FOI Nastava - Sustavi temeljeni na znanju

Sadržaj se učitava...

FOI Nastava

apps

mdi-login

Sustavi temeljeni na znanju

Knowledge-Based Systems
2018/2019

4 ECTSa

Informacijski i poslovni sustavi 1.1 (PDS)

Katedra za razvoj informacijskih sustava

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 1.1 (PDS)	Informacijski sustavi	5	izborni
Informacijski i poslovni sustavi 1.1 (PDS)	Poslovni sustavi	5	izborni

Cilj kolegija

Upoznavanje temeljnih principa umjetne inteligencije s naglaskom na sustave temeljene na znanju primijenjenih u poslovanju. Studenti upoznaju generičku arhitekturu inteligentnih sustava, način prikaza znanja, traženja rješenja i zaključivanja, neizrazitu logiku, rad na prikupljanju znanja, tehnike programiranja i proces razvoja sustava temeljenih na znanju.

Preduvjeti

Matematika 1 (PDS 1.1)
Programiranje 1 (PDS 1.1)

Norma kolegija

Predavanja

30 sati

Vježbe u praktikumu

30 sati

Nastavnik	Uloga na kolegiju	Oblik nastave	Tjedana	Sati	Grupa
Kliček Božidar	Nositelj
Oreški Dijana	Suradnik	Vježbe u praktikumu Predavanja	0 0	0 0	0 0

Sadržaj predavanja

1. Uvod u umjetnu inteligenciju i sustave temeljene na znanju
Uvod. Temeljni principi umjetne inteligencije. Karakteristike inteligentnih sustava. Pregled povijesnog razvoja s ilustracijom tipičnih problema (pretpovijesna faza, prvi uspjesi, faza euforije, faza otriježnjenja, faza zrelosti i komercijalne primjene). Perspektive umjetne inteligencije. Pregled područja umjetne inteligencije (igre, automatsko zaključivanje i dokazivanje teorema, ekspertni sustavi, prirodni jezik, modeliranje ljudskih sposobnosti, planiranje i robotika, jezici, strojno učenje, paralelna distribuirana obrada). Ilustracija najuspješnijih aplikacija umjetne inteligencije. Kognitivni procesi i rješavanje problema. Teorija rješavanja problema (Newell i Simon). Prikaz koncepata u memoriji. Rješavanje problema kod ljudi i kod produkcijskih sustava.
2. Traženje, heuristika i produkcijski sustavi
Teorija grafova. Koncepti traženja: prostori rješenja i traženja, prikaz prostora kao stablo. Slijepo traženje: u dubinu i širinu. Ilustracija traženja kod jednostavnog sustava temeljenog na znanju. Usmjereno traženje. Hijerarhijsko traženje. Prikaz znanja i zaljučivanja kod produkcijskih sustava.
3. Arhitektura sustava temeljenih na znanju
Inteligentni sustavi. Matematički temelji za arhitekturu inteligentnih sustava, formalni modeli sustava i procesa, terminologija i pretpostavke, konstrukcija, prikaz realnog svijeta, elementarni principi rješavanja problema.. Arhitektura, okolina i funkcije koje ostvaruje. Pravila i činjenice, ispitivanje pravila i aktiviranje, održavanje dosljednosti, uporaba varijabli, ulančavanje unaprijed i unatrag, mješovita strategija, rezolucija konflikata.
4. Neizraziti sustavi
Problem nesigurnosti u umjetnoj inteligenciji, klasifikacija metoda zaključivanja kod nesigurnosti i informativan opis (Bayesova metoda, faktori sigurnosti, neizrazita logika, Dempster-Shaferova teorija). Neizrazita logika kod zaključivanja kod nesigurnosti. Neizraziti skupovi i operacije. Neizraziti skupovi i vjerojatnost, konceptualizacija s neizrazitim terminima, standardni tipovi funkcija pripadnosti. Neizrazite relacije i operacije. Neizrazite propozicije i neizrazita logika. Neizrazita pravila, metode neizrazitog zaključivanja, fuzifikacija, evaluacija pravila i defuzifikacija. Neizrazito pretraživanje pravila i neizrazite baze podataka. Neizraziti inteligentni sustavi: svojstva, dizajn, neizrazito strojno učenje iz podataka. Primjena neizrazitih sustava.
6. Tehnike prikaza znanja i strojno učenje
Klasifikacija i ilustracija tehnika prikaza znanja: stabla odlučivanja, slučajevi, pravila, procedure, hijerarhije, svojstva uzoraka. Problemi prikupljanja znanja i strojno učenje. Razvoj stabala odlučivanja. Smanjivanje stabala odlučivanja i evaluacija. Ekstrakcija pravila iz znanja.
7. Područja primjene
Ilustracija različitih područja primjene koja razvijaju različite tehnike umjetne inteligencije. Interpretacija i dijagnoza. Dizajn i odabir. Sustavi planiranja. Sustavi upravljanja.

