Sadržaj se učitava...
mdi-home Početna mdi-account-multiple Djelatnici mdi-script Studiji mdi-layers Katedre mdi-calendar-clock Raspored sati FOI Nastava search apps mdi-login
Uvod u umjetnu inteligenciju
Introduction to Artificial Intelligence
2025/2026
6 ECTSa
Informacijski i poslovni sustavi 1.2 (IPS)
Katedra za teorijske i primijenjene osnove informacijskih znanosti
M3
5. semestar
Osnovne informacijemdi-information-variant Izvođači nastavemdi-account-group Nastavni plan i programmdi-clipboard-text-outline Model praćenjamdi-human-male-board Ispitni rokovimdi-clipboard-check-outline Rasporedmdi-calendar-clock Konzultacijemdi-account-voice
Izvođenje kolegija
Studij Studijski program Semestar Obavezan
Informacijski i poslovni sustavi 1.2 (IPS) Umjetna inteligencija u poslovanju 5 obavezan
Cilj kolegija
Upoznavanje studenata s različitim aspektima područja umjetne inteligencije i njezine široke primjene. Poseban naglasak je dati pregled područja umjetne inteligencije, njezinih osnovnih odrednica, metoda, tehnika i algoritama koji su temelj za izgradnju naprednih informacijskih i računalnih sustava poput Interneta svega, sustava obrade velikih količina podataka (engl. Big Data), pametnih gradova, samovozećih prometala, naprednih robota, inteligentnih agenata i sl.
Preduvjeti
Norma kolegija
Predavanja
30 sati
Vježbe u praktikumu
30 sati
Nastavnik Uloga na kolegiju Oblik nastave Tjedana Sati Grupa
Oreški Dijana Nositelj Predavanja 7 2 1
Schatten Markus Nositelj Predavanja 8 2 1
Okreša Đurić Bogdan Suradnik Vježbe u praktikumu 7 2 3
Višnjić Dunja Suradnik
Pokos Lukinec Marija Suradnik Vježbe u praktikumu 7 2 3
Sadržaj predavanja
  • Uvod u predmet i objašnjenje načina rada. (2 sata)
    Što je umjetna inteligencija. Turingov test. Kognitivno modeliranje. „Zakoni promišljanja”. Osnove umjetne inteligencije. Kratka povijest umjetne inteligencije. Sažetak.
  • Rješavanje problema. (6 sati)
    Rješavanje problema traženjem. Agenti koji rješavaju probleme. Primjeri problema. Traženje rješenja. Strategije traženja. Heuristike. Lokalni algoritmi traženja i optimizacijski problemi. Teorija igara. Problemi zadovoljavanja ograničenja. Unatražno traženje (engl. backtracking) za probleme s ograničenjima. Lokalno traženje za probleme s ograničenjima. Sažetak.
  • Znanje, rezoniranje i planiranje. (7 sati)
    Logički agenti. Agenti temeljeni na znanju. Logika. Zakoni oblika. Klasično planiranje. Algoritmi za planiranje. Višeagentno planiranje. Reprezentacija znanja. Inženjerstvo ontologija. Nepouzdano znanje i stohastičko rezoniranje. Sažetak.
  • Učenje. (7 sati)
    Vrste učenja. Učenje na primjerima. Nadzirano učenje. Neuronske mreže. Dubinsko učenje. Zajedničko učenje. Logička formulacija učenja. Induktivno logičko programiranje. Statističko učenje. Podupirano učenje.
  • Aplikacijske domene. (8 sati)
    Procesiranje prirodnog jezika. Klasifikacija teksta. Pronalazak informacija. Ekstrakcija informacija. Prepoznavanje govora. Strojno prevođenje. Analiza slika. Pretprocesiranje slika. Prepoznavanje objekata. Rekonstrukcija 3D svijeta. Računalni vid. Robotika. Ostale aplikacijske domene. Budućnost umjetne inteligencije. Sažetak.
Sadržaj seminara/vježbi
  • Vježbe u računalnim laboratorijima.
    Vježbe u računalnim laboratorijima prate sadržaj predavanja te služe kao priprema za izradu vlastitog projekta umjetne inteligencije za odabranu domenu. Na laboratorijskim vježbama koristit će se odgovarajući alati za razvoj različitih aspekata umjetne inteligencije
Ishodi učenja kolegija
  • Modelirati zadani regularni izraz pomoću konačnog automata.
  • Predložiti pristupe i metode iz područja umjetne inteligencije u realizaciji informacijsko komunikacijskih sustava.
  • Planirati postupke i tehnike koje omogućavaju automatsko zaključivanje, učenje i optimizaciju.
  • Predložiti metode strojnog učenja za rješavanje konkretnih problema iz područja umjetne inteligencije.
  • Oblikovati predstavljanje znanja u zadanoj problemskoj domeni na temelju odabira odgovarajućeg pristupa i sheme.
  • Objasniti osnovne postavke deklarativne programske paradigme te značajke logičkih programskih jezika.
  • Preporučiti korištenje odgovarajućih koncepata logičkog programiranja za rješenje zadanog problema i njegovu implementaciju pomoću logičkog programskog jezika.
  • Odabrati odgovarajuću strukturu neuralne mreže za strojno učenje te definirati skupove ulaznih podataka i rezultata za učenje neuralne mreže.
  • Objasniti primjenu umjetne inteligencije u različitim područjima i osnovne značajke sustava umjetne inteligencije.
  • Primijeniti metode nenadgledanog učenja za klasifikaciju skupova podataka.
Ishodi učenja programa
  • razumjeti stanje i trendove razvoja suvremenih informacijskih i komunikacijskih tehnologija (ICT), razumjeti njihov utjecaj na pojedinca, organizaciju i društvo te procijeniti njihovu primjenjivost u zadanom kontekstu
  • razumjeti i primijeniti ključne aspekte informacijske tehnologije (programiranje, algoritmi, strukture podataka, baze podataka i znanja
  • razumjeti i primijeniti metode, tehnike razvoja informacijskih i programskih sustava u suvremenim razvojnim okolinama
  • pratiti stručnu literaturu na hrvatskom i stranom jeziku, pripremiti i samostalno održati prezentacije na hrvatskom i stranom jeziku stručnoj i općoj publici, te kritičku evaluaciju prezentirane stručne teme
Osnovna literatura
  • Russel S. and Norvig P. (2010) Artificial Intelligence: A Modern Approach, Pearson.
Dopunska literatura
  • Materijali postavljeni na sustav za e-učenje.     
Slični kolegiji
Redoviti studenti Izvanredni studenti
izvanredni rok
Datum: 15.04.2026.
Vrijeme: 16:00
Opis: Na Fakultetu
U kalendaru ispod se nalaze konzultacije predmetnih nastavnika, no za detalje o konzultacijama možete provjeriti na profilu pojedinog predmetnog nastavnika.
2025 © Fakultet organizacije i informatike, Centar za razvoj programskih proizvoda