Oktatási cél: A tantárgy célja a mesterséges intelligencia alapjainak bemutatása, gyakorlatorientált szemléletben, különös hangsúlyt helyezve a gépi tanulásra.
Tematika: A tantárgy a mesterséges intelligencia alapjainak ismertetésével foglalkozik, beleértve annak definícióit, történeti hátterét, alkalmazási területeit, lehetőségeit és korlátait. Bemutatja a problémák megfogalmazásának és megoldásának módszereit, a tudás és a problématípusok jellemzőit, valamint a számítási komplexitás szerinti osztályozást, így a P, NP és NP-teljes problémákat. A hallgatók megismerkednek a keresésen alapuló problémamegoldási technikákkal, mint az A* és a minimax algoritmus, a dinamikus programozás, a költségoptimalizáció, valamint az iteratív megközelítések, például a hegymászó algoritmus, a szimulált lehűlés és a genetikus algoritmusok. A tematika kitér a bizonytalanság reprezentációjára, a Bayes-tétel alkalmazására, a fuzzy logikára és a rejtett Markov-modellekre.
A gépi tanulás témakörében a hallgatók megismerkednek az alapfogalmakkal, a felügyelt tanulás módszereivel – ideértve a klasszifikációt és a regressziót –, valamint a felügyelet nélküli tanulással és a klaszterezéssel. A tárgy bemutatja a lineáris regressziót, a döntési fákat, a támasztóvektor-gépeket, a perceptront, valamint a neurális hálózatok felépítését, működését és tanítását. További témák a sekély neurális hálózatok, a konvolúciós neurális hálózatok, a mély neurális hálózatok és a mély tanulás alapjai, valamint a megerősítéses tanulás és a Q-tanulás. A tematika része továbbá a természetes nyelvfeldolgozás alapjainak ismertetése.
A laborfoglalkozások során a hallgatók megismerkednek a Python programozási nyelvvel és annak releváns csomagjaival, mint például a NumPy, a SciKit és a Pandas, majd hétről hétre az előadásanyaghoz kapcsolódó gyakorlati feladatokat oldanak meg.