FOI Nastava - Inteligentni sustavi

Sadržaj se učitava...

FOI Nastava

apps

mdi-login

Inteligentni sustavi

Intelligent Systems
2016/2017

4 ECTSa

Baze podataka i baze znanja 1.2 (BPBZ)
Informacijsko i programsko inženjerstvo 1.2 (IPI)
Informatika u obrazovanju 1.2 (IUO)
Organizacija poslovnih sustava 1.2 (OPS)

Katedra za razvoj informacijskih sustava

3. 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	Semestar	Obavezan
Baze podataka i baze znanja 1.2 (BPBZ)	3	obavezan
Informacijsko i programsko inženjerstvo 1.2 (IPI)	3	izborni
Informatika u obrazovanju 1.2 (IUO)	3	izborni
Organizacija poslovnih sustava 1.2 (OPS)	3	izborni

Cilj kolegija

Kroz ovaj kolegij treba se stvoriti čvrsto teorijsko znanja tehnologije inteligentnih sustava i njihovih najznačajnijh tehnika, što treba omogućiti kompetenciju slušača u rješavanju konkretnih kompleksnih problema praktične primjene, ali i istraživanja. Pored toga, naglasak se daje na stjecanja kompetencije za praktičnu primjenu teorijskog znanja za rješavanje složenih problema. Kroz vježbe upoznaju se i uvježbavaju najučinkovitije metode u primjeni, te produbljuje teorija s predavanja. To se postiže primjenom najkvalitetnijh programskih alata na području inteligentnih sustava, korištenjem ilustrativnih primjera iz prakse i primjenom složenih tehnika i metoda, koje su dobro opisane teorijski na predavanjima i prisutne u programskim alatima.

Preduvjeti

Kolegij nema definirane preduvjete

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	10 10	3 3	3 1

Sadržaj predavanja

Uvod
Pregled taksonomija inteligentnih sustava, metoda, arhitektura i izvođenje zaključivanja.
Formalni modeli traženja i heuristike; genetski algoritmi
Matematički modeli, grafovi i stabla odlučivanja. Rekurzija i indukcija, problemska područja i stabla traženja. Jednostavne metode traženja stabala: najprije u dubinu, u širinu i iterativno produblivanje. Heurističko traženje. Parcijalno traženje. Formalni modeli ulančavanje unaprijed i unatrag, rezolucija konflikata, hibridni pristupi. Objašnjavanje zaključivanja. Algoritmi optimalizacije. Izlaz iz lokalnog minimuma. Genetski algoritmi: uvod, reprezenatcija rpoblema, opis algoritama, operacije: selekcija, križanje, mutacija. Tipičan primjer primjene genetskog algoritma, praćenje odvijanja i utjcaj varijacije parametara. Računalni resurski za provođenje. Varijante genetskih algoritama. Paralelni genetski algoritmi. Usporedba s ostalim paradigmama.
Nesigurnost
Teorija vjerojatnosti, konačni vjerojatnostni prostori, uvjetna vjerojatnost i Bayesov teorem, nezavisnost složenih događaja i slučajnih varijabli. Bayesove mreže i usmjereni aciklički grafovi. Vrste Bayesovih mreža: bipartitni problemi višestrukih dijagnoza, jednostruko povezani usmjereni aciklički grafovi, faktori sigurnosti, dedukcija, abdukcija i inukcija. Dempster-Schafer teorija vjerovanja. Neizraziti skupovi, logika i zaključivanje. Svojstva računalnih modela: dugački nizovi dedukcije, robustnost, mogućnost računanja, psihološka vrijednost, izbor sustava.
Prikaz znanja
Objektno orijentirani sustavi. Apstrakcija podataka, nasljeđivanje svojstava, enkapsulacija, uvezivanje varijabli, poruka i pozivi funkcija, sustavi temeljeni na okvirima.
Agenti
Inteligentni agenti. Agenti i objekti, arhitekture, višeagentni sustavi. Djelovanje, svojstva, struktura, vrste (jednostavni refleksni, s bilježenjem promjena u okolini, temeljeni na cilju, temeljeni na korisnosti), okolina, opis okoline.
Učenje
Simboličko učenje. Indukcija. Zaključivanje temeljeno na slučajevima: temelji, problemi izračunavanja, modficirane metrike, izbor relevantnih atributa.
Neuronske mreže
Neuronske mreže: prirodni i umjetni neuroni. Nadgledano učenje (perceptroni, jednoslojni i višeslojni), radijalni neuroni, mreže s vremenskim kašnjenjem, rekurentne mreže. Modeli neuronskih mreža za nenadgledano učenje (teorija adaptivne rezonancije), asocijativna memorija. Pregled modela neuronskih mreža, neizrazite neuronske mreže, hijerarhijske i modularne mreže. Klasa domena prmjene.
Inženjerstvo znanja
Sustavi temeljeni na znanju i inženjerstvo znanja. Temelji inženjerstva znanja. Primjena UML-a. Modeliranje organizacije. Komponente modela znanja. Predlošci i konstrukcija modela znanja, tehnike elicitacije znanja, modeliranje komunikacijskih aspekata. Ciklus razvoja inteligentnih sustava, metoda CommonKADS: dizajn arhitekture sustava, identifikacija platforma za implementaciju, specifikacija arhitekture, specifikacija aplikacija unutar arhitekture, dizajn prototipova, distribuirane arhitekture. Upravljanje projektima.

