ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ GD780 ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Τεχνητή Νοημοσύνη ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ Έβδομο ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ Παραδόσεις 4 ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ 4 Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο 4. ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ Υποβάθρου, Γενικών Γνώσεων, Επιστημονικής Περιοχής, Ανάπτυξης Δεξιοτήτων ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ: Ειδικής Υποδομής Υποχρεωτικό Καλή γνώση μαθηματικών μέσα από το μάθημα: Μαθηματικά Καλή γνώση εννοιών προγραμματισμού μέσα από το μάθημα: Προγραμματισμός Η/Υ ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ: ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) Γνώση των δομών δεδομένων μέσα από το μάθημα: Δομές δεδομένων και Αλγόριθμοι Ελληνική
ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ Μαθησιακά Αποτελέσματα Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος. Συμβουλευτείτε το Παράρτημα Α Περιγραφή του Επιπέδου των Μαθησιακών Αποτελεσμάτων για κάθε ένα κύκλο σπουδών σύμφωνα με Πλαίσιο Προσόντων του Ευρωπαϊκού Χώρου Ανώτατης Εκπαίδευσης Περιγραφικοί Δείκτες Επιπέδων 6, 7 & 8 του Ευρωπαϊκού Πλαισίου Προσόντων Διά Βίου Μάθησης και Παράρτημα Β Περιληπτικός Οδηγός συγγραφής Μαθησιακών Αποτελεσμάτων Με την επιτυχή ολοκλήρωση του μαθήματος, ο φοιτητής θα πρέπει να: 1. Μπορεί να δρομολογεί τη διαδικασία επίλυσης ενός προβλήματος με την εκλογή της κατάλληλης αναπαράστασης για το χώρο καταστάσεων και να εφαρμόζει τους βασικούς (εξαντλητικούς, ευρετικούς) αλγόριθμους αναζήτησης. Μπορεί να αναπαριστά γνώση χρησιμοποιώντας κατηγορηματική λογική και να μετασχηματίζει τη γνώση αυτή με τρόπο που να επιδέχεται συμπερασματολογία μέσω αναγωγής 3. Μπορεί να επιλύει ένα πρόβλημα αναζήτησης ή βελτιστοποίησης με χρήση γενετικών αλγορίθμων, κάνοντας κατάλληλες εκλογές κωδικοποίησης και γενετικών τελεστών 4. Να μπορεί να επιλέγει πειραματικά την κατάλληλη αρχιτεκτονική ενός νευρωνικού δικτύου για την επίλυση ενός προβλήματος ταξινόμησης ή πρόβλεψης 5. Να μπορεί να χρησιμοποιεί κατάλληλα προγραμματιστικά εργαλεία ή περιβάλλοντα για την υλοποίηση των παραπάνω τεχνικών 6. Να μπορεί να συνδυάζει τεχνικές αναπαράστασης, αναζήτησης, πρόβλεψης και συμπερασματολογίας ώστε να μπορεί να αναπτύξει συστήματα που χρησιμοποιούν υβριδικές προσεγγίσεις. Γενικές Ικανότητες Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;. Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών Προσαρμογή σε νέες καταστάσεις Λήψη αποφάσεων Αυτόνομη εργασία Ομαδική εργασία Εργασία σε διεθνές περιβάλλον Εργασία σε διεπιστημονικό περιβάλλον Παράγωγή νέων ερευνητικών ιδεών Σχεδιασμός και διαχείριση έργων Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα Σεβασμός στο φυσικό περιβάλλον Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου Άσκηση κριτικής και αυτοκριτικής Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
