Циљ:Упознавање са актуелним концептима, методама и техникама статистичких и симболичких приступа вештачкој интелигенцији, са посебним освртом на системе за обраду природних језика.
Исход:Студенти ће развити разумевање актуелних концепата, метода и техника статистичких и симболичких приступа вештачкој интелигенцији, и оспособиће се да пројектују системе за обраду природних језика.
Садржај предмета
Теоријска настава:
Основе н-грама,
Тренирање и тестирање н-грама,
Коначни аутомати,
Марковљеви ланци,
Скривени Марковљеви модели,
Скривени Марковљеви модели,
Бајесова теорема и аутоматско препознавање говора,
Контекстно независне граматике
Алгоритми за парсирање текста,
Репрезентовање значења и моделовање контекста,
Контекстно зависна интерпретација стимуланса,
Одлучивање и учење,
Адаптивно управљање машинским дијалогом,
Конверзациони агенти,
Когнитивно инспирисани приступи.
Практична настава:
Увежбавање представљених концепата, метода и техника кроз примере.
Литература
Stuart Russell, Peter Norvig, Вештачка интелигенција: савремени приступ, Рачунарски факултет, 2011.
Jurafsky, Daniel, and James H. Martin, Speech and Language Processing: An Introduction to Natural Language Processing, Speech Recognition, and Computational Linguistics, 2nd edition. Prentice-Hall.2009.
J.Allen, Natural Language Understanding, 2nd edition. The Benjamin /Cummings Publishing Company, 1994.