Sadržaj seminara/vježbi

Vježbe: Tehnike ulančavanja i traženja
Tehnike pretraživanja prostora stanja. Heurističko pretraživanje. Ulančavanje unaprijed – prednosti i nedostaci, primjer. Ulančavanje unatrag – prednosti i nedostaci, primjer. Kombinirano ulančavanje – prednosti i nedostaci, primjer. Usporedba ulančavanja.
Genetski algoritmi I
Uvod u teoriju genetskih algoritama. Osnovni pojmovi - kromosomi, geni, genotip, generacija, funkcija prilagođenosti (fitness), reprodukcija, križanje, mutacija. Koraci u primjeni genetičkih algoritama – prikaz mogućih rješenja problema preko kromosoma, stvaranje više generacija kromosoma, učinkovitost kromosoma, slučajni odabir i križanje. Analiza jednostavnog primjera upotrebe genetskih algoritama. Računski zadaci. Izrada programskog primjera genetskih algoritama - XpertRule Knowledge Builder. Određivanje varijabli. Definiranje atributa. Izrada procedura. Povezivanje varijabli i genetskih algoritama preko procedura. Izrada stabla odlučivanja. Optimalizacija. Rješavanje programskih zadataka.
Genetski algoritmi II
Optimizacija genetskim algoritmima. Izrada složenog programskog primjera – XpertRule Knowledge Builder. Parametri koji utječu na genetske algoritme – kromosomi, broj jedinki, broj generacija, funkcija prilagođenosti, vjerojatnost križanja, vjerojatnost mutacije. Analiza utjecaja pojedinih parametara optimizacije na rezultat. Rješavanje programskih zadataka.
Nesigurnost - Bayesove mreže
Bayesov teorem. Vjerojatnosni pristup sigurnosti. Mjere vjerovanja – karakteristike. Rješavanje zadataka.
Faktori sigurnosti
Pojam nesigurnih i neizrazitih varijabli. Razlike nesigurnosti i neizrazitosti. Utjecaj nesigurnosti na zaključivanje. Algebra faktora sigurnosti. Sigurnost logičkih izraza. Utjecaj neizrazitih varijabli na zaključivanje. Operacije s neizrazitim varijablama – dodjeljivanje vrijednosti, oduzimanje vrijednosti, inverzna sigurnost. Primjeri i rješavanje računskih zadataka.
Prikaz znanja (Clips)
Tehnike prikaza znanja. Okviri. Rad s okvirima. Demoni. Nasljeđivanje svojstava. Prenošenje poruka. Klase objekata – definiranje klase, mijenjanje klase, brisanje klase. Kreiranje slučajeva. Rukovatelj porukama. Višestruko nasljeđivanje svojstava.
Agenti I
Pojam agenta i više agentnih sustava. Karakteristike agenata – neprekidno izvođenje, svjesnost okoline, svjesnost agenata, autonomnost, prilagodljivost, inteligencija, mobilnost, antropomorfizam, reprodukcija. Vrste agenata – inteligentni agenti, product brokering, merchant brokering, pregovaranje. Strategije pregovaranja – strategija %22bez inteligencije%22, heurističko pregovaranje, metoda rekurzivnog učenja. Analiza primjera agenata i njihove primjene.
Agenti II
Implementacija inteligentnih agenata. Komunikacijski jezici i protokoli – XML sheme. Komunikacijski jezici agenata – komunikacija agenata na semantičkoj razini: Knowledge Query Manipulation Language i Agent Communication Language, te komunikacija agenata na kontekstualnoj razini Knowledge Interchange Format. Razvojne okoline - Agent Builder, Agent Building Environment, Agent Building Shell, Agent Development Environment, Multi-Agent Systems Tool. Platforme za razvoj agenata. Izrada agenta u razvojnoj okolini Agent Builder.
Zaključivanje temeljeno na slučajevima (CBR)
