Curs: Inteligență Artificială

Facultatea de Automatică și Calculatoare – Universitatea Politehnica din București (UPB)

Descriere generală

Cursul de Inteligență Artificială oferă o introducere riguroasă și aplicată în metodele fundamentale utilizate pentru construirea sistemelor inteligente. Acesta acoperă atât tehnici clasice (căutare, logică, probabilități), cât și metode moderne bazate pe Machine Learning și Deep Learning.

Studenții învață să modeleze probleme complexe, să dezvolte algoritmi de decizie și să implementeze soluții capabile să învețe din date și să interacționeze inteligent cu mediul.

Obiective

• Înțelegerea conceptelor fundamentale din IA
• Modelarea problemelor folosind metode formale
• Aplicarea algoritmilor de căutare și optimizare
• Introducerea în învățarea automată și rețele neuronale
• Familiarizarea cu agenți inteligenți și NLP
• Dezvoltarea gândirii algoritmice pentru sisteme inteligente

Structura cursului

Introducere și fundamente

• Curs 1 – Introducere în Inteligența Artificială
  • Istorie, aplicații, tipuri de IA
  • Exemple moderne (AI în cercetare științifică)

Căutare și rezolvare de probleme

• Curs 2 – Căutare informată
• Curs 3 – Căutare locală și online
• Curs 4 – Probleme de satisfacere a restricțiilor (CSP)
• Curs 5 – Căutare în jocuri (Minimax, Alpha-Beta)

Probabilități și raționament

• Curs 6 – Introducere în probabilități și rețele Bayesiene
• Curs 7 – Inferență în rețele Bayesiene

Învățare automată

• Curs 8 – Introducere în Machine Learning
• Curs 9 – Arbori de decizie
• Curs 10 – Regresie liniară
• Curs 11 – Regresie logistică

Deep Learning

• Curs 12 – Introducere în rețele neuronale
• Curs 13 – Rețele neuronale convoluționale (CNN)

Agenți inteligenți

• Curs 14 – Introducere în agenți inteligenți
• Curs 15 – Agenți în medii MDP (Markov Decision Processes)

Procesarea limbajului natural

• Curs 16 – Introducere în NLP
• Curs 17 – Modele de limbaj și LLM-uri

Concepte cheie

• Algoritmi de căutare (BFS, DFS, A*)
• Euristici și optimizare
• Modele probabilistice
• Rețele Bayesiene
• Învățare supervizată și nesupervizată
• Rețele neuronale artificiale
• Deep Learning
• Reinforcement Learning (MDP)
• Procesarea limbajului natural
• Large Language Models

Competențe dobândite

• Modelarea problemelor complexe
• Implementarea algoritmilor de IA
• Analiza performanței modelelor ML
• Înțelegerea sistemelor moderne de AI
• Construirea de aplicații inteligente de bază

Aplicații

• Sisteme de recomandare
• Mașini autonome
• Chatbots și asistenți virtuali
• Diagnostic medical asistat de AI
• Recunoaștere de imagini
• AI pentru cercetare științifică

Resurse recomandate

• Artificial Intelligence: A Modern Approach – Stuart Russell, Peter Norvig
• Pattern Recognition and Machine Learning – Christopher Bishop
• Platforme online: Coursera, DeepLearning.ai