Μηχανική Γνώσης και Συστήματα Γνώσης


Το μάθημα έχει ως στόχο να μυήσει τους ενδιαφερόμενους στα ντετερμινιστικά και μη ντετερμινιστικά συστήματα γνώσης. Ειδικότερα, στο Σημασιολογικό Ιστό και στις τεχνολογίες που τον διέπουν όπως η XML, RDF και OWL, καθώς επίσης και στα συστήματα διαχείρισης της αβεβαιότητας με κύριο εκφραστή τα δίκτυα πεποίθησης Bayes.


Στόχοι Μαθήματος

Με την ολοκλήρωση του συγκεκριμένου μαθήματος, οι φοιτητές αναμένεται να είναι ικανοί: να ερμηνεύουν τον ρόλο της μηχανικής γνώσης μέσα στην Τεχνητή Νοημοσύνη, να αναγνωρίζουν και να ερμηνεύουν τα διάφορα στάδια της ανάπτυξης ενός συστήματος γνώσης, να σχεδιάζουν και να αναπτύσσουν ένα σύστημα γνώσης βασισμένο σε κανόνες, να σχεδιάζουν και να αναπτύσσουν ένα σύστημα γνώσης βασισμένο σε περιπτώσεις, να σχεδιάζουν και να αναπτύσσουν ένα σύστημα γνώσης βασισμένο σε Μπεϋζιανά δίκτυα, να κατανοούν τις μαθηματικές θεμελιώσεις που υπάρχουν στα Μπεϋζιανά δίκτυα, να συγκρίνουν και να αντιπαραθέτουν τα συστήματα βασισμένα σε κανόνες με τα συστήματα βασισμένα σε περιπτώσεις, να σχεδιάζουν και να αναπτύσσουν έννοιες του Σημασιολογικού Ιστού και των Οντολογιών, να συγκρίνουν και να αντιπαραθέτουν τις τεχνολογίες επισημείωσης του Σημασιολογικού Ιστού, να κατασκευάζουν Οντολογίες και συστήματα Συλλογισμού στο Protégé.


Προαπαιτούμενες Γνώσεις

Δεν υπάρχουν.


Περιεχόμενα

Συστήματα που αναπαριστούν, οργανώνουν και αξιοποιούν γνώση. Σημασιολογικά δίκτυα, συστήματα πλαισίων, συστήματα βασισμένα σε κανόνες, συλλογισμός με κανόνες (forward και backward chaining), ο αλγόριθμος Rete, σχεδίαση και υλοποίηση συστημάτων κανόνων. Συλλογισμός βασισμένος σε περιπτώσεις (case-based reasoning). Συλλογισμός υπό συνθήκες αβεβαιότητας. Δίκτυα Bayes. Εφαρμογές συστημάτων γνώσης: διαμόρφωση (configuration), σχεδίαση (design), διάγνωση (diagnosis), ταξινόμηση (classification). Εισαγωγή στην Τεχνολογία Σημασιολογικού Ιστού, Δομώντας έγγραφα του Ιστού με την XML, Περιγράφοντας πόρους του Ιστού με το RDF, H γλώσσα Οντολογιών του Ιστού (Ontology Web Language), Λογική και Συμπερασμός: Κανόνες στον Ιστό (Rule markup in XML), Εφαρμογές (Data integration, Information retrieval, Portals, e-Learning, Web Services, κ.λπ.), To περιβάλλον ανάπτυξης οντολογιών Protégé, Protégé και η μηχανή συμπερασμού Pellet σε χρήση.

ΤΑΥΤΟΤΗΤΑ ΜΑΘΗΜΑΤΟΣ

Βαθμίδα:

Τύπος:

Προπτυχιακό

(A-)


Εκπαιδευτές: Εμμανουήλ Μαραγκουδάκης
Τμήμα: Τμήμα Μηχανικών Πληροφοριακών & Επικοινωνιακών Συστημάτων
Ίδρυμα: Πανεπιστήμιο Αιγαίου
Θεματική Περιοχή: Επιστήμες Μηχανικού Η/Υ και Ηλεκτρονικού Μηχανικού
Άδεια Χρήσης: CC - Αναφορά - Μη Εμπορική Χρήση - Παρόμοια Διανομή

Επισκεφτείτε το μάθημα

ΜΟΙΡΑΣΤΕΙΤΕ ΤΟ ΜΑΘΗΜΑ
ΣΧΕΤΙΚΑ ΜΑΘΗΜΑΤΑ