Subject

Вештачка интелигенција

1. Наслов на наставниот предмет Вештачка интелигенција
Artificial Intelligence
2. Код F23L2S030
3. Студиска програма Софтверско инженерство и информациски системи, Компјутерски науки, Software engineering and information systems
4. Организатор на студиската програма (единица, односно институт, катедра, оддел) Faculty of Computer Science and Engineering
5. Степен (прв, втор, трет циклус) First Cycle
6. Академска година / семестар 4 / Летен
7. Број на ЕКТС кредити 6
8. Наставник Андреа Кулаков, Георгина Мирчева, Илинка Иваноска, Кире Триводалиев, Петре Ламески, Соња Гиевска
9. Предуслови за запишување на предметот Освоени најмалку 36 ЕКТС
10. Цели на предметната програма (компетенции) 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. Содржина на предметната програма 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. Методи на учење 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. Вкупен расположив фонд на време 6 ЕКТС x 30 часа = 180 часа
14. Распределба на расположивото време 30 + 60 + 15 + 15 + 60 = 180 часа
15. Форми на наставните активности
15.1. Предавања - теоретска настава 30 часови
15.2. Вежби (лабораториски, аудиториски), семинари, тимска работа 60 часови
16. Други форми на активности
16.1. Проектни задачи 15 часови
16.2. Самостојни задачи 15 часови
16.3. Домашно учење 60 часови
17. Начин на оценување
17.1. Тестови 40 бодови
17.2. Семинарска работа / проект ( презентација: писмена и усна) 15 бодови
17.3. Активности и учење 10 бодови
17.4. Завршен испит 50 бодови
18. Критериуми за оценување (бодови/ оценка)
до 50 бода5 (пет) (F)
од 51 до 60 бода6 (шест) (E)
од 61 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)
19. Услов за потпис и полагање на завршен испит Реализирани активности 15.2 и 16.1
20. Јазик на кој се изведува наставата Македонски и англиски
21. Метод на следење на квалитетот на наставата механизам на интерна евалуација и анкети
22. Literature
22.1. Задолжителна литература
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. Дополнителна литература
Ред.бр. Автор Наслов Издавач Година