ΕΠ34 - Εφαρμογές Τεχνητής Νοημοσύνης

Γενικά

Σχολή: Ψηφιακής Τεχνολογίας

Τμήμα: Πληροφορικής και Τηλεματικής

Επίπεδο Σπουδών: Προπτυχιακό

Τίτλος Μαθήματος: Εφαρμογές Τεχνητής Νοημοσύνης

Κωδικός Μαθήματος: ΕΠ34

Τύπος: Επιστημονικής Περιοχής 

Εξάμηνο Σπουδών: 7

Γλώσσα Διδασκαλίας και Εξετάσεων: Ελληνική

Προσφέρεται σε φοιτητές Erasmus: ΝΑΙ

Ηλεκτρονική Σελίδα Μαθήματος: https://eclass.hua.gr/courses/DIT232/

Αυτοτελείς Δραστηριότητες

Εβδομαδιαίες ώρες διδασκαλίας (Θεωρία): 3

Εβδομαδιαίες ώρες διδασκαλίας (Εργαστήριο): 0

Πιστωτικές μονάδες: 5

Μαθησιακά Αποτελέσματα

Στόχος του μαθήματος είναι η εξοικείωση με τη χρήση σύγχρονων τεχνικών μηχανικής μάθησης σε εφαρμογές Τεχνητής Νοημοσύνης. Συγκεκριμένα, το μάθημα εμβαθύνει σε τεχνικές μηχανικής μάθησης με έμφαση στη βαθιά μάθηση και σε εφαρμογές τους σε προβλήματα όπως η υπολογιστική όραση, η επεξεργασία φυσικής γλώσσας και η ενισχυτική μάθηση. 

Γενικές Ικανότητες

- Προσαρμογή σε νέες καταστάσεις
- Λήψη αποφάσεων
- Αυτόνομη εργασία
- Ομαδική εργασία
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

Περιεχόμενο Μαθήματος

- Εκπαίδευση Τεχνητών Νευρωνικών Δικτύων

- Το περιβάλλον Keras/Tensorflow

- Τεχνικές ομαλοποίησης στη μηχανική μάθηση

- Συνελικτικά Νευρωνικά Δίκτυα

- Κατηγοριοποίηση εικόνων

- Αναγνώριση αντικειμένων σε εικόνες

- Εκμάθηση διανυσματικών αναπαραστάσεων λέξεων

- Κατηγοριοποίηση κειμένων

- Εισαγωγή στη βαθιά ενισχυτική μάθηση και τις εφαρμογές της

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παρακολούθησης: πρόσωπο-με-πρόσωπο

Χρήση Τεχνολογιων Πληροφορίας και Επικοινωνιών: 

- eclass

- Χρήση εξειδικευμένων βιβλιοθηκών Τεχνητής Νοημοσύνης

Οργάνωση Διδασκαλίας

Αξιολόγηση Φοιτητών

Ι. Γραπτή τελική εξέταση (60%) που περιλαμβάνει:
-        Ερωτήσεις πολλαπλής επιλογής
-        Επίλυση προβλημάτων

ΙΙ. Ατομικές ή Ομαδικές Εργασίες (40%)

Συνιστώμενη Βιβλιογραφία

1. Charu C. Aggarwal, "Νευρωνικά Δίκτυα και Βαθιά Μάθηση", 1η Έκδοση (2020), Εκδ. Φούντα
2. Simon Haykin, "Νευρωνικά Δίκτυα και Μηχανική Μάθηση", 3η Έκδοση (2010), Εκδ. Παπασωτηρίου
3. Ian Goodfellow, Yoshua Bengio and Aaron Courville, “Deep Learning”, MIT Press, 2016 https://www.deeplearningbook.org/

Περιοδικά (ενδεικτικά):

IEEE Transactions on Pattern Analysis and Machine Intelligence
IEEE Transactions on Neural Networks and Learning Systems
Engineering Applications of Artificial Intelligence
Expert Systems with Applications
Journal of Machine Learning Research
Journal of Artificial Intelligence Research
Neural Computing and Applications
International Journal of Computer Vision

Συνέδρια (ενδεικτικά):

Neural Information Processing Systems
International Conference on Learning Representations
AAAI Conference on Artificial Intelligence
Computer Vision and Pattern Recognition
International Conference on Computer Vision
International Joint Conference on Artificial Intelligence