Τεχνητή Νοημοσύνη Ι
- Categories Περιγραφές Μαθημάτων
- Date 7 Αυγούστου 2024
| ΣΧΟΛΗ | Οικονομικών Eπιστημών | ||
| ΤΜΗΜΑ | Στατιστικής και Ασφαλιστικής Επιστήμης | ||
| ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ | Προπτυχιακό | ||
| ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ | Stat310 | ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ | 3o |
| ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ | Τεχνητή Νοημοσύνη Ι | ||
| ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ | 3 | ||
| ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ | 5 | ||
Μαθησιακά Αποτελέσματα
- Κατανοεί τις αρχές και τις μεθόδους της Τεχνητής Νοημοσύνης (ΑΙ)
- Κατανοεί και εφαρμόζει τις αρχές και τις στρατηγικές του Prompt Engineering
- Αντιλαμβάνεται τον ρόλο της Θεωρίας Πιθανοτήτων και της Επιστήμης της Στατιστικής στη Λήψη Αποφάσεων μέσω εργαλείων AI
- Χρησιμοποιεί σύγχρονα εργαλεία AI
- Έχει την ικανότητα παραγωγής περιεχομένου (κειμένου, εικόνας, ήχου και βίντεο)
- Έχει την ικανότητα να κατανοεί τη χρήση των αλγορίθμων Βαθιάς Μηχανικής Μάθησης
- Αξιολογεί και ερμηνεύει ορθά τα αποτελέσματα των εργαλείων της AI
- Συγκρίνει και αξιολογεί διαφορετικά μεγάλα Γλωσσικά Μοντέλα μεταξύ τους
- Έχει αποκτήσει την ικανότητα παρακολούθησης των εξελίξεων στον τομέα της AI και κριτικής σκέψης απέναντι τους
- Αναγνωρίζει τα ηθικά και κοινωνικά ζητήματα που συνδέονται με την AI
Περιεχόμενο Μαθήματος
- Εισαγωγή στην Τεχνητή Νοημοσύνη
- Ιστορική αναδρομή και εξέλιξη της Τεχνητής Νοημοσύνης
- Κύριες εφαρμογές της Τεχνητής Νοημοσύνης στη σύγχρονη πραγματικότητα
- Πιθανότητες και Στατιστική Μάθηση
- Εισαγωγή στη Θεωρία Λήψης Αποφάσεων
- Νευρωνικά Δίκτυα και Αλγόριθμοι Βαθιάς Μάθησης
- Γεννητικά Μοντέλα: Επισκόπηση
- Επεξεργασία Φυσικής Γλώσσας (NLP)
- Εισαγωγή στο Prompt Engineering: Βασικές αρχές και στρατηγικές
- Μεγάλα Γλωσσικά Μοντέλα: ChatGPT, Claude, Copilot, Gemini, Llama κ.α.
- Εργαλεία Τεχνητής Νοημοσύνης: Παραγωγή Περιεχομένου
- Ηθικά και κοινωνικά ζητήματα
Αξιολόγηση Φοιτητών
H αξιολόγηση των φοιτητών/τριών γίνεται με έναν από τους παρακάτω δύο τρόπους:
- Εκπόνηση ατομικής εργασίας με το λογισμικό RapidMiner (30%) και γραπτή τελική εξέταση (70%). Οι οδηγίες για την εκπόνηση της εργασίας καθώς και η παράδοσή της θα γίνουν μέσω του e-class.
- Γραπτή τελική εξέταση με ερωτήσεις σύντομης απάντησης & επίλυση προβλημάτων (100%).
Συνιστώμενη Βιβλιογραφία
Προτεινόμενη Βιβλιογραφία:
- Ertel, W. (2019). Εισαγωγή στην Τεχνητή Νοημοσύνη. Εκδόσεις: ΓΡΗΓΟΡΙΟΣ ΧΡΥΣΟΣΤΟΜΟΥ ΦΟΥΝΤΑΣ. Κωδικός Βιβλίου στον Εύδοξο: 86053651.
- Dube, S. (2024). Εισαγωγή στην Τεχνητή Νοημοσύνη. Εκδόσεις: ΓΡΗΓΟΡΙΟΣ ΧΡΥΣΟΣΤΟΜΟΥ ΦΟΥΝΤΑΣ. Κωδικός Βιβλίου στον Εύδοξο: 122075314.
- Jiang, Ν. (2022). Τεχνητή Νοημοσύνη. Εκδόσεις: ΓΡΗΓΟΡΙΟΣ ΧΡΥΣΟΣΤΟΜΟΥ ΦΟΥΝΤΑΣ.Κωδικός Βιβλίου στον Εύδοξο: 112697661.
- Negnevitsky, M. (2017). Τεχνητή Νοημοσύνη, 3η Έκδοση. Εκδόσεις: Α. ΤΖΙΟΛΑ & ΥΙΟΙ Α.Ε. Κωδικός Βιβλίου στον Εύδοξο: 59421530.
- Russel, S., Norvic, P. (2021). Τεχνητή Νοημοσύνη: Μία Σύγχρονη Προσέγγιση. Εκδόσεις:ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ. Κωδικός Βιβλίου στον Εύδοξο: 102070469.
- Xiao, P. (2024). Προγραμματισμός Τεχνητής Νοημοσύνης με Python. Εκδόσεις: Χ. ΓΚΙΟΥΡΔΑ & ΣΙΑ ΕΕ. Κωδικός Βιβλίου στον Εύδοξο: 133025561.
Πρόσθετο Διδακτικό Υλικό:
- Γεωργούλη, Α. (2016). Τεχνητή Νοημοσύνη. Εκδόσεις: ΚΑΛΛΙΠΟΣ Ανοικτές Ακαδημαϊκές Εκδόσεις. Κωδικός Βιβλίου στον Εύδοξο: 320248.
Συναφή επιστημονικά περιοδικά:
Artificial Intelligence Review.
International Journal of Artificial Intelligence
Journal of Artificial Intelligence Research.
