Subject

Вештачка интелигенција

1. Course Title Вештачка интелигенција
Artificial Intelligence
2. Code F23L2S030
3. Study Programme Биоинформатика, Софтверско инженерство и информациски системи, Компјутерски науки, Software engineering and information systems
4. Organizer of the study programme (unit, institute, department or division) Faculty of Computer Science and Engineering
5. Degree level (first, second, third cycle) Прв циклус
6. Academic year / semester 4 / Летен
7. Number of ECTS credits 6
8. Teacher Андреа Кулаков, Георгина Мирчева, Илинка Иваноска, Кире Триводалиев, Петре Ламески, Соња Гиевска
9. Prerequisites for enrolling in the course Освоени најмалку 36 ЕКТС
10. Objectives of the course programme (competences) Успешниот студент ќе има продлабочени познавања од основните области на вештачката интелигенција, вклучувајќи ги: пребарувањето, решавањето проблеми, претставувањето на знаењето, расудувањето, донесувањето одлуки, планирањето и учењето и нивната примена. Исто така, ќе биде во состојба да ги дизајнира и реализира клучните проблеми од интелигентните системи со средна сложеност и да го процени нивното однесување.
11. Course content Предавања:
1. За вештачката интелигенција
За интелигентните агенти
2. Вовед во пребарувањето
Неинформирано пребарување
3. Информирано пребарување
4. Исполнување услови
5. Спротивставено пребарување
6. Генетски алгоритми
7. Веројатносно расудување
Баесови мрежи
8. Основи на машинско учење
Наивен Баесов алгоритам
9. Перцептрон
10. Дрва на одлучување
11. Невронски мрежи
12. Области на примена на вештачката интелигенција
Обработка на природните јазици, машинска визија, роботика
12. Learning methods Предавања со користење на презентации, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа.
13. Total available time 6 ECTS x 30 hours = 180 hours
14. Distribution of available time 30 + 60 + 15 + 15 + 60 = 180 часа
15. Forms of teaching activities
15.1. Lectures - theoretical instruction 30 hours
15.2. Exercises (laboratory, auditory), seminars, teamwork 60 hours
16. Other forms of activities
16.1. Project assignments 15 часови
16.2. Independent assignments 15 часови
16.3. Home study 60 hours
17. Assessment method
17.1. Tests 40 бодови
17.2. Seminar paper / project (presentation: written and oral) 15 бодови
17.3. Activities and learning 10 бодови
17.4. Final exam 50 бодови
18. Grading criteria (points / grade)
up to 50 points5 (five) (F)
from 51 to 60 points6 (six) (E)
from 61 to 70 points7 (seven) (D)
from 71 to 80 points8 (eight) (C)
from 81 to 90 points9 (nine) (B)
from 91 to 100 points10 (ten) (A)
19. Requirement for obtaining a signature and taking the final exam Реализирани активности 15.2 и 16.1
20. Language of instruction Macedonian and English
21. Method for monitoring the quality of teaching internal evaluation and survey mechanism
22. Literature
22.1. Required literature
1. Stuart Russell and Peter Norvig | Artificial Intelligence: A Modern Approach | Prentice Hall | 2009
2. Eric Matthes | Python Crash Course: A Hands-On, Project-Based Introduction to Programming | No Starch Press | 2015
3. Prateek Joshi | Artificial Intelligence with Python: A Comprehensive Guide to Building Intelligent Apps for Python Beginners and Developers | Packt Publishing | 2017
22.2. Additional literature
No. Author Title Publisher Year