Umělá inteligence

Studijní plán: Aplikovaná informatika - platný pro studenty, kteří započali studium od ZS 2019/2020

PředmětUmělá inteligence (UI-1)
GarantujeKatedra technických studií (KTS)
Garantdoc. Dr. Ing. Jan Voráček, CSc. ( voracek@vspj.cz )
JazykČesky
Počet kreditů4
Ekvivalent
Prezenční studium
Přednáška2 h
Cvičení2 h
Kombinované studium
Tutoriál / přednáška4 h
Cvičení8 h
Studijní plán Typ Sem. Kred. Ukon.
Aplikovaná informatika - kombinovaná forma, platný pro studenty, kteří započali studium od ZS 2019/2020 PV 6 4 kr. Z,ZK
Aplikovaná informatika - platný pro studenty, kteří započali studium od ZS 2019/2020 PV 6 4 kr. Z,ZK

Sylabus

  • Umělá inteligence – definice, historie a rozdělení oboru, základní pojmy.
  • Řešení problémů prohledáváním stavového prostoru.
  • Znalosti, jejich reprezentace a odvozování (logika, rámce, pravidla).
  • Expertní/znalostní systémy.
  • Pokročilé způsoby práce s nejistotou, Bayesovský přístup.
  • Problematika strojového učení: reprezentace učících se struktur a adaptace jejich parametrů. Učení s učitelem a bez učitele. Interpretace výsledků učení.
  • Data mining: principy a aplikace.
  • Úvod do soft-computing_u (nederivativní optimalizační metody, neuronové sítě a fuzzy logika).
  • Základy počítačového zpracování řeči a obrazu.

Doporučená literatura

  • ŠTĚPÁNKOVÁ, O. MAŘÍK, V. LAŽANSKÝ, J. a kolektiv, Umělá inteligence 1-6. Praha: Academia, 2003 – 2013 (vybrané kapitoly).
  • RUSSELL, S. J., NORVIG, P. Artificial Intelligence: A Modern Approach. 3. vyd. Pearson, 2009, 1152 s. ISBN 978-0136042594.
  • WITTEN, I., EIBE, F., HALL, M., PAL, C. Data Mining, Fourth Edition: Practical Machine Learning Tools and Techniques. Elsevier, 2016, 65 s. ISBN: 978-0128042915.

Anotace

Cíle předmětu: Student se seznámí s možnostmi vyžití nástrojů a technik umělé inteligence pro řešení reálných problémů. Tyto znalosti a dovednosti dokáže využít pro podporu plánování, řízení a rozhodování, především v oblastech technických, společenských a přírodních věd. Rozliší přímo algoritmizovatelné úlohy od výpočetně složitých, typicky NP-úplných zadání, která k časově schůdnému nalezení výsledku potřebují doplňující informace (heuristiky, užitkové funkce apod.).


Odborné znalosti: Student zná základní způsoby neinformovaného a informovaného prohledávání stavového prostoru, dokáže různým způsobem reprezentovat určité i neurčité znalosti a na jejich základě umí odvozovat a validovat nové znalosti. Osvojí si problematiku strojového učení na lineárních i nelineárních strukturách (stromy, neuronové sítě). V konečném čase umí najít suboptimální řešení NP-úplných problémů. Dokáže řešit aplikační úlohy pomocí fuzzy logiky.


Dovednosti: Student se orientuje v trendech umělé inteligence a je schopen tyto znalosti i prakticky využít. Umí formulovat aplikovatelné heuristiky a kriteriální funkce. Pracuje s obecným konceptem inteligentního agenta a umí ho přizpůsobit konkrétnímu zadání. Uvědomuje si význam kvality a dostatečnosti vstupních dat. Správně interpretuje dosažené výsledky a zohledňuje jejich omezení.

^ nahoru ^

Pracuji, vyčkejte prosím