| 
        Vyučující
     | 
    
        
            
                - 
                    Bukovský Ivo, doc. Ing. Ph.D.
                
 
            
                - 
                    Budík Ondřej, Ing.
                
 
            
         
     | 
    | 
        Obsah předmětu
     | 
    
        1. Základní charakteristiky a trendy architektury počítačů pro AI 2. Možnosti a limitace velkých jazykových modelů (LLM) 3. Rozdíly mezi CPU, GPU, TPU a FPGA 4. Rozdíly DDR, GDDR, HBM. Co je to CUDA a ROCm.  5. Příprava dat pro neuronové sítě. Rozdíl HDD, SSD, SATA, NVMe 6. Typy neuronových architektur a SW nástroje 7. Principy učení neuronových sítí 8. Co je to optimizer, scheduler, precision a loss 9. Metriky v neuronových sítích (MSE, MAE, RMSE, mIoU, ) 10. Možnosti Edge nasazení pro AI  
         
         
     | 
    | 
        Studijní aktivity a metody výuky
     | 
    
        
        Monologická (výklad, přednáška, instruktáž), Laboratorní práce
        
            
                    
                
                    
                    - Příprava na zkoušku
                        - 20 hodin za semestr
                    
 
                
                    
                    - Domácí příprava na výuku
                        - 100 hodin za semestr
                    
 
                
                    
                    - Příprava na zápočet
                        - 30 hodin za semestr
                    
 
                
             
        
        
     | 
    
    
        
        
            | 
                Výstupy z učení
             | 
        
        
            
                
                Seznámit studenty s architekturami počítačů pro výpočty umělé inteligence. Rozdíly mezi CPU, GPU, TPU a FPGA. Co je to CUDA a ROCm. Praktické seznámení s principy učení neuronových sítí. Možnosti nasazení na Edge zařízení.
                 
                V tomto předmětu studenti získají základní znalosti o principech propojení hardwarové architektury počítačů a neuronových sítí.
                 
                
             | 
        
        
            | 
                Předpoklady
             | 
        
        
            
                
                
                Předmět předpokládá základní znalost AJ a znalosti z následujících předmětů: - (UAI/698) Architektura počítačů I - (UMB/564) Matematická analýza I. - (UAI/693) Softwarové modelování 
                
                
                    
                    
                        
                         
                        UAI/698
                    
                
                
  
             | 
        
        
            | 
                Hodnoticí metody a kritéria
             | 
        
        
            
                
                    
                        Ústní zkouška, Písemná zkouška, Analýza výkonů studenta, Test, Průběžné hodnocení
                        
                        
                         
                        
                    
                    
                
                 Aktivní účast na cvičení. Vypracování a prezentace samostatné práce. Podrobná pravidla zakončení předmětu jsou vždy uvedena na moodle (e-learning) pro daný akademický rok.
                 
             | 
        
    
    | 
        Doporučená literatura
     | 
    
        
            
                
                - 
                    Ashenden, P. J. The Designer's guide to VHDL. Morgan Kaufmann 2008. Německo, 2008. ISBN 978-0-12-088785-9.
                
 
            
                
                - 
                    Hennessy John:. Computer Architecture. Chippenham, UK, 2016. ISBN 978-0-12-383872-8.
                
 
            
                
                - 
                    HORÁK, J.:. Hardware - učebnice pro pokročilé. Computer Press, 2001.. 
                
 
            
                
                - 
                    Jim Ledin. Modern Computer Architecture and Organization. Packt Publishing, 2020. ISBN 978-1838984397.
                
 
            
         
         
         
     |