ปัญญาประดิษฐ์สำหรับระบบอิสระ
5(4-2-10)
วิชาบังคับก่อน : ไม่มี
เป้าหมายและพื้นฐานของปัญญาประดิษฐ์ การแก้ปัญหา ไม่รู้ข้อมูล ฮิวริสติกและการค้นหาคู่ปรับความพึงพอใจของข้อจำกัด การใช้เหตุผลเชิงตรรกะ ตรรกะเชิงประพจน์ ตรรกะลำดับแรก การเขียนโปรแกรมเชิงตรรกะ การใช้เหตุผลเชิงความน่าจะเป็น การเรียนรู้ของเครื่อง ได้แก่ หัวข้อต้นไม้การตัดสินใจแบบต้นไม้ (decision tree) วิธีการที่ใกล้เคียงที่สุด (nearest-neighbor method) การเรียนรู้การเสริมแรง (reinforcement learning) เครือข่ายประสาท (neural network) ซัพพอร์ตเวกเตอร์แมชชีน แอปพลิเคชั่น AI ที่ล้ำสมัยในระบบอิสระจะถูกกล่าวถึงตลอดหน่วยการเรียนรู้
ผลสัมฤทธิ์การเรียนรู้
หลังจากเรียนในรายวิชานี้ นักศึกษามีความสามารถดังนี้
1. เข้าใจเทคนิคปัญญาประดิษฐ์ที่หลากหลายข้อดีและข้อเสีย
2. เข้าใจถึงการนำปัญญาประดิษฐ์ว่าเป็นกลไกในการจัดการกับปัญหาที่ยากในการคำนวณในทางปฏิบัติ
3. เข้าใจแนวคิดของปัญญาประดิษฐ์ที่เป็นทางการและนำไปปฏิบัติ
4. เขียนโปรแกรมขนาดเล็กถึงขนาดกลางสำหรับแง่มุมของปัญญาประดิษฐ์
5. ประเมินผลประยุกต์ใช้ปัญญาในรูปแบบต่างๆ ที่ล้ำสมัย
Artificial Intelligence for Autonomous System
Pre-requisite: None
Goals and foundations of AI, problem solving (uninformed, heuristic, and adversarial search; constraint satisfaction), logical reasoning (propositional logic, first-order logic, logic programming), probabilistic reasoning (probability models, Bayesian networks), machine learning (possible topics include decision trees, nearest-neighbor methods, reinforcement learning, neural networks, support vector machines, boosting), state-of-the-art AI applications in autonomous system will be discussed throughout the unit
Learning Outcomes
After complete this course, students will be able to:
1. Understand a wide range of AI techniques, their advantages and disadvantages.
2. Appreciate AI as a mechanism to deal with computationally hard problems in a practical manner.
3. Understand the concepts of formal AI and put them into practice.
4. Write small to medium sized programs for aspects of Artificial Intelligence.
5. Critically evaluate state-of-the-art AI applications.