломски работи
Weekly contact hours 5 hours
Total workload 150 hours
Attendance requirements нема

Teaching activities

CodeActivityHours
16.1Предавања- теоретска настава. часови45
16.2Вежби (лабораториски, аудиториски), семинари, тимска работа: часови30
16.3Пракса: часови0

Other activities

CodeActivityHours
17.1Проектни задачи: часови15
17.2Самостојни задачи: часови10
17.3Домашно учење - задачи50

Assessment method

писмено

Assessment components

CodeComponentPoints
19.1Тестови: бодови0
19.2Семинарска работа/проект, презентација писмена и усна: бодови10
19.3Завршен испит: бодови90

Grading scale

Points rangeGrade
до 50 бода5 (пет) (F)
51 х до 60 бода6 (шест) (E)
61 х до 70 бода7 (седум) (D)
од 71 до 80 бода8 (осум) (C)
од 81 до 90 бода9 (девет) (B)
од 91 до 100 бода10 (десет) (A)
Евалуација и самоевалуација