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.