Skoči na glavni sadržaj

Sadržaj predmeta

Metode umjetne inteligencije u konstruiranju

Šifra:
210986
Kratica:
MUIUK
Visoko učilište:
Fakultet strojarstva i brodogradnje
ECTS bodovi:
4.0
Opterećenje:
15(V) + 30(P)
Nositelji:

prof. dr. sc. Mario Štorga

prof. dr. sc. Nenad Bojčetić

Izvođači:

dr. sc. Marija Majda Škec (V)

prof. dr. sc. Mario Štorga (P)

prof. dr. sc. Nenad Bojčetić (P)

Opis predmeta:
Ciljevi predmeta: Cilj predmeta je upoznavanje studenta sa suvremenim metodama umjetne inteligencije s primjenom u području konstruiranja i razvoja proizvoda. Studenti će se kroz samostalno rješavanje zadataka te projektni rad upoznati sa strategijama, algoritmima, metodama i alatima za računalnu sintezu u konstruiranju te strojno učenje i rudarenje velikih skupova podataka u svim fazama razvojnog procesa. Studenti će steći znanja potrebna za rad u multidisciplinarnim inženjerskim timovima koji razvijaju suvremene pametne tehničke sustave. Uvjeti za upis predmeta i ulazne kompetencije koje su potrebne za predmet: Obaveze studenata: Pohađanje nastave i rad na projektnom zadatku. Ocjenjivanje i vrednovanje rada studenata tijekom nastave i na završnom ispitu: Projektni zadatak. Načini praćenja kvalitete koji osiguravaju stjecanje izlaznih znanja, vještina i kompetencija: Nakon uspješno savladanog kolegija student će moći (ishodi učenja): Definirati osnovne pojmove umjetne inteligencije u konstruiranju. Razumjeti i primijeniti metode računalne sinteze u konstruiranju. Razlikovati između različitih modela i pristupa umjetnoj inteligenciji u konstruiranju. Primijeniti postupak odabira modela i statističkog vrednovanja uspješnosti naučenog modela. Primijeniti i različite algoritme klasifikacije i grupiranja i postupke provjere na realne skupove podataka u području konstruiranja. Razumjeti prednosti dubokog učenja u odnosu na alternativne pristupe strojnom učenju. Procijeniti prikladnost metode i algoritma za zadani zadatak. Predavanja 1. Osnovni pojmovi, strategije i pristupi za korištenje umjetne inteligencije u konstruiranju. 2. Razvoj pametnih proizvoda primjenom metoda umjetne inteligencije. 3. Utjecaj umjetne inteligencije na kreativne procese 4. Računalna sinteza i topološko optimiranje u konstruiranju. 5. Umjetna inteligencija i CAD. 6. Metode rudarenja velikih skupova podataka pred obrada, analiza uzoraka i korelacije među podacima. 7. Metode nadziranog strojnog učenja s primjenom u konstruiranju klasifikacija. 8. Metode nenadziranog strojnog učenja s primjenom u konstruiranju grupiranje. 9. Metode dubokog učenja s primjenom u konstruiranju. 10. Kreiranje inovacija u razvoju proizvoda korištenjem metoda umjetne inteligencije. 11. Upravljanje konstrukcijskim procesom korištenjem metoda umjetne inteligencije. 12. Budući trendovi primjene metoda umjetne inteligencije u konstruiranju. 13. Odabrana poglavlja/gostujuće predvanje MUI. 14. Odabrana poglavlja/gostujuće predvanje MUI. 15. Prezentacije projekta. Vježbe 1. Umjetna inteligencija i CAD. 2. Umjetna inteligencija i CAD. 3. Strojno učenje pred obrada, analiza uzoraka i korelacije među podacima. 4. Strojno učenje pred obrada, analiza uzoraka i korelacije među podacima. 5. Metode nadziranog strojnog učenja s primjenom u konstruiranju klasifikacija. 6. Metode nadziranog strojnog učenja s primjenom u konstruiranju klasifikacija. 7. Metode nenadziranog strojnog učenja s primjenom u konstruiranju grupiranje. 8. Metode nenadziranog strojnog učenja s primjenom u konstruiranju grupiranje. 9. Projektni rad. 10. Projektni rad. 11. Projektni rad. 12. Projektni rad. 13. Projektni rad. 14. Projektni rad. 15. Prezentacije projekta.
Jezici izvođenja nastave:

Hrvatski

Obavezna literatura:

1. Gebrail Bekdas, Sinan Melih Nigdeli,; Elda Yucel: Artificial Intelligence and Machine Learning in Civil, Mechanical, and Industrial Engineering, 2020, ISBN 978-1-79-980301-0

2. Jiawei Han, Micheline Kamber, Jian Pei: Data Mining Concepts and Techniques; Morgan KaufMann Publishers, Elsavier, 2012; ISBN 978-0-12-381479-1

3. Sebastian Raschka, Vahid Mirjalili: "Python Machine Learning: Machine Learning and Deep Learning with Python, sckit-learn and TensorFlow2", 2019, ISBN 978-1789955750

4. Martin P. Bendsoe, Ole Sigmund: "Topology Optimisation - Theory, Methods and Applications", Springer, 2004., ISBN 978-3-642-07698-5

Legenda

  • P - Predavanja
  • V - Vježbe