Analiza tehnike zaključivanja temeljenog na slučajevima. Upotreba postojećih rješenja za rješavanje novih problema. Izrada programskog rješenja. Upotreba CBR-a za potrebe optimalizacije – izgradnja komponenti rješenja od podkomponenti nad kojima je primijenjena optimizacija CBR postupkom. Analiza aplikacija (CASPIAN, CASUEL, Instance Based Learner).
Neuronske mreže – tehnike
Principi neuronskih mreža. Osnovni pojmovi – neuroni, veze, ulazni i skriveni slojevi, težina veze, funkcija prijenosa, interna aktivacija. Matematički model neuronskih mreža. Neuronske mreže – objašnjenje modela na alatu NeuroSolutions 4. Back-propagation mreža. Višeslojna mreža. Nenadgledano učenje. Nadgledano učenje. Fuzzy neuronska mreža. Neuronska mreža s optimizacijom genetskih algoritama.
Neuronske mreže – procedure
Prikaz alata Neural Works Predict – sučelja, način rada, naredbe. Izgradnja jednostavne mreže %22širenje unatrag%22. Prosudba veza i neurona u mreži. Skrivanje i prikazivanje veza neurona. Parametri sloja neurona. Instrumenti za učenje mreže. Učenje mreže. Testiranje mreže. Slučajno određivanje i inicijalizacija težina u mreži. Podešavanje parametara učenja mreže i provjera učinka učenja. Optimizacija mreže.
Inženjerstvo znanja - modeli KADS i UML
Metodologija KADS. Modeli KADS-a – model stručnog znanja, model organizacije, model zadaća, model agenata, komunikacijski model, model dizajna. Izrada modela KADS-a. UML. D-329 Notacija i dijagramske tehnike UML-a. Dijagrami aktivnosti – aktivnost, odluka, konkurentnost, tok objekata. Dijagrami stanja – stanje, varijable stanja, aktivnosti stanja, istovremenost stanja, generalizacija stanja. Dijagrami klasa – objekti klase, atributi, vrijednosti, identifikatori objekata, operacije, asocijacije, brojnost veze, klase asocijacija, generalizacija, agregacija, kompozicija. Dijagrami slučajeva korištenja – slučaj korištenja, korisnik. Izrada modela u alatu Rational Rose.
Modeliranje organizacije
Modeliranje organizacije modelima KADS-a u alatu Rational Rose. Model organizacije - modeliranje organizacijskih procesa dijagramima aktivnosti. Komunikacijski model - modeliranje dinamičkog ponašanja organizacije dijagramima stanja. Model zadaća – modeliranje statičke strukture informacija dijagramima klase. Model agenata i dizajna – modeliranje funkcionalnosti sustava dijagramima slučajeva korištenja. Modeliranje primjera stvarne organizacije.
Tehnike elicitacije znanja
Pojam elicitacije znanja. Uloga elicitacije znanja u razvojnom ciklusu sustava temeljenog na znanju. Tehnike elicitacije znanja od 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. Primjeri elicitacije znanja. Izrada KADS modela znanja za prikupljeno znanje.
Dizajn arhitekture sustava
Izrada sustava za primjer stvarne organizacije – Xpert Rule Knowledge Builder. Primjena modela KADSa (vježbe Modeliranje organizacije) i modela znanja (vježbe Tehnike elicitacije znanja) u dizajnu arhitekture sustava.
Vježbe
U okviru vježbi studenti će korisiti standardne programske alate : predviđena je promjena alata, ukoliko će se na tržištu pojaviti softver koji se može kvalitetnije primijeniti za potrebe edukacije. Podrazumijevaju se alati XpertRule Knowledge Builder, Neural Works Predict, Rational Rose i Clips.