Sadržaj seminara/vježbi

1. Prikaz aplikacija umjetne inteligencije i sustava temeljenih na znanju
Osnovni pojmovi. Prikaz osnovnih svojstava alata XpertRule Knowledge Builder i različitih primjera aplikacija koje se mogu razviti. Prikaz drugih klasa sustava temeljenih na znanju na Webu.
2. Pregled izrade jednostavne aplikacije pomoću XpertRulea
Kratko objašnjenje načina rada, moduli Knowledge Explorera, uređivanja atributa znanja, dijaloga i izvješća, procedura, koraka izrade aplikacije, te prilagođavanje objekata. Stvaranje baze podataka projekta. Dodavanje modula znanja. Stvaranje atributa i njihovih vrijednosti. Dodavanje teksta koji se prikazuje za vrijeme rada aplikacije. Postavljanje načina prikaza znanja. Uporaba stabla odlučivanja. Prikaz specifičnog znanja i njegovo testiranje. Kreiranje varijabli, procedura i kontrolnog stabla. Testiranje i izvođenje čitavog modula.
3. Tehnike prikaza znanja
Prikaz temeljnih tehnika za prikaz znanja u ovom alatu: slučajevi, stabla odlučivanja, pravila i drugo. Zaključivaje temeljeno na slučajevima. Demonstracija tehnika pomoću demo programa. Izrada programskog zadatka.
4. Ulančavanje unaprijed i unatrag
Pregled problema, izrada teoretskog primjera. Ilustracija tehnika programskim primjerima. Izrada programskih zadataka koji se izvode uz kontrolu različitih tehnika ulančavanja.
5. Neizrazita logika
Računanje rezultirajućih složenih izraza neizrazite logike, tipa and, or i not. Izrada računskih zadataka. Ilustracija programskim primjerima. Izrada programskog zadatka.
6. Neizrazito zaključivanje
Praćenje zaključivanja preko dijagrama, te programskih primjera. Procesi fuzifikacije, defuzifikacije i zaključivanja. Izrada računskih zadataka. Izrada programa koji primjenjuju neizrazitu logiku.
7. Razvoj neizrazitih sustava
Koraci razvoja neizrazitih sustava. Stvaranje baze podataka neizrazitog projekta. Dodavanje modula znanja. Definiranje neizrazitih atributa i njihovih vrijednosti. Parametri koji određuju rezultat. Programski zadatak.
8. Elicitacija znanja
Pojam elicitacije znanja. Uloga elicitacije znanja u razvojnom ciklusu sustava temeljenog na znanju. Tehnike elicitacije znanja ljudskih eksperata - intervju, usredotočena diskusija, teach back, elicitacija konstrukata, sortiranje zadataka, %22penjanje po ljestvama%22, %2220 pitanja%22, stvaranje matrice, kritiziranje, protokoli, igranje uloga, simulacije. Elicitacija znanja iz ostalih izvora iz postojećih sustava, iz dokumenata, iz fizičke ili socijalne okoline. Problemi elicitacije znanja. Karakteristike elicitatora.
9. Indukcija stabala odlučivanja
Teorijski prikaz problema strojnog učenja i definicija stabla odlučivanja. Izrada računskih zadataka. Izrada programskog primjera gdje studenti unose podatke, te programski induciraju stablo odlučivanja tražene strukture.
10. Jezik skripata
Klasifikacija naredbi. Ilustracija sintakse i semantike najvažnijih naredbi, načina njihovog uređivanja i demonstracija jednostavnog programa. Studenti izrađuju jednostavan programski primjer na zadanu temu.
11. Razvoj sustava temeljenih na znanju metodologijom KADS
Ciklusi i modeli metode KADS. Modeliranje problema dijagnoza, subjektivna procjena, kategorička procjena, preporuka/ odabir/ savjet, klasifikacija, interpretacija pravila i propisa. Strukturiranje znanja odvajanje kontrolnih zadaća, određivanje atributa i izlaza, grupiranje atributa i izlaza u podzadaće i zadaće. Akvizicija znanja razvoj pojedinačnih stabala odlučivanja, razvoj uzoraka pravila, dodavanje procedura logici zadaća odlučivanja. Testiranje znanja.
12. Testiranje znanja
Integracija znanja: provjera razmjene podataka između inteligentnog sustava i drugih aplikacija korisničkog sučelja, baza podataka. Provjera performansi i operabilnosti sustava: baze znanja, strategije zaključivanja i sučelja. Provjera ispravnosti i potpunosti znanja. Testiranje programskog rješenja.
13. Tehnike programiranja
Ilustracija različitih tehnika izrade sučelja za korisnika. Izrada WYSIWYG korisničkog sučelja XrClient aplikacija. Izrada sučelja za prikaz rezultata reporta. Izrada web sučelja predlošci, prilagodba korisničkog sučelja u web sučelje.
14. Tehnike povezivanja s Webom
Povezivanje aplikacija izrađene u XpertRule Knowledge Builder s webom kao klijent aplikacija, kao server. XrServer. Preuzimanje vrijednosti sa weba, prikaz rezultata aplikacije na webu, prilagodba aplikacije u web aplikaciju - funkcije GoXML-a.
15. Ilustracija istraživanja
Ovo je rezervirano za aktivno sudjelovanje studenata u nekom od istraživanja, u obliku testiranju nekih aplikacija sustava temeljenih na znanju.

