Τεχνητή Νοημοσύνη (3531)

Έγγραφα

Αρχεία σχετικά με τα φροντιστήρια του μαθήματος του 2024_25.
ΤύποςAρχείο ΕπάνωΜέγεθοςΗμερομηνία
Συμπληρωματικό υλικό - Παραδείγματα  18/11/24 
Φροντιστήριο 9
Ενότητα 18.
329.11 KB11/1/25
Φροντιστήριο 8 (summary version)
Ενότητες 15-17 - Feature selection (entropy, cross-entropy), decision trees, Naïve Bayes and linear models
 12/1/25
Φροντιστήριο 8
Ενότητες 16-17
2.53 MB22/12/24
Φροντιστήριο 7
Ενότητες 14-15.
626.27 KB6/12/24
Φροντιστήριο 6
Ενότητες 11-12.
825.05 KB27/11/24
Φροντιστήριο 5
Ενότητες 9-10.
277.79 KB13/11/24
Φροντιστήριο 4
Ενότητες 7-8.
258.39 KB8/11/24
Φροντιστήριο 3
Ενότητες 5-6.
723.58 KB4/11/24
Φροντιστήριο 2
Ενότητες 3-4.
639.98 KB2/11/24
Φροντιστήριο 15 (συνέχεια)
Ενότητα 23 - Παραδείγματα συνελικτικών νευρωνικών δικτύων και στρατηγικές αρχικοποίησης
 19/1/25
Φροντιστήριο 14
Ενότητα 23
263.28 KB17/1/25
Φροντιστήριο 13
Ενότητα 22.
476.4 KB17/1/25
Φροντιστήριο 12
Ενότητα 21.
374.27 KB13/1/25
Φροντιστήριο 11 (και 15)
Ενότητα 20 - Νευρωνικά δίκτυα προς τα εμπρός μετάδοσης (Feed Forward Neural Nets)
 12/1/25
Φροντιστήριο 10
Ενότητα 19
482.18 KB9/1/25
Φροντιστήριο 1
Ενότητες 1-2.
250.63 KB2/11/24
Lab 8 (MLPs & RNNs)
Κατηγοριοποίηση κειμένων με MLPs και RNNs.
441.41 KB13/1/25
Lab 7 (MLPs)
Υλοποίηση MLPs σε torch στα datasets IMDB και MNIST.
63.81 KB13/1/25
Lab 6 (intro to scikit-learn & scikit-learn cont.)
Εισαγωγή στην scikit-learn/ custom knn/ παράδειγμα υπολογισμού information gain/ παραδείγματα επιβλεπόμενης και μη-επιβλεπόμενης μάθησης, υλοποίηση ID3.
87.68 KB13/1/25
Lab 5 (resolution-FOL)
Κώδικας Java με τον αλγόριθμο resolution για την πρωτοβάθμια κατηγορηματική λογική.
4.58 KB2/12/24
Lab 5 (resolution-FOL with text files)
Κώδικας Java με τον αλγόριθμο resolution για την πρωτοβάθμια κατηγορηματική λογική. Το παράδειγμα FOLTesting.java διαβάζει τη βάση γνώσης από το αρχείο KB_FOL_RES.txt.
26.01 KB29/11/24
Lab 4 (resolution-PL)
Κώδικας Java με τον αλγόριθμο resolution για την προτασιακή λογική.
3.62 KB5/11/24
Lab 3b (MiniMax)
Κώδικας Java για την επίλυση του προβλήματος της τρίλιζας χρησιμοποιώντας τον αλγόριθμο MiniMax.
4.4 KB2/11/24
Lab 3a (Genetic Algorithm)
Κώδικας Java για την επίλυση του προβλήματος των 8 βασιλισσών χρησιμοποιώντας γενετικό αλγόριθμο.
7.43 KB2/11/24
Lab 2 (heuristic search)
Κώδικας Java για την επίλυση του προβλήματος των πλακιδίων (tiles) με αναζήτηση σε χώρο καταστάσεων χρησιμοποιώντας αλγορίθμους ευρετικής αναζήτησης αναζήτησης (BestFS, A*, Hill Climbing) και τις ευρετικές συναρτήσεις της διάλεξης 4.
4.35 KB21/10/24
Lab 15 (MLPs & CNNs)  
CNN-FFNN pipeline for medical image classification
 17/1/25
Lab 14 (Introduction to CNNs)
Υλοποίηση CNNs σε torch στo dataset MNIST.
60.71 KB17/1/25
Lab 1 (blind search)
Κώδικας Java για την επίλυση του προβλήματος των πλακιδίων (tiles) με αναζήτηση σε χώρο καταστάσεων χρησιμοποιώντας αλγορίθμους τυφλής αναζήτησης (BFS, DFS).
3.36 KB14/10/24
ai_assignment1_code_templates.zip
Templates για την 1η εργασία σε Java και Python.
3.66 KB15/10/23