Ishodi učenja kolegija

definirati pojam agenta i više agentnih sustava te implementirati inteligentne agente
izgraditi neuronsku mrežu, učiti, testirati te optimizirati mrežu
objasniti pojam elicitacije znanja, usporediti različite tehnike elicitacije znanje i odabrati najprikladniju, te provesti elicitaciju znanja nekom od tehnika
objasniti principe neuronskih mreža
objasniti tehnike prikaza znanja i njihovu primjenu
objasniti tehnologije inteligentnih sustava i definirati njihove najznačajnije tehnike
primijeniti tehnike zaključivanja temeljenog na slučajevima
primjeniti genetske algoritme u svrhu optimalizacije te analizirati utjecaje pojedinih parametara
razviti inteligentni sustav metodom KADS-a

Ishodi učenja programa

Primijeniti etička načela, zakonsku regulativu i norme koje se koriste u struci
Analizirati i procijeniti uvjete za primjenu suvremenih informacijskih i komunikacijskih tehnologija (ICT), savjetovati druge u primjeni iste te u zadanom kontekstu odrediti utjecaj primjene na pojedinca, organizaciju i društvo.
Modeliranje problema iz područja informacijskih i poslovnih sustava korištenjem matematičkih metoda, metoda razvoja informacijskih sustava i koncepata planiranja, upravljanja i poslovanja
Primijeniti, utvrditi uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz rješavanje problema iz područja informacijskih i poslovnih sustava
Analizirati i ocijeniti učinkovitost uvođenja i korištenja ICT (programskog rješenja i pripadajuće opreme) za konkretne problemske domene informacijskih i poslovnih sustava
Procijeniti i preporučiti programska rješenja za konkretne problemske domene informacijskih i poslovnih sustava
Voditi interdisciplinarni tim i raditi u takvom timu
Predstaviti i popularizirati suvremena trendove u informatici u stručnim i laičkim krugovima
Unaprijediti metode komuniciranja i komunikaciju s klijentima, korisnicima i kolegama na verbalan i pisani način uz primjenu odgovarajuće terminologije uključujući i sposobnost komunikacije o struci na stranom jeziku
Unaprijediti i primijeniti metode stručnog rada pronalaženjem i vrednovanjem suvremenih izvora znanja
Valorizirati stručnu literaturu na hrvatskom i stranom jeziku
Razviti vlastite planove i planove drugih članova tima u upravljenju karijerom u struci i vlastitih poduzetničkih poduhvata s obzirom na potrebe poslovnog okruženja
Planirati proces cjeloživotnog osobnog i profesionalnog razvoja i definirati optimalne individualne strategije učenja
Projektirati, planirati, izraditi i uvesti svaki poslovni složeni informacijski sustav i/ili voditi projektni tim u slučaju kada na tim poslovima mora biti uključen veći broj stručnjaka
Razumjeti poslovni sustav organizacije i u suradnji s poslovnim stručnjacima optimalizirati njezine poslovne procese te izraditi strateški plan primjene ICT-a
Oblikovati softversku arhitekturu složenog informacijskog sustava, odabrati i postaviti odgovarajuću tehnološku platformu i programirati najsloženije dijelove složenog sustava
Primijeniti metode planiranja i upravljanja poslovanjem uz pomoć ICT u osnovnim vertikalnim područjima primjene ICT
Utvrditi uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz ključne aspekte primjene i razvoja informacijske tehnologije (programiranje, algoritmi, strukture podataka, baze podataka i znanja)
Utvrditi uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz suvremene tehničke koncepte i prakse u informacijskim tehnologijama (arhitektura računala, operacijski sustavi, mreže računala)
Utvrditi uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz metode i koncepte planiranja, upravljanja organizacijom i obračuna poslovanja
Analizirati uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke vezane uz metodološke pristupe razvoju organizacijskih i informacijskih sustava
Analizirati uvjete za primjenu, savjetovati i u zadanom kontekstu donositi odluke za primjenu koncepata elektroničkog poslovanja podržanih odgovarajućim arhitekturama informacijskih sustava (klasične ili distribuirane)
Osmisliti projekt učinkovitog unapređenja poslovne tehnologije poslovnog sustava uz korištenje suvremenih ICT te realizirati takav projekt vlastitim razvojem ili izborom prikladnog standardnog softvera
Odabrati i primijeniti odgovarajuće sigurnosne mehanizme pri projektiranju i izgradnji informacijskog sustava
Odabrati i primijeniti metode i tehnike razvoja informacijskih i programskih sustava u suvremenim razvojnim okolinama
Utvrditi uvjete za primjenu, savjetovati, procijeniti učinak i donositi odluke vezane uz procese, metode i tehnologije upravljanja IT uslugama i resursima te podrške i pružanja različitih vrsta usluga vezanih uz ICT
Objasniti stručnoj i općoj publici informatička rješenja za unapređenje poslovne tehnologije
Analizirati i valorizirati atribucije (atribute) objekata poslovnog sustava te postaviti formalni model objektnog sustava kao temelj izgradnje informacijskog sustava
Izgraditi informacijski sustav temeljen distribuiranim komponentama kao i na autonomnim i međusobno kompetitivnim izvorima znanja i razriješiti konflikte koji se javljaju među izvorima znanja
Primijeniti metode i tehnike izgradnje digitalnih arhiva i dugotrajnog pohranjivanja podataka
Primijeniti metode i tehnike pretraživanja i klasifikacije informacija
Prepoznati kritične procese i klase podataka poslovnog sustava, izgraditi formalni model procesa i klasa te ga optimizirati i ponuditi prijedloge poboljšanja poslovnog sustava
Modelirati poslovna pravila, poslovne podatke kao i pravila za izvođenje transakcijskih podataka koji nisu eksplicitno zadani
Modelirati i izgraditi sustav izvođenja analitičkih podataka iz transakcijskih metodama rudarenja i drugim metodama, te izgradnje skladišta podataka u koja se ti podaci pohranjuju
Modelirati i izgraditi sustave poslovne inteligencije temeljene na skladištima podataka, kao i njihovo pretraživanje korištenjem metoda višedimenzionalnih kocaka podataka (OLAP)
Izgraditi računalni sustav za pohranu podataka i znanja korištenjem suvremenih alata za izradu baza podataka, baza znanja i semantici podataka
Izgraditi i optimizirati bazu podataka i bazu znanja primjenom odgovarajućih strategija organizacije podataka i sigurnosti informacijskog sustava
Modelirati raspodjelu podataka prema mjestu korištenja podataka, izgraditi sustav replikacije baze podataka i izgraditi distribuiranu bazu podataka
Modelirati i izgraditi sustave temeljene na znanju, kao što su višeagentni sustavi, deduktivni sustavi (uključujući i ekspertne sustave), semantički Web sustavi, neuralne mreže itd.
Procijeniti potrebe za strategijskim i upravljačkim promjenama u organizacijama
Primijeniti metode upravljanja životnim ciklusom informacijskog sustava organizacije
Primijeniti metode korporacijskog upravljanja i strategijskog menadžmenta uz potporu informacijske tehnologije
Razviti i validirati sustav mjerenja organizacijske učinkovitosti uz primjenu odgovarajućih programskih alata
Analizirati tržište primjenom informacijsko-komunikacijskih tehnologija
Analizirati poslovne procese i preporučiti primjenu odgovarajuće informacijske i komunikacijske tehnologije za unapređenje poslovnih procesa
Organizirati sustav vođenja u javnoj upravi uz primjenu informacijske tehnologije
