Artificial Intelligence is the intelligence demonstrated by machines and is different from natural intelligence shown by humans. AI programming opens up a world of opportunities for programmers, and one can create numerous applications across diverse domains. Before you learn Artificial Intelligence, it is essential to understand that it is above all a combination of reasoning, problem-solving and planning and learning capabilities. Languages such as Python, R, Lisp, Java, and Prolog are a few of the many languages that can be used for AI programming and to create innovative projects. Due to immense opportunities and a relatively untouched domain, tons of programmers are trying to learn Artificial Intelligence.

Сучасний погляд на програмування систем штучного інтелекту:

1. What's next? In this video, Hilary Mason explores the current state of AI and ML and what's coming next in applied ML

2. Anatomy of an AI system. The Amazon Echo as an anatomical map of human labor, data, and planetary resource

3. Unclipping rewards. Building a single general agent (versus multiple expert agents) to learn to perform multiple tasks could be important in developing complex AI research, but when an agent like DQN, which uses the same algorithm to learn to play different games such as Pong and Pac-Man, earns different rewards, it will focus on the task with a greater or more frequent reward and only perform that task well (ignoring Pong because the points earned are higher in Pac-Man, for example). Google's DeepMind has developed a new technique called PopArt that helps a reinforcement learning agent to perform multiple tasks well.

4. Beyond the hype: Real-world case studies. Julie Shin Choi reviews real-world customer use cases that take AI from theory to reality.

5. If we could talk to the animals. If Dr. Dolittle was a data nerd, he would have created an artificial intelligence system to translate the sounds animals are making. Instead, we have Aza Raskin and Britt Selvitelle, who are creating a database of animal sounds, starting with whales, monkeys, and elephants, in hopes of discovering an AI Rosetta Stone to decode and translate what animals are saying.

Learn all the essentials for AI programming with Python

Learn the fundamentals of Artificial Intelligence (AI)

2017-2018 навчальний рік

Лабораторні роботи

ЛР №1-3

ЛР №4 "Печера Вія"

2016-2017 навчальний рік

УВАГА! МОДУЛЬНА КОНТРОЛЬНА РОБОТА!!!

На мовах CommonLisp та Prolog описати схему метро міста (варіант з таблиці) та реалізувати алгоритм пошуку отпимального маршруту від станції А до станції Б (оптимального за кількістю станцій).

Схеми метро міст берем з сайту

ВАРІАНТ	МЕТРО МІСТА
1	Атланта, США
2	Лос-Анжелес,США
3	Мехіко
4	Майамі
5	Нью-Йорк
6	Філадельфія
7	Сан-Франциско
8	Сантьяго, Чілі
9	Торонто
10	Ванкувер
11	Монреаль
12	Харків
13	Київ
14	Мінськ
15	Афіни
16	Барселона
17	Берлін
18	Брюсель
19	Будапешт
20	Хельсінки

Звіт та модулі Ліспа та Пролога надіслати на електронну пошту вкладача до 10-00 22.12.2016.

Лекції

Лекція №1. Історія розвитку науки штучний інтелект та мов програмування СШІ pdf1

Лекція №2. Мова програмування СШІ Лісп pdf2-1 pdf2-2

Лекція №3. Техніка функціонального програмування СШІ pdf3-1 pdf3-2 pdf3-3

Лекція №4. Складні структури та їх програмування в Лісп (рядки, послідовності, хеш-таблиці, структури). pdf

Лекції №5-6. Парадігми програмування для створення СШІ. Логічне програмування. Prolog. pdf

Лекції №7-8. Ймовірнісне програмування. Мови ймовірнісного програмування: Church, ANGLICAN, Figaro. pdf

Лекції №9-10. Моделі подання знань. Мережеві моделі: фрейми, семантичні мережі. Система SNePS. pdf

Лекції №11-12.Продукційне програмування.Система CLIPS. Факти. pdf1, pdf2

Лекції №13-15. Система CLIPS. Правила. pdf1, pdf2, pdf3, pdf4

Лекція 16. Програмування баз знань експертних систем в CLIPS. pdf

Лабораторні роботи

Мови програмування штучного інтелекту

Особливості програмування СШІ на Лісп

ЛР№1 ЛР№2 ЛР№3 ЛР№4

Програмування баз знань на Пролог

ЛР№5 ЛР№6

Програмування експертних систем в CLIPS

ЛР№7-8

Індивідуальне завдання (програмування СШІ)

ЛР№9-16

Студент самостійно обирає тему для програмної реалізації з нижченаведених:

1. Кластеризація за допомогою теорії адаптивного резонансу.

2. Нейромережа з алгоритмом навчання зворотнього розповсюдження

3. Генетичні алгоритми

4. Моделювання їстивних ланцюжків

5. Еспертна система діагностики захворювань

6. Ескпертна система визначення емоційного стану людини за його рухами

7. Система розпізнавання образів з використанням прихованих Марковських моделей

8. Система підтримки інтелектуального агента

9. Експертна система з використанням представлення нечітних знань

Рекомендована література

Основна література

1. Рассел С., Норвиг П., “Искусственный Интеллект, Современный Подход”, 2е издание, М.: Вильямс, 2006

2. Джонс М. Т. Программирование искусственного интеллекта в приложениях / М. Тим Джонс ; Пер. с англ. Осипов А. И. – М. : ДМК Пресс, 2011. – 312 с.

3. Peter Norvig. Paradigms of Artificial Intelligence Programming: Case Studies in Common Lisp. Morgan Kaufmann, 1992.

4. Братко, Иван. Алгоритмы искусственного интеллекта на языке PROLOG, 3-е издание. : Пер. с англ. —М. : Издательский дом "Вильямc", 2004. — 640 с.

5. EdmundWeitz. Common Lisp Recipes: A Problem-Solution Approach. - APRESS, 2016. - 744 pp.

6. http://probabilistic-programming.org/wiki/Home Сторінка про ймовірнісне програмування (анг.)

7. http://www.robots.ox.ac.uk/~fwood/anglican/ Сторінка про мову ймовірнісного програмування ANGLICAN (анг.)

Література до індивідуальних завдань

Сайт викладача кафедри ІПІ ФІОТ Баклана Ігоря Всеволодовича

Меню сайту

Наше опитування

Статистика

Learn all the essentials for AI programming with Python

Вхід на сайт

Пошук

Календар

Архів записів

Друзі сайту