FOI nastava
FOI logo

Lista kolegija iz:

ak.god:
2019/2020
semestar:
5. semestar

2019/2020

4ECTSa

Preddiplomski

Informacijski/Poslovni sustavi v1.1

Program Obavezan
Informacijski sustavi IS Ne
Poslovni sustavi PS Ne
5. semestar
3. nastavna godina

Sustavi temeljeni na znanju npp:72628

Engleski naziv

Knowledge-based Systems

Katedra

Katedra za razvoj informacijskih sustava

Kategorija ("boja")

TO

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.

Nastava

Predavanje
30sati
Laboratorijske vježbe
30sati

Ishodi učenja predmeta

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

Ishodi učenja programa

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

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.

Alati koji se koriste na predmetu

  • Mathematica Fuzzy Logic
    Fuzzy Logic se sastoji od skupa važnih alata za kreiranje, modificiranje i vizualizaciju neizrazitih skupova te inteligentnih sustava temeljenih na neizrazitoj logici. Moguće je proučavati temeljne koncepte neizrazite logike i prikazivati kako se to primjenjuje na različite praktične probleme realizacije neizrazitih sustava.
  • XpertRule Knowledge Builder
    Programski alat za razvoj najsloženijih sustava temeljenih na znanju, primjenom pravila, stabla odlučivanja, data mining indukcijom stabala odlučivanja, neizrazite logike i genetskih algoritama.

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

Preduvjeti

  • Informatika 1
    Cilj kolegija je ujednačavanje, unapređivanja i sistematizacija temeljnih informatičkih znanja i koncepata kroz poznavanje osnovnih elemenata informacijskog i računalnog sustava. Studenti trebaju prepoznati primjenu i funkciju osnovnih elemenata informacijskog sustava u poslovnom okruženju te razumjeti njihovu povezanost s računalnim sustavom. Isto tako će razumjeti i moći opisati princip rada školskog računala na razini pojedine logičke cjeline te kategorizirati sistemsku i aplikativnu programsku potporu. Na pragmatičkoj razini osigurat će se mogućnost primjene računala u rješavanju poslovnih zadataka.
  • Matematika 1
    Cilj predmeta Matematika I je upoznavanje studenata s osnovnim pojmovima diskretne matematike (kao što su matematički modeli, matematička logika te skupovi i relacije) i linearne algebre (matrice, determinante, sustavi linearnih jednadžbi i nejednadžbi) koji su neophodni za prihvaćanje kvantitativnih aspekata znanja u informacijskim i organizacijskim znanostima te priprema studenata za logičko razmišljanje u znanosti i poslovanju. Predmet ima i generičke ciljeve kao što su timski rad, prezentacijske vještine (usmeno i pismeno izražavanje), razumijevanje modela, upotreba literature i razvoj ICT vještina, te posebno strategije rješavanja problemskih zadataka. Nadalje, koncepcija rada omogućava razvoj vještina apstrakcije kod studenata
  • Programiranje 1
    Predmet predstavlja temeljne koncepte programiranja, temeljna znanja rada prevodilaca i interpretatora programskih jezika, metode rješavanja programskih problema te osnove objektnog pristupa

Slični predmeti

  • 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.
Nastavnik Oblik nastave Tjedana Sati tjedno Grupa
Oreški Dijana Laboratorijske vježbe 0 0 0
Predavanje 0 0 0
Nema definiranih ispitnih rokova

Sustavi temeljeni na znanju - Redovni studenti

Studij: Informacijski/Poslovni sustavi
Akademska godina: 2019/2020

Praćenje rada studenata

Elementi praćenjaBodova
Projekt45
Kolokviji30
Zadaci na vježbama25
ZBROJ100


Bodovna skala ocjena

OdDoOcjena
0 49 nedovoljan (1)
50 60 dovoljan (2)
61 75 dobar (3)
76 90 vrlo dobar (4)
91 100 odličan (5)



Kolokviji

Naziv / Tjedan 1234567891011121314151617 1. razdoblje
udio (%)
2. razdoblje
udio (%)
3. razdoblje
udio (%)
Trajanje Pismeni Usmeni
Kolokvij 1 + 100.0
Kolokvij 2 + 100.0


Opis elemenata praćenja

Elementi praćenja Bodovi Uvjet Opis Nadoknada
Granica Opis Rok
Projekt 45 20 Projekt čiju temu student bira među ponuđenim temama od strane nastavnika ili sam predlaže temu. Student treba samostalno ili u timu izraditi, dokumentirati i obraniti projekt. Projekt se može braniti tijekom 3. nastavnog i 3. međuispitnog razdoblja. Korištenje tuđeg rješenja/plagijat je zabranjeno te povlači disciplinsku odgovornost.
Kolokviji 30 10 Rješavanje zadataka uz dodatak teoretskih pitanja otvorenog ili zatvorenog tipa. Kolokvij se rješava na Moodleu.
Prepisivanje je zabranjeno te povlači disciplinsku odgovornost.
Zadaci na vježbama 25 0 Student treba samostalno riješiti zadatak tijekom laboratorijskih vježbi (ili nadoknaditi kod kuće) i postaviti na moodle unutar zadanog roka. Rješenja zadaća provjeravaju se tijekom laboratorijskih vježbi ili preko sustava za e-učenje.


Sustavi temeljeni na znanju - Izvanredni studenti

Studij: Informacijski/Poslovni sustavi
Akademska godina: 2019/2020

Praćenje rada studenata

Elementi praćenjaBodova
Projekt50
Kolokviji50
ZBROJ100


Bodovna skala ocjena

OdDoOcjena
0 49 nedovoljan (1)
50 60 dovoljan (2)
61 75 dobar (3)
76 90 vrlo dobar (4)
91 100 odličan (5)



Kolokviji

Naziv / Tjedan 1234567891011121314151617 1. razdoblje
udio (%)
2. razdoblje
udio (%)
3. razdoblje
udio (%)
Trajanje Pismeni Usmeni
Kolokvij + 50.0 50.0


Opis elemenata praćenja

Elementi praćenja Bodovi Uvjet Opis Nadoknada
Granica Opis Rok
Projekt 50 20 Projekt čiju temu student bira među ponuđenim temama od strane nastavnika ili sam predlaže temu. Student treba samostalno ili u timu izraditi, dokumentirati i obraniti projekt. Projekt se može braniti tijekom 3. nastavnog i 3. međuispitnog razdoblja. Korištenje tuđeg rješenja/plagijat je zabranjeno te povlači disciplinsku odgovornost.
Kolokviji 50 20 Rješavanje zadataka uz dodatak teoretskih pitanja otvorenog ili zatvorenog tipa. Kolokvij se rješava na Moodleu.
Prepisivanje je zabranjeno te povlači disciplinsku odgovornost.


Nema podataka o rasporedu
Copyright © 2015 FOI Varaždin. All Rights Reserved. Sva prava pridržana.
Povratak na vrh