Předmět: Úvod do umělé inteligence

« Zpět
Název předmětu Úvod do umělé inteligence
Kód předmětu KMI/UUI
Organizační forma výuky Přednáška
Úroveň předmětu nespecifikována
Rok studia nespecifikován
Semestr Zimní
Počet ECTS kreditů 4
Vyučovací jazyk čeština
Statut předmětu nespecifikováno
Způsob výuky nespecifikováno
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Beránek Ladislav, prof. Ing. CSc., MBA
Obsah předmětu
1. Obecný úvod do umělé inteligence - přehled technologií 2. Základní pojmy strojového učení 3. Strojové učení - přehled algoritmů 3. Neuronové sítě - základní pojmy 4. Další typy neuronových sítí, konvoluční neuronové sítě 5. Grafové neuronové sítě, Node2Vec 6. Zpětnovazebné učení 7. Zpracování textu, Word2Vec 8. Rozpoznávání obrazu 9. Další aplikace neuronových sítí 10. Agentové technologie 11. Vybrané aplikace v ekonomii

Studijní aktivity a metody výuky
Monologická (výklad, přednáška, instruktáž), Demonstrace, Práce s multimediálními zdroji (texty, internet, IT technologie)
  • Účast na výuce - 20 hodin za semestr
  • Domácí příprava na výuku - 20 hodin za semestr
  • Příprava na zápočet - 20 hodin za semestr
  • Semestrální práce - 28 hodin za semestr
  • Příprava na zkoušku - 24 hodin za semestr
Výstupy z učení
Vymezení a charakterizace oblastí, které umělá inteligence zahrnuje, formulace východisek a základních problémů výzkumu umělé inteligence, prezentace dosažených výsledků a perspektiv. Pojem inteligentní systém, modelování inteligentních systémů, využití simulace v návrhu systémů, práce s nejistou a neúplnou informací, základy "soft computing", agentní a multiagentní architektury, učící se adaptivní systémy, zpětnovazební učení, plánování, aplikace. Přitom hlavní zaměření je využití neuronových sítí v těchto technologiích.
Absolvováním předmětu student získá elementární přehled o problémech řešených v oblasti umělé inteligence i o metodách jejich řešení. Důraz je kladen na rozvíjení schopností studenta řešit praktické úlohy s využitím neuronových sítí.
Předpoklady
Předměty MATI, MATII. Znalost programování některého programovacího jazyka, např. Python
KMI/CM1
----- nebo -----
KMI/KMATI
----- nebo -----
KMI/MATI
----- nebo -----
KMI/M1 a zároveň KMI/CM2
----- nebo -----
KMI/KMATA
----- nebo -----
KMI/KMIIA
----- nebo -----
KMI/KMTII
----- nebo -----
KMI/MAIIA
----- nebo -----
KMI/MATIA
----- nebo -----
KMI/MATII
----- nebo -----
KMI/M1A
----- nebo -----
KMI/M2
----- nebo -----
KMI/M2A
----- nebo -----
KMI/YMAII
----- nebo -----
KMI/YMATI

Hodnoticí metody a kritéria
Test

Požadavky k zápočtu: Zpracování zadaných úloh během semestru. Zkouška: písemná forma - vyřešení zadané úlohy
Doporučená literatura
  • Ferber, J. Multi-Agent Systems. London, Adisson-Wesley, 1999.
  • Mařík, V. a kol. Umělá inteligence 1-4. Praha, Academia, 1993.
  • Russel, S., Norvig, P. Artificial Intelligence, a Modern Approach. Pearson Education Inc., 2003.
  • Stevens, E., Antiga, L. and Viehmann, T. Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools. Boston: Manning. 2020.
  • Sutton, R.S., Barto, A.G. Reinforcement Learning - An Introduction. Cambridge, The MIT Press, 1992.
  • Wooldridge, M. Reasoning about Rational Agents. Cambridge, The MIT Press, 2000.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr