Section outline

  • Σύμπτυξη όλων Ανάπτυξη όλων

  • Γενικά

    Περιγραφή Μαθήματος

    1. Εισαγωγή στην Τεχνική Νοημοσύνη. Κατηγορίες τεχνικής νοημοσύνης, μέθοδοι με επίβλεψη, χωρίς επίβλεψη και ημι-επιβλεπόμενης μάθησης. Μέθοδοι με μοντελοποίηση ή χωρίς μοντελοποίηση. Πιθανοτικοί μέθοδοι. Ευφυής Πράκτορες.

    2. Εισαγωγή στις μεθόδους τεχνητής νοημοσύνης χωρίς μοντελοποίηση (stateless - Επιβλεπόμενη μάθηση). Η δομή του απλού preceptor, neuron. H δομή των νευρωνικών δικτύων. Η μέθοδος τος backpropagation. Συνελεκτικά νευρωνικά δίκτυα βαθιάς μάθησης. Μέθοδοι μη γραμμικής κατηγοριοποίησης.

    3. Εισαγωγή στις μεθόδους τεχνητής νοημοσύνης χωρίς μοντελοποίηση (stateless - Μη Επιβλεπόμενη μάθηση). Μέθοδοι ταξινόμησης, k-means, DBSCAN, spectral clustering. Μέθοδοι μη επιβλεπόμενης μάθησης με χρήση εκπαίδευσης ( autoencoders, stacked autoencoders, deep learning).

    4. Εισαγωγή στις μεθόδους τεχνητής νοημοσύνης με μοντελοποίηση (state modeling - ντετερμινιστική). Εισαγωγή στην Μοντελοποίηση. Προβλημάτων Αναζήτησης. Δέντρα αναζήτησης. Ευρεστικοί Μέθοδοι. Τοπικοί Αλγόριθμοι Αναζήτησης και Μέθοδοι βελτιστοποίησης. Αναζήτηση κατά πλάτος, βάθος. Uniform Cost Search. A Star A Star Relaxations.

    5. Εισαγωγή στις μεθόδους τεχνητής νοημοσύνης με μοντελοποίηση (state modeling - ανταγωνιστική). Ανταγωνιστικοί Μέθοδοι. Θεωρία Παιχνίων, Max Min Αλγόριθμοι, ExpectMax Αλγόριθμοι, Alpha-Beta pruning. Adversarial Generative Networks (GANs) and deep learning

    6. Εισαγωγή στις μεθόδους τεχνητής νοημοσύνης με μοντελοποίηση (state modeling -πιθανοτική). Bayesian ταξινομητές, Decision tress, μοντελοποίηση με Markov μοντέλα, αξιολόγηση πολιτικής ( policy evaluation), particle filters, Q-learning, Reinforcement learning , deep reinforcement learning

    7. Εισαγωγή στις Βάσεις Γνώσης και στα Έμπειρα Συστήματα. Συμβολική Αναπαράσταση Γνώσης: Αντικείμενα, Κανόνες Παραγωγής, Σημασιολογικά Δίκτυα, Πλαίσια, Πίνακες.

    8. Συμβολικές Μέθοδοι Εξαγωγής Συμπερασμάτων και Διαδικασίες Ελέγχου Αποφάσεων. Χρήση και Μηχανισμός κανόνων παραγωγής, ορθή, ανάστροφη και αμφίδρομη συλλογιστική, κατά βάθος- και κατά πλάτος – έρευνα.

    9. Αναπαράσταση και εξαγωγή συμπερασμάτων με αβέβαιη και ασαφή γνώση. Αβέβαιη Συλλογιστική, Ασαφής Λογική, Συλλογιστική με Πιθανότητες, Θεωρία της Μαρτυρίας.

    10. Ανάπτυξη Εμπείρων Συστημάτων. Η Αρχιτεκτονική των Εμπείρων Συστημάτων. Βήματα Ανάπτυξης ενός Έμπειρου Συστήματος. Διατύπωση και Προσδιορισμός του Προβλήματος. Εννοιολογική Σύλληψη του Προβλήματος, Σύλληψη γνώσης από γραπτές πηγές και Εμπειρογνώμονες. Τυποποίηση και Οργάνωση της Βάσης Γνώσης, Υλοποίηση του Έμπειρου Συστήματος, Αξιολόγηση του Έμπειρου Συστήματος.

    11. Γλώσσες Προγραμματισμού και Εργαλεία Ανάπτυξης Έμπειρων Συστημάτων: Είδη Εργαλείων, Επιλογή Γλώσσας ή Εργαλείου, Υλική Υποδομή για Έμπειρα Συστήματα.

    12. Παραδείγματα Έμπειρων Συστημάτων. Ανασκόπηση εμπείρων συστημάτων στις Γεωεπιστήμες.

  • Διαλέξεις Βάσεων Γνώσης

  • Ασκήσεις Βάσεων Γνώσης - 2023

  • ΔΙΔΑΣΚΟΝΤΕΣ

    Δουλάμης Νικόλαος, Αν.Καθηγητής  (Υπεύθυνος μαθήματος) Τηλέφωνο: 210 772-2678, email: ndoulam@cs.ntua.gr

    Δημήτρης Αργιαλάς, Καθηγητής
    Τηλέφωνο: 210 772-2595, email: argialas@central.ntua.gr

    Δουλάμης Αναστάσιος, Αν.Καθηγητής Τηλέφωνο: 210 772-2676, email: adoulam@cs.ntua.gr

    Βαμβουκάκης Κωνσταντίνος, Ε.ΔΙ.Π.

    Τηλέφωνο: 210 772 2780, email: kvam@survey.ntua.gr

    Πολυχρόνης Κολοκούσης, Ε.ΔΙ.Π. Τηλέφωνο: 210 772-2599, email: pol@survey.ntua.gr

    Πρωτοπαπαδακης Ευτυχιος Εξωτερικός Συνεργάτης email:eft.protopapadakis@gmail.com



  • Εργασίες Ακαδημαϊκού Έτους 2023-2024