Τίτλος Μαθήματος Μηχανική Γνώσης και Συστήματα Γνώσης
Κωδικός Μαθήματος 321-7406
Εξάμηνο 9
ECTS 5
Ώρες (Θεωρία) 3
Ώρες (Εργαστηρίο)
Διδάσκοντας Πόθα Νεκταρία

Ύλη μαθήματος

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.

Επιδιωκόμενα μαθησιακά αποτελέσματα

Με την ολοκλήρωση του συγκεκριμένου μαθήματος, ο φοιτητής/τρια θα:

  • Έχει την γνώση να ερμηνεύει τον ρόλο της μηχανικής γνώσης μέσα στην Τεχνητή Νοημοσύνη, να αναγνωρίζει και να ερμηνεύει τα διάφορα στάδια της ανάπτυξης ενός συστήματος γνώσης.
  • Έχει την δεξιότητα να σχεδιάζει και να αναπτύσσει ένα σύστημα γνώσης βασισμένο σε κανόνες, να σχεδιάζει και να αναπτύσσει ένα σύστημα γνώσης βασισμένο σε περιπτώσεις, να σχεδιάζει και να αναπτύσσει ένα σύστημα γνώσης βασισμένο σε Μπεϋζιανά δίκτυα.
  • Έχει την  ικανότητανα να κατανοεί τις μαθηματικές θεμελιώσεις που υπάρχουν στα Μπεϋζιανά δίκτυα, να συγκρίνει και να αντιπαραθέτει τα συστήματα βασισμένα σε κανόνες με τα συστήματα βασισμένα σε περιπτώσεις, να σχεδιάζει και να αναπτύσσει έννοιες του Σημασιολογικού Ιστού και των Οντολογιών, να συγκρίνει και να αντιπαραθέτει τις τεχνολογίες επισημείωσης του Σημασιολογικού Ιστού, να κατασκευάζει Οντολογίες και συστήματα Συλλογισμού στο Protégé.

Προαπαιτούμενα

Δεν απαιτούνται.

Εγχειρίδια του μαθήματος

1. Εισαγωγή στο Σημασιολογικό Ιστό, Γρηγόρης Αντωνίου, Frank Van Harmelen, Εκδόσεις ΚΛΕΙΔΑΡΙΘΜΟΣ, ISBN:978-960-461-234-5, 2009.
2. Εισαγωγή στην Τεχνητή Νοημοσύνη και στα Συστήματα Πολλαπλών Πρακτόρων, Ν. Ματσατσίνης - Ν. Σπανουδάκης - Α. Σαμαράς, Εκδόσεις ΝΕΩΝ ΤΕΧΝΟΛΟΓΙΩΝ, ISBN:960-8105-77-3, 2006.

Συμπληρωματική βιβλιογραφία

1. Semantic Web for the Working Ontologist, Second Edition: Effective Modeling in RDFS and OWL, Dean Allemang, James Hendler, Morgan Kaufmann, ISBN: 978-0123859655, 2011.
2. Modeling and Reasoning with Bayesian Networks , Adnan Darwiche, Cambridge University Press, ISBN: 978-0521884389, 2009.
3. Knowledge Representation and Reasoning, Ronald Brachman, Hector Levesque, Morgan Kaufmann, ISBN: 978-1558609327, 2004.
4. Knowledge and Representation, by Albert Newen (Editor), Andreas Bartels (Editor), Eva-Maria Jung (Editor), Center for the Study of Language and Inf, ISBN: 978-1575866307, 2011.

Διδακτικές και μαθησιακές μέθοδοι

Ατομικές και ομαδικές εργασίες, πρακτική εξάσκηση στο εργαστήριο, μικρά τεστ στη μορφή κουίζ, τελική γραπτή εξέταση.

Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις 39 ώρες
 
Προσωπική μελέτη 83 ώρες
 
Τελική εξέταση 3 ώρες
Σύνολο Μαθήματος 125 ώρες (5 ECTS)

Μέθοδοι αξιολόγησης / βαθμολόγησης

Πέρα από τις διαλέξεις και την παροχή εκπαιδευτικού υλικού μέσω της ηλεκτρονικής πλατφόρμας μάθησης του Τμήματος, γίνονται και έξτρα σεμινάρια εργαστηριακού περιεχομένου στις τεχνολογίες της XML, RDF και OWL, στο περιβάλλον Protégé και στα δίκτυα Bayes.

Γλώσσα διδασκαλίας

Ελληνικά (Αγγλικά αν υπάρχουν φοιτητές/φοιτήτριες ERASMUS)

Τρόπος παράδοσης μαθήματος

Φυσική Παρουσία.