Προσαρμογή σε νέες καταστάσεις Λήψη αποφάσεων Σχεδιασμός και διαχείριση έργων Παράγωγή νέων ερευνητικών ιδεών ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ Σκοπός του μαθήματος είναι να εισάγει αρχικά τον φοιτητή στις έννοιες και τις βασικές αρχές της ΤΝ, την εφαρμογή της στην επίλυση προβλημάτων και την τεχνολογία των Εμπείρων Συστημάτων. Στη συνέχεια, θα παρουσιαστούν οι δύο υποενότητες της ΥΝ, δηλαδή τα ΝΔ και οι ΓΑ καθώς και περιοχές εφαρμογής των μεθοδολογιών που αυτή περιλαμβάνει. Εκτός από τη μετάδοση γνώσεων και την απόκτηση δεξιοτήτων εφαρμογής των μεθοδολογιών της Τεχνητής Νοημοσύνης, η το μάθημα στοχεύει στην υιοθέτηση εκ μέρους των φοιτητών θετικής στάσης σχετικά με την ανάπτυξη λογισμικού και εφαρμογών της ΤΝ σε πραγματικά προβλήματα. Διδακτέα Ύλη Τι είναι τεχνητή νοημοσύνη, ιστορική αναδρομή, αλγόριθμοι και ευρετικά Επίλυση προβλημάτων, πρόβλημα αναπαράστασης, τυφλή αναζήτηση, ευρετική καθοδήγηση Αναπαράσταση γνώσης Κατηγορηματική λογική, ισοδυναμίες και κανόνες συλλογισμού, μετασχηματισμός σε συζευκτική κανονική μορφή, διαδικασία αναγωγής μέσω αντίκρουσης αντίφασης, εξαγωγή απαντήσεων Δίκτυα συσχέτισης και πλαίσια Κανόνες παραγωγής, ορθή αλυσίδωση, ανάστροφη αλυσίδωση Τεχνολογία των έμπειρων συστημάτων, τεχνολογίες γνώσης Νευρωνικά δίκτυα Γενετικοί αλγόριθμοι ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ. ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές Παραδόσεις
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη & ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ. Δραστηριότητα Εργασία ή Τεχνική Μελέτη Ασκήσεις πράξης/εργαστήριο Φόρτος Εργασίας Εξαμήνου Παραδόσεις Ανεξάρτητη Κατευθυνόμενη Μάθηση και Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης ώστε ο συνολικός φόρτος εργασίας σε επίπεδο εξαμήνου να αντιστοιχεί στα standards του ECTS ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ Περιγραφή της διαδικασίας αξιολόγησης Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες Σύνολο Μαθήματος 8 Ανάλυση Αξιολόγησης Μαθησιακή δραστηριότητα εντός του Τμήματος (*) (100,0) Εργαστήριο ή/και Εργασία (50,0) Επίσημη Εξέταση στο Τέλος του Εξαμήνου (50,0) Πρακτική Άσκηση (0,0) Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές. ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ -Προτεινόμενη Βιβλιογραφία : ΒΛΑΧΑΒΑΣ Ι.,ΚΕΦΑΛΑΣ Π.,ΒΑΣΙΛΕΙΑΔΗΣ Ν.,ΚΟΚΚΟΡΑΣ Φ.,ΣΑΚΕΛΛΑΡΙΟΥ Η., ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ, Εκδότης: ΕΤΑΙΡΙΑ ΑΞΙΟΠΟΙΗΣΗΣ ΚΑΙ ΔΙΑΧΕΙΡΙΣΗΣ ΠΕΡΙΟΥΣΙΑΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕΔΟΝΙΑΣ, 011, ISBN: 978-960-8396-64-7. STUART RUSSELL, PETER NORVIG, ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ: ΜΙΑ ΣΥΓΧΡΟΝΗ ΠΡΟΣΕΓΓΙΣΗ, ΕΚΔΟΣΕΙΣ ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ, 005, ISBN: 960-09-873-.
ΝΟΤΟΠΟΥΛΟΣ ΠΑΝΑΓΙΩΤΗΣ, ΠΡΟΓΡΑΜΜΑΤΙΖΟΝΤΑΣ ΣΤΗ ΛΟΓΙΚΗ PROLOG, Α' ΕΚΔΟΣΗ /008, Διαθέτης (Εκδότης): Ε.&Δ.ΑΝΙΚΟΥΛΑ-Ι.ΑΛΕΞΙΚΟΣ ΟΕ, ISBN: 978960879384. Κεραυνού Ελπίδα, Τεχνητή Νοημοσύνη και Έμπειρα Συστήματα, Εκδόσεις ΕΑΠ, 000, ISBN: 960-538-181-8. Αργυράκης Πάνος, Νευρωνικά Δίκτυα και Εφαρμογές, Εκδόσεις ΕΑΠ, 001, ISBN: 690-538-341-1. Λυκοθανάσης Σπυρίδων, Γενετικοί Αλγόριθμοι και Εφαρμογές, Εκδόσεις ΕΑΠ, 001, ISBN: 960-538-175-3. -Συναφή επιστημονικά περιοδικά: