The Basics of Artificial Intelligence
B.Sc course, Department of Data Science and Visualization, Faculty of Informatics, University of Debrecen, 2024
Artificial Intelligence (AI) has a rich history deeply rooted in scientific exploration and discovery. Beginning with its conceptualization in the mid-20th century, AI has evolved alongside advancements in computing power and cognitive science, shaping a diverse landscape of theories and applications.
======
Email address of the Teacher
Konzultációk
- Monday / Hétfő - 14:00 - 15:30 - IK 107 (in the classroom / teremben)
- Monday / Hétfő - 15:30 - 16:00 - IK I128 (in the office / irodában)
- Monday / Hétfő - 16:00 - 17:30 - IK 204 (in the classroom / teremben)
- Monday / Hétfő - 17:30 - 18:00 - IK I128 (in the office / irodában)
Monday / Hétfő - 18:00 - 19:30 - IK 204 (in the classroom / teremben)
- Tuesday / Kedd - 14:00 - 15:30 - IK 132 (in the classroom / teremben)
- Tuesday / Kedd - 15:30 - 16:00 - IK I128 (in the office / irodában)
- Tuesday / Kedd - 16:00 - 17:30 - IK TEOKJ II. em. 109 (in the classroom / teremben)
- Tuesday / Kedd - 17:30 - 18:00 - IK I128 (in the office / irodában)
- Tuesday / Kedd - 18:00 - 19:30 - IK TEOKJ II. em. 106 (in the classroom / teremben)
Attendance sheet
Attendance sheet status
Követelmények
Elő vizsga Feladat típusok
- A vizsgán maximum 10-pont szerezhető:
- Időpontok:
- Konzultáció: Az oktatói fogadóórákon.
- Legfeljebb 3 hiányzás megengedett.
- Az utolsó gyakorlat során zárthelyi dolgozat formájában. A ZH-n szerzett pontok 0.4-es súllyal kerülnek beszámításra a végső érdemjegybe.
Kérdés típusok:
1. Kész allapottér reprezentáció alapján implementáció kiegészítése: Operator hatásdefinició implementálása. (2 pont)
2. Keresők egy hiányos keresőt kell kiegészíteni: Trial error, hegymászó, mélységi, szélleségi, backtrack stb... (2 pont)
3. Neuralis halozatok: Egy egyszerű adathalmazra kell felépíteni a NN modellt Keras-ban. (2 pont)
4. Reinforcement learning: Q fgv vagy tábla formálisan meg van adva és azt kell implementálni (learn és act függvények implementálása). (2 pont)
5. Elméleti kérdés a gyakorlati anyag témáiból: Állapottér-reprezentáció, nem informált algoritmusok, informált algorutmusok, Kényszerkielégtés, Lépésajánlás, Naiv Bayes, Neurális hálók, Megerősítéses tanulás. (2 pont)