Ishodi učenja kolegija

upoznavati temeljnih principa umjetne inteligencije s naglaskom na sustave temeljene na znanju primijenjenih u poslovanju
upoznavati generičke arhitekturu inteligentnih sustava
stječi praktične kompetencije za rješavanje konkretnih problema primjene sustava temeljenih na znanju (bankarstvo, marketing)

Ishodi učenja programa

razumjeti i primijeniti ključne aspekte informacijske tehnologije (programiranje, algoritmi, strukture podataka, baze podataka i znanja
razumjeti i primijeniti matematičke metode, modele i tehnike primjerene rješavanju problema iz područja informacijskih i poslovnih sustava
analizirati stanje, identificirati prilike i definirati probleme s kojima se susreću organizacije i pojedinci u primjeni ICT, te formulirati rješenja uz primjenu ICT
razumjeti i primijeniti metode, tehnike razvoja informacijskih i programskih sustava u suvremenim razvojnim okolinama
razumjeti i primijeniti procese, metode i tehnologije upravljanja IT uslugama i resursima te podrške i pružanja različitih vrsta usluga vezanih uz ICT
identificirati ključne podatke i informacije za donošenje racionalnih poslovnih odluka

Osnovna literatura

Luger, F.G.; Stubblefield, W.A. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. 6th ed., Addison-Wesley, Harlow, 2008.
Giarratano, J.C.; Riley, G.D. Expert Systems: Principles and Programming. 4th ed., Thompson course technology, Boston, 2004.

Dopunska literatura

Proceedings of the AAAI National Conference on Artificial Intelligence
Proceedings of the AAAI Innovative Applications of Artificial Intelligence Conference
Proceedings of the Florida AI Research Symposium Conferences (FLAIRS)
Proceedings of the Knowledge Discovery and Data Mining Conference

Slični kolegiji

Prikaz znanja. Propozicijska i predikatska logika. Ekspertni sustavi. Proces zaključivanja. Zaključivanje s nepouzdanim znanjem. Neizrazita logika. Automatizirano učenje indukcijom iz primjera. Umjetne neuronske mreže. Evolucijsko računarstvo i genetski algoritmi. Hibridni ekspertni sustavi. Inženjerstvo znanja. Primjene u poslovanju.

Redoviti studenti

Izvanredni studenti

U kalendaru ispod se nalaze konzultacije predmetnih nastavnika, no za detalje o konzultacijama možete provjeriti na profilu pojedinog predmetnog nastavnika.