МИИ_0_17 (1) (1185762)

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла

МетодыискусственногоинтеллектаЕфремова Наталья ЭрнестовнаГрацианова Татьяна ЮрьевнаБольшакова Елена ИгоревнаСодержание1.  Общие задачи и особенности курса«Методы искусственного интеллекта» (МИИ)2.  Описание исходного англоязычного курса MIT«Artificial Intelligent» (AI)3.  Содержание и форма проведения курса МИИ4.  Аудиторные занятия по поддержке лекцийØ  Роли и задачи студентов5.  Примеры подготовки материала к занятиюØ  Видео-лекции на английском, примерыслайдов6.  Задание на 16 февраля, планы2Содержание1.  Общие задачи и особенности курса«Методы искусственного интеллекта» (МИИ)2.  Описание исходного англоязычного курса MIT«Artificial Intelligent» (AI)3.  Содержание и форма проведения курса МИИ4.  Аудиторные занятия по поддержке лекцийØ  Роли и задачи студентов5.  Примеры подготовки материала к занятиюØ  Видео-лекции на английском, примерыслайдов6.  Задание на 16 февраля, планы3Задачи и особенностикурса МИИn n n Прослушать современный курс на английскомязыке в области искусственного интеллекта (ИИ)Изучить современные подходы в области ИИ, атакже вспомнить базовые подходы и методыОсвоить англоязычную терминологиюОдно аудиторное занятие в неделю, зачетОснова: интернет-курс MIT Artificial Intelligent (AI)n  профессор Патрик Генри Уинстонn  Массачусетский технологический институт4Курс AI: теоретическийматериалОсновная часть – видео-лекции ссубтитрами (Lectures, Subtitles)Для закрепления:n  дополнительные лекции, семинары(Recitations)n  демонстрация работы алгоритмов(Demonstrations)n  материал для чтения, конспекты(Reading, Tutorials)5Курс AI: средстваоценкиДля проверки знаний:n  практические задания (Assignments)n  опросы (Quiz) – задания для самостоятельногорешения, без программированияn  экзамен (Final exam)Страница курса:https://ocw.mit.edu/courses/electrical-engineering-andcomputer-science/6-034-artificial-intelligence-fall-2010/index.htmq  Можно скачать все имеющиеся материалы себена компьютер6Курс AI: темыОсновные части:I.  Эвристический поиск и модели вывода/рассуждений (algorithms of heuristic search,goal trees, problem solving)II.  Методы машинного обучения(nearest neighbors, identification trees,neural nets, SVM, genetic algorithms, boosting)III.  Смежные темы (reasoning with constraints,visual object recognition, representations,AI architectures, probabilistic inference)7Содержание и форманашего курса МИИn  Работа дома, самостоятельно:Прослушивание лекции на английском языкеПодготовка презентации и/или конспекта посодержанию лекции (2-7 слайдов)v  Решение домашних заданий (Quiz)n  Аудиторные занятия – для поддержки курса:v  Просмотр презентаций, обсуждение ихсодержания, терминологии и др.v  Обсуждение решенных домашних задачn  Накопительная балльная система за участие ваудиторных занятиях и решение домашнихзаданий (для зачета)v v 8Условия получениязачета по курсу МИИn n Не менее одного сделанного конспекта (язык –русский) и одной презентации (русский и/илианглийский) по лекциям курса AIНе менее одного решенного набора заданий (Quiz)по другой части курса (выбор свободный)Все работы по курсу оцениваются в баллах, включаяучастие в аудиторных обсужденияхn  Для зачета-автомата необходимо набратьопределенное число балловn  Итоговая письменная контрольная работа в мае –для тех, кто не набрал баллов на автомат:Ø  задания на английском, по всем темамn 9Самостоятельныедомашние заданияКаждый Quiz включает задания по 1-2-3 темам(например: Search, SVM, Probability)n  Задания в Quiz сформулированы на английскомn  Требуют понимания изучаемых моделей,методов, алгоритмовn n Каждому студенту достаточно решенияполовины одного Quiz (выбор свободный из ещене выбранных)Решения сдаются и обсуждаются на следующемзанятии после лекции, к которой они относятся10Курс AI: выбор лекции№LectureRcDRdTQ1Introduction and scope2+4Reasoning: goal trees and problem solvingReasoning: goal trees and rule-basedexpert systemsSearch: depth-first, hill climbing, beam+++5Search: optimal, branch and bound, A*+++6Search: games, minimax, and alpha-beta++7Constraints: interpreting line drawings++8Constraints: search, domain reduction++9Constraints: visual object recognition3+Лекции 2 и 3 будут рассмотрены в апрелеRc – Recitation D – DemonstrationRd – Reading T – TutorialQ – Quiz++++++11Выбор лекции(продолжение)№LectureRcDRdTQ10Introduction to learning, nearest neighbors+++11Learning: identification trees, disorder+++12a Learning: neural nets+++++12b Learning: deep neural nets+++++13Learning: genetic algorithms15Learning: near misses, felicity conditions+16Learning: support vector machines+++++17+++++21Learning: boostingArchitectures: GPS, SOAR, Subsumption,Society of MindProbabilistic inference I22Probabilistic inference II19++++++?++++12.

Характеристики

Тип файла PDF

PDF-формат наиболее широко используется для просмотра любого типа файлов на любом устройстве. В него можно сохранить документ, таблицы, презентацию, текст, чертежи, вычисления, графики и всё остальное, что можно показать на экране любого устройства. Именно его лучше всего использовать для печати.

Например, если Вам нужно распечатать чертёж из автокада, Вы сохраните чертёж на флешку, но будет ли автокад в пункте печати? А если будет, то нужная версия с нужными библиотеками? Именно для этого и нужен формат PDF - в нём точно будет показано верно вне зависимости от того, в какой программе создали PDF-файл и есть ли нужная программа для его просмотра.

Список файлов лекций