___________________________________________________________________________________________
Tematy analityczne: 
analiza algorytmu + 3 przykłady zastosowań przemysłowych/biznesowych,
analiza artykułów naukowych: 
___________________________________________________________________________________________

- systemy ekspertowe 
- logika rozmyta
- sztuczne sieci neuronowe
- algorytmy ewolucyjne i genetyczne
- algorytm mrówkowy 
- optymalizacja za pomocą roju cząsteczek (PSO)
- automaty komórkowe
- wnioskowanie epizodyczne - (CBR - Case Based Reasoning)

- Monte Carlo i symulowane wyżarzanie
- metody gradientowe optymalizacji statycznej
- zbiory przybliżone - rough sets, (przykłady pakietów: LERS lub RSES – klasyfikacja)
- algorytm pszczeli, pozostałe algorytmy inspirowane naturą;
- SVM – metoda wektorów nośnych
- indukcja drzew klasyfikacyjnych (lub regresyjnych)
- klasyfikatory: knn, Bayesa, inne
- rozpoznawanie obrazów (twarzy, wzorców, pisma, etc.)
- rozpoznawanie mowy - ukryte modele Markowa HMM
- platformy agentowe – JADE, JENA
- boty: chatterboty, infoboty etc.
- sieci Bayesa
- automatyczne sterowanie robotami
- sztuczne systemy immunologiczne, Artificial immune systems (AIS) 
- algorytmu neuro-rozmyte
- Convolutional deep neural networks + wydobywanie wiedzy
- Evolutionary Multiagent Systems EMAS
- analiza falkowa
- teoria gier, strategie, algorytm MINMAX i przycinanie alfa-beta

___________________________________________________________________________________________
Tematy praktyczne:
do wykonania samodzielnego: 
___________________________________________________________________________________________

- system ekspertowy w CLIPS'ie, PCShell'u, expertise2go, lub innego szkieletu
- logika rozmyta w Matlabie (lub innym oprogramowaniu)
- algorytm genetyczny w Matlabie (lub innym)
- sztuczne sieci neuronowe (z użyciem pakietu STATISTICA, MATLAB lub innego)
- przeszukiwanie grafu z użyciem algorytmu heurystycznego 
(mrówkowy, genetyczny, pszczeli - z wykorzystaniem pakietów)


___________________________________________________________________________________________
Tematy syntetyczne: 
ocena max 4.0; 
3 przykłady teoretyczne + omówienie;
analiza literatury naukowej, podręczników akademickich;
___________________________________________________________________________________________

―	Reprezentacja wiedzy, zarządzanie wiedzą i inżynieria wiedzy
―	Wnioskowanie, mechanizmy wnioskowania regułowego 
―	Ontologie i modelowanie procesu
―	Wnioskowanie probabilistyczne, sieci Bayesa
―	Logika kognitywna. Logiki modalne, logiki wielowartościowe, logika niemonotoniczna (logika domniemań - defeasible reasoning), reguły konfliktowe i podważalność
―	Wprowadzenie do zagadnień inteligencji obliczeniowej. Dimensionality reduction; Map reduce
―	Big Data 
―	Machine Learning - nadzorowane, nienadzorowane; Deep Learning,
―	Sztuczne życie, sztuczna twórczość
―	Mocna sztuczna inteligencja, maszyny vs. emocje