240420: Introduction to Artificial Intelligence

fancyfantasicAI and Robotics

Nov 7, 2013 (4 years and 2 days ago)

139 views

240420: Introduction to Artificial Intelligence



Wed 16.00
-
17.30,


5306
,

Thu 16.00
-
17.30,


5406

Instructor
:


Amarin Deemagarn

(

.
อัมรินทร์

ดีมะการ
)

Office hours: M
on, Tue and Fri 10.00


11:00
, or by appointment

Office:
1405

Phone: +66 8169684
15

Email:

amarin
@
phuket.psu.ac.th

Web site:
fivedots.coe.psu.ac.th/~amarin/240420



Check the web site regularly, as assignments and announcements will be
posted here.


Objectives
:

1.

Introduce the foundations of Artificial Intelligence (including search,

logical
induction, and different approaches to automated learning).

2.

Demonstrate how these concepts are applied to practical problems, such as game
playing, expert systems, planning, language understanding, pattern recognition,
and robotics.

Prerequisites
:

The official
prerequisite is

240
-
204
. As far as content, the knowledge that you
will need coming into this course is (1) the ability to write data
-
s
tructure level
programs
, and (2) a good understanding of propositional logic and trees.

Course Descriptio
n

(in Thai):

การส ารวจแนวคิดและการประยุกต์ใช้ปัญญาประดิษฐ์ในด้านหลัก ๆ

ภาษาที่ใช้เพื่อสร้างระบบปัญญาประดิษฐ์ (เช


ภาษาลิสหรือโปรลอก)

ซอฟต์แวร์เอเจ็นต์สามารถใช้เป็นแกนรวมในการประยุกต์ใช้เทคนิคของปัญญาประดิษฐ์เพื่อสร้างระบบชาญฉลาด

การแทนความรู้ ตรรกศาสตร์ประพจน์ ขอบข

ายข
องสถานะและการค้นหาสถานะ

การค้นหาโดยใช้ฮิวริสติก ระบบผู้ช านาญการ
แบบจ าลองการเรียนรู้และการรับรู้

การประมวลผลภาษาธรรมชาติ การค านวณเชิงวิวัฒนาการ และการมองเห็น

วิธีการสร้าง แก

ไข หรือขยายความสามารถของระบบปัญญาประดิษฐ์หลายระบบ

โดยใช้ภาษาโปรแกรมและเครื่องมือประ
กอบ (เช


เชลล์ของระบบผู้ช านาญการ

เครื่องมือสร้างฐานความรู้)



Textbook
:

Require
d

textbook
:


1.
Stuart Russell

and
Peter Norvig
,
Artificial Intelligence: A Modern Approach
,





P
rentice Hall 2003. 2
nd

Edition
.


2.

Ben Coppin,
Artificial Intelligence Illuminated
. Jones and Barlett 2004
.

-

For
Expert system,
Pyth
on

programming
and

Prolog programming, I will provide
these
materials in the class.

Grading

Class participation

10
%


quiz

and attendance *


Writing
Homework


10

%



Programming assignments

20

%



Midterm Exam


25
%


28 July
-
5 Aug

Final Exam

35
%



8
-
19 Oct


* Students have to attend the class at least 80%
. It means that you c
an absence AT
MOST 6 times.





if (exam_grade > 25) then

final_grade = 0.6*exam_grade + 0.4*hw_grade

else

final_grade = exam_grade

// exam_grade = M
idterm exam + Final
ex
am

/

hw_grade =
Programming assignments

+
Writing Homework

H
omework Assignments:

The homework assignments may involve a combination of
written problems and some
programming (Python
, Prolog
) related to the application of core AI concepts. These will
po
ssibly include:

Designing an eva
luation heuristic for an AI game

Simple applica
tions
in areas such as logic/
learni
ng/



Schedule:




Date

Topic

Reading

1

5 June

Introduction to AI

Ch.

1

R&N

2

6 June

Intelligence Agents

Ch.

2

R&N

3

13 June

Uninformed

Search

I

Ch.

3

R&N


14 June


No Class


4

20

June

Introd
uction to Python

Programming


5

21 June

Uninformed Search II

Ch. 3

R&N

6

27 June

Informed Search: Heuristic function

Ch. 4

R&N

7

28 June

Informed Search
: Local Search

Ch. 4

R&N

8

4 July

Const
raint Satisfaction Problems

Ch. 5

R&N

9

5 July

Games Playing

Ch.
6

R&N

10

11 July

Propositional logic

Ch. 7

R&N

11

12 July

Propositional logic + First
-
Order Logic

Ch.7
-

8

R&N

12

18 July

First
-
Order Logic

Ch. 8

R&N

13

19 July

Inference in First
-
Orde
r Logic

Ch. 9

R&N

14

25 July

Inference in First
-
Order Logic, Intro. to
Prolog

Ch. 9

R&N

15

26 July

Intro. to Prolog




Midterm Examination



16

8 Aug

Intro. to Prolog


17

9 Aug

Knowledge Representation

Ch.3
&1 7

BC

18

15 Aug

Planning I

Ch. 11

R&N

19

16 Aug

Planning

II

Ch. 11

R&N

20

22 Aug

Uncertainty (Probability)

Ch.
13

R&N

21

23 Aug

Bayesian Networks

Ch. 14

BC

22

29 Aug

Inference in Bayesian Networks

Ch. 14

BC

23

30 Aug

AI and Expert System


24

5 Sept


Natural Language Processing I


Ch. 20 BC

25

6 Sept

Natural Language Processing II

Ch. 20 BC

26

12 Sept

Introduction to

Machine Learning

Ch. 10

BC

27

13 Sept


Neural Networks

Ch. 11

BC

28

19 Sept


Neural Networks II

Ch. 11

BC

29

20 Sept


Neural Networks III

Ch. 11

BC

30

26 Sept


Genetic Algorithm

I

Ch. 14

BC

31

27 Sept


Genetic Algorithm

II

Ch. 14

BC

32

3 Oct




Summary

Ch. 2
7 R&N

33

4 O
ct


Review

-



Writing Assignments
(10)

Time

Reading

Marks

Release

Due

1

Ch.1
-
2

2


9

June

18

June

2

Ch.3
-
4

3

28 June

5 July

3

Ch.7
-
9

3

26 July

15 Aug

4.

Machine Learning

2

20 Sept

2 Oct




Programming Assignments (20)

Time

Topic

Marks

Rele
ase

Due

1

Python

2

21 June

28 June

2

Searching

4

27 June

12 July

3

Game

5

11 July

25 July

4.

Prolog

3


8 Aug

22 Aug

5

Natural Language
Processing

6


5 Sept

20 Sept