13E054VI - Veštačka inteligencija

Specifikacija predmeta
Naziv		Veštačka inteligencija
Akronim		13E054VI
Studijski program		Elektrotehnika i računarstvo
Modul		modul Signali i sistemi
Tip studija		master akademske studije,osnovne akademske studije
Nastavnik (predavač)		prof. dr Predrag Tadić
Nastavnik/saradnik (vežbe)		prof. dr Predrag Tadić Maša Tiosavljević, dipl. inž. el. i rač.
Nastavnik/saradnik (DON)		prof. dr Predrag Tadić Maša Tiosavljević, dipl. inž. el. i rač.
Broj ESPB		6.0	Status predmeta	izborni
Uslovljnost drugim predmetima		nema
Ciljevi izučavanja predmeta		Upoznavanje studenata sa osnovnim konceptima veštačke inteligencije, sa akcentom na algoritmima pretrage, planiranja, učenja podsticanjem i probabilističkog rasuđivanja. Osposobljavanje studenata za modeliranje, dizajn i testiranje sistema veštačke inteligencije, uz praktičnu implementaciju u programskom jeziku Python.
Ishodi učenja (stečena znanja)		Studenti će biti sposobni da samostalno analiziraju projektne zahteve i okruženje u kojima agent treba da deluje, da odaberu odgovarajuće algoritme veštačke inteligencije za postavljeni problem, da ih projektuju, praktično implementiraju korišćenjem programskog jezika Python, i da ih adekvatno testiraju.
Sadržaj predmeta
Sadržaj teorijske nastave		Pretraživanje i planiranje: klasična, lokalna i takmičarska pretraga, zadovoljavanje ograničenja. Učenje podsticanjem: Markovljev proces odlučivanja, funkcije vrednosti stanja i akcija, Q-učenje, REINFORCE. Probabilističko rasuđivanje: Bayes-ove mreže, egzaktno i Monte Karlo zaključivanje. Rasuđivanje u temporalnim modelima: skriveni Markovljevi modeli, dinamičke Bayes-ove mreže, čestični filtar.
Sadržaj praktične nastave		Detaljno rešeni problemi koji demonstriraju mehanizme i značajne aspekte razmatranih algoritama pretrage, planiranja i probabilističkog rasuđivanja. Interaktivna demonstracija i analiza praktičnih implementacija ovih algoritama na ilustrativnim problemima.
Literatura
Artificial Intelligence: A Modern Approach. 3rd Edition, S. Russell and P. Norvig. Prentice Hall, 2020 R.S. Sutton, A.G. Barto. Reinforcement learning: An introduction. MIT press, 2018.
Broj časova aktivne nastave nedeljno tokom semestra/trimestra/godine
Predavanja	Vežbe	DON	Studijski i istraživački rad	Ostali časovi
3	1	1
Metode izvođenja nastave		predavanja, vežbe na tabli, računarske demonstracije
Ocena znanja (maksimalni broj poena 100)
Predispitne obaveze		Poena	Završni ispit	Poena
Aktivnosti u toku predavanja		0	Pismeni ispit	60
Praktična nastava		10	Usmeni ispit	0
Projekti
Kolokvijumi		30
Seminari		0