Podaci o znanstveniku
Osnovni podaci
Izobrazba
Zaposlenja
Nastavne aktivnosti
Projekti
Članstva
Bibliografija
Znanstveni interesi
Biografija


Bojana Dalbelo-Bašić - Nastavne aktivnosti

Dodiplomska nastava

Inteligentni sustavi
Definicija umjetne inteligencije. Turingov test. Inteligentni sustavi: funkcije i svojstva. Prikaz znanja, sheme za prikaz znanja i zaključivanje. Agenti i multiagentski inteligentni sustavi. Automatsko zaključivanje uporabom propozicijske logike. Rezolucijsko zaključivanje. Automatsko zaključivanje uporabom predikatne logike. Zaključivanje u sustavima temeljenim na pravilima. Vjerojatnosno zaključivanje. Prikaz i rješavanje problema u prostoru stanja. Postupci i tehnike pretraživanja prostora stanja. Zaključivanje o vremenskim odnosima u vremenskim bogatim domenama.

Strojno učenje
Oblikovanje programskog sustava koji automatski uči kroz iskustvo. Koraci u izgradnji sustava za učenje. Izbor primjera za stjecanje iskustva. Izbor i predstavljanje ciljne funkcije. Učenje kao pretraživanje i algoritmi za pretraživanje prostora potencijalnih hipoteza. Učenje stablom odlučivanja. Neuronske mreže. Evaluacija hipoteza i Bayesovo učenje. Metode učenja na temelju primjera: k-najbližih susjeda, LW regresija, zaključivanje na temelju slučaja.

Neizrazito, evolucijsko i neuro-računarstvo
Biološki modeli u računarstvu - skup postupaka i modela temeljenih na približnom izračunavanju i zaključivanju, samoučenju, paralelizmu, nederminizmu. Neizraziti skupovi. Neizrazita matematika. Mogućnost vs. vjerojatnost. Neizraziti modeli. Pravila zaključivanja u neizrazitoj logici. Jezične varijable. Princip rada neizrazitih upravljačkih sustava. Neuronske mreže. Paralelno distribuirano procesiranje. Perceptron. Vrste mreža. Postupci učenja. Genetski algoritmi. Numerička optimizacija. Binarni i decimalni genetski algoritmi. Komponente genetskih algoritama. Evolucijski programi. Hibridni sustavi. Primjeri i primjene.

Meko računarstvo
na Matematičkom odjelu PMF-a

Poslijediplomska nastava

Otkrivanje znanja u skupovima podataka
Numerički i simbolički postupci otkrivanja strukturnih uzoraka u skupovima podataka. Temelji statističkih tehnika upravljanja podacima i grafičko predočavanje podataka. Pregled istraživačkih tehnika analize podataka. Predviđanje, grupiranje i klasifikacija podataka uporabom linearne i nelinearne regresije, tehnika grupiranja i neuronskih mreža. Simboličko otkrivanje znanja: koncepti, primjeri i atributi. Priprema ulaznih podataka. Predstavljanje otkrivenog znanja (tablice i stabla odlučivanja, razredbena pravila i pravila pridruživanja, skupine). Algoritmi za indukciju znanja. Evaluacija rezultata. Primjena postupaka otkrivanja znanja u poslovnom odlučivanju, financijama, tehnici i medicini.

Neuronske mreže
-

PREDSTAVLJANJE ZNANJA I ZAKLJUČIVANJE U INTELIGENTNIM SUSTAVIMA
Cilj kolegija je dati uvod u područje umjetne inteligencije i predstaviti: • automatsko zaključivanje u temeljnim logičkim shemama (propozicijska i predikatna logika) i • najpoznatiju shemu, shemu koja se najčešće koristi za prikaz znanja i zaključivanje – produkcijski (ekspertni) sustav.