Τεχνητή Νοημοσύνη - Ρομποτική
| Τίτλος | Τεχνητή Νοημοσύνη - Ρομποτική / Artificial Intelligence - Robotics |
| Κωδικός | RM121 |
| Σχολή | Γεωπονίας, Δασολογίας και Φυσικού Περιβάλλοντος |
| Τμήμα | Γεωπονίας |
| Κύκλος / Επίπεδο | 2ος / Μεταπτυχιακό, 3ος / Διδακτορικό |
| Περίοδος Διδασκαλίας | Χειμερινή/Εαρινή |
| Υπεύθυνος/η | Ξανθούλα ειρήνη Πανταζή |
| Κοινό | Ναι |
| Κατάσταση | Ενεργό |
| Course ID | 600018834 |
Πρόγραμμα Σπουδών: 2024- σήμερα
Εγγεγραμμένοι φοιτητές: 0
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|
| Τίτλος | Τεχνητή Νοημοσύνη - Ρομποτική |
| Ακαδημαϊκό Έτος | 2023 – 2024 |
| Περίοδος Τάξης | Εαρινή |
| Διδάσκοντες μέλη ΔΕΠ | |
| Ώρες Εβδομαδιαία | 4 |
| Ώρες Συνολικά | 52 |
| Class ID | 600245078
|
Τύπος Μαθήματος
Ειδικού Υποβάθρου
Τύπος Μαθήματος 2016-2020
- Υποβάθρου
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600245078
- eLearning: https://elearning.auth.gr/course/view.php?id=15986
Erasmus
Το μάθημα προσφέρεται και σε φοιτητές
προγραμμάτων ανταλλαγής.
Γλώσσα Διδασκαλίας
- Ελληνικά (Διδασκαλία, Εξέταση)
- Αγγλικά (Διδασκαλία, Εξέταση)
Μαθησιακά Αποτελέσματα
Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές αναμένονται να:
1. Αντιλαμβάνονται ολοκληρωμένα τους πιο γνωστούς αλγορίθμους.
2. Αποκτήσουν εξοικείωση με τις τεχνικές προ-επεξεργασίας δεδομένων.
3. Ερμηνεύουν και να αναλύουν τα αποτελέσματα και τις επιδόσεις των αλγορίθμων.
4. Επιλέγουν τις κατάλληλες μεθοδολογίες και να αναπτύσσουν τους κατάλληλους αλγορίθμους για την επίλυση διαφόρων πρόβλημα που καλούνται να επιλύσουν, αυτοματοποιώντας τη διαδικασία επίλυσης.
5. Αντιλαμβάνονται την πολυπλοκότητα των διαφόρων λύσεων στα διάφορα πεδία εφαρμογής τους στη γεωργία.
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Λήψη αποφάσεων
- Αυτόνομη εργασία
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Βασικές έννοιες της Τεχνητής Νοημοσύνης, Εισαγωγή στη Μηχανική Μάθηση, Εισαγωγή σε αλγόριθμους και είδη μηχανικής μάθησης, Εισαγωγή στα τεχνητά νευρωνικά δίκτυα (ΤΝΔ),Κατηγορίες ΤΝΔ, Εισαγωγή στο δίκτυο πολυστρωματικής αντίληψης (Multilayer Preceptron), Τεχνικές εκπαίδευσης αλγορίθμων Μηχανικής Μάθησης και νευρωνικών δικτύων (ΤΝ), Αναπαράσταση Γνώσης, Εισαγωγή στους κανόνες εκμάθησης, Ο αλγόριθμος εκπαίδευσης οπίσθιας διάδοσης (Backpropagation), Δίκτυα συναρτήσεων βάσης ακτινικού τύπου (RBF), Μηχανές διανυσματικής υποστήριξης (SVM), Εισαγωγή στις τεχνικές Εξόρυξης δεδομένων, Εισαγωγή στα δίκτυα αυτό-οργάνωσης, Μέθοδοι βελτίωσης της ικανότητας γενίκευσης των ΤΝΔ, Σύντηξη δεδομένων, Εισαγωγή στις Τεχνικές Βαθιάς Εκμάθησης, Συνελικτικά Δίκτυα (CNN), Εφαρμογές τεχνικών Μηχανικής Εκμάθησης και ΝΔ (μηχανική όραση, ρομποτική)
Λέξεις Κλειδιά
εξόρυξη δεδομένων, μηχανική εκμάθηση, νευρωνικά δίκτυα, ανάλυση δεδομένων, αναγνώριση προτύπων, αυτοματισμοί
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Βιντεοδιαλέξεις
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
- Χρήση Τ.Π.Ε. στη Διδασκαλία
- Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
- Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
Περιγραφή
Διαφάνειες σε ηλεκτρονική μορφή, διαδραστικές ασκήσεις, 2 εργασίες
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 103 | ||||
| Εκπόνηση μελέτης (project) | 61 | ||||
| Συγγραφή εργασίας / εργασιών | 1 | ||||
| Εξετάσεις | 3 | ||||
| Σύνολο | 168 |
Αξιολόγηση Φοιτητών
Περιγραφή
Αξιολόγηση με προόδους (άθροιση βαθμολογίας 2 προόδων) στο μέσο της διδακτέας ύλης και στο τέλος των διαλέξεων. Οι εργασίες που ολοκληρώνουν οι φοιτητές θα βαθμολογούνται και ο μέσος όσος αυτών θα διαμορφώνει και τον τελικό βαθμό.
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εργασία (Διαμορφωτική)
- Εργαστηριακή Εργασία (Διαμορφωτική)
Τελευταία Επικαιροποίηση
21-01-2024
