Umělá inteligence

Studijní plán: Aplikovaná technika pro průmyslovou praxi - navazující kombinovaná forma, platný pro studenty, kteří započali studium od ZS 2021/2022

PředmětUmělá inteligence (UI-1)
GarantujeKatedra technických studií (KTS)
GarantIng. Lenka Kuklišová Pavelková, Ph.D.
JazykČesky
Počet kreditů4
Prezenční studium
Přednáška2 h
Cvičení2 h
Kombinované studium
Tutoriál / přednáška4 h
Cvičení8 h
Studijní plán Typ Sem. Kred. Ukon.
Aplikovaná technika pro průmyslovou praxi - navazující kombinovaná forma, platný pro studenty, kteří započali studium od ZS 2021/2022 P 2 4 kr. Z,ZK
Aplikovaná technika pro průmyslovou praxi - navazující platný pro studenty, kteří započali studium od ZS 2021/2022 P 2 4 kr. Z,ZK

Sylabus

  • Umělá inteligence – definice, historie a rozdělení oboru, základní pojmy.
  • Inteligentní agenti.
  • Řešení problémů prohledáváním stavového prostoru.
  • Soupeřivé prohledávání a úvod do teorie her.
  • Logický agent, výroková a predikátová logika.
  • Práce s nejistotou, bayesovské sítě, fuzzy logika.
  • Multiagentní rozhodování.
  • Strojové učení, učení s učitelem a bez učitele, posilované učení.
  • Hluboké učení, neuronové sítě.
  • Zpracování řeči.
  • Počítačové vidění.
  • Robotika.

Doporučená literatura

  • RUSSELL, S. J., NORVIG, P. Artificial Intelligence: A Modern Approach. 3. vyd. Pearson, 2016 (AIAMA). Dostupné v knihovně VŠPJ.
  • RUSSELL, S. J., NORVIG, P. Artificial Intelligence: A Modern Approach. 4. vyd. Pearson, 2021 (AIAMA-4).
  • POOLE, D.,L., MACKWORTH, A.K. Artificial Intelligence: Foundations of Computational Agents,2nd Edition, 2017 (AIFCA). Dostupné online: http://artint.info/2e/html/ArtInt2e.html
  • ŠTĚPÁNKOVÁ, O. MAŘÍK, V. LAŽANSKÝ, J. a kolektiv, Umělá inteligence 1-6. Praha: Academia, 2003 – 2013 (vybrané kapitoly).
  • 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. 


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