Razviti elemente kontinuuma strategijskog upravljanja: misiju, organizacijske vrijednosti, viziju, strateške ciljeve
Analizirati potrebu za e-poslovanjem i primijeniti koncepte e-poslovanja
Procijeniti spremnost organizacije za uvođenje suvremenih ERP sustava i definirati projekt uvođenja istih
Razumjeti povijesni aspekt edukacijskih sustava, društvenu uvjetovanost odgojno-obrazovne prakse i diferenciranost suvremenih odgojno-obrazovnih koncepcija
Poznavati organizaciju sustava odgoja i obrazovanja te ustroj odgojno-obrazovnog procesa na svim razinama
Razumjeti odrednice djelovanja i ponašanja ljudske jedinke i grupnu dinamiku (razrednog odjeljenja, timova, kolektiva …)
Organizirati nastavni proces
Artikulirati nastavni sat primjenjujući primjerene nastavne metode i oblike rada, didaktičke principe i nastavna sredstva
Voditi pedagošku dokumentaciju, ispitivanje,ocjenjivanje i vrednovanje u skladu s zakonskom regulativom i kriterijima osobne i profesionalne etičnosti
Poučavati učenike primjeni različitih oblika učenja, samovrednovanju i samoreguliranom učenju
Upravljati razrednim odjeljenjem, i surađivati s roditeljima i drugim strukturama unutar i izvan odgojno-obrazovne institucije
Analizirati građu računala, suvremene računalne arhitekture te primijeniti ta znanja u dizajnu obrazovnog informacijskog sustava, kao i u nastavi
Primijeniti principe proceduralnog programiranja, izgradnje struktura podataka i algoritama
Interpretirati povijest informatike i računarstva
Analizirati i usporediti računalne Web i desktop alate za prezentaciju informacija i primijeniti ih u nastavi
Formulirati problem iz realnog svijeta u smislu problemskog zadatka u informatici te ga znati riješiti i rješenje evaluirati
Analizirati, preporučiti, implementirati i koristiti sustave za e-učenje u skladu s metodičkim i pedagoškim principima
Izvoditi proces poučavanja u multikulturalnim i multietničkim sredinama i drugim posebnim uvjetima (treća dob, centri izvrsnosti …)
Osmisliti postupke za upravljanje procesom učenja i poučavanja u rizičnim situacijama
Predstavljati informatička znanja i vještine kao učinkovite instrumente za podupiranje integracijskih procesa
Predstavljati nastavnicima mogućnosti korištenja informatike u odgojno-obrazovnom procesu
Preispitivati, strukturirati i restrukturirati svoja osobna i profesionalna iskustva (razvijati refleksivnu praksu)
Koristiti stečena znanja o vizualnom oblikovanju i sadržajima u ostvarivanju kreativnih vizualnih projekata pri radu s računalom.
Modelirati postojeće vizualne sadržaje za potrebe konkretnih osobnih (ili učeničkih) računalnih radova (web dizajn, grafički dizajn, dizajn multimedija,…).
Koristiti vještine učenja potrebne za cjeloživotno učenje i nastavak obrazovanja na diplomskom studiju.
Upoznati Nacionalni okvirni kurikulum. Upoznati metodologiju izradbe školskog i nastavnog kurikuluma. Upoznati primjenu nastavnog kurikuluma u praksi.

Osnovna literatura

Luger, G.F. Artifical intelligence: structures and strategies for complexx problem solving. 6th ed., Pearson Addison Wesley, Boston, 2009.
Munakata, T. Fundamentals of the new artificial intelligence: neural, evolutionary, fuzzy and more. 2nd ed., Springer, London, 2008.
Hopgood, A.A. Inteligent Systems for Engineers and Scientists. 2nd ed., CRS, Boca Raton, 2000.

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

Foundations of AI, Albert-Ludwigs-Universität Freiburg, Institut für Informatik

Redoviti studenti

Izvanredni studenti

izvanredni rok

Datum: 14.04.2025.

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.