Systémy pro podporu rozhodování

Prerekvizita:

Bezpečnost práce II KM (35BP2)

Předmět je náhradou za:

Systémy pro podporu rozhodování (X33SPR)

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra kybernetiky

Anotace:

Systémy pro podporu rozhodování se snaží integrovat metody využívající výsledků klasických matematických disciplin (statistika) se znalostními metodami typickými pro umělou inteligenci. Přednáška vychází z důkladného seznámení s návrhem a principy znalostních systémů a všímá si souvisejících teoretických i aplikačních otázek znalostního inženýrství. Zvláštní pozornost je věnována praktickému využití metod datové analýzy. V závěru jsou analyzovány možnosti velmi moderní discipliny KDD (objevování souvislostí v datech).

Požadavky:

Osnova přednášek:

1. Přehled systému pro podporu inteligentního rozhodování

2. Základní problémy inteligentního rozhodování

3. Reprezentace a získávání znalostí pro rozhodování

4. Expertní systémy - typy, principy

5. Zpracování neurčitosti

6. Diagnostické ES, příklady a použití

7. Základy znalostního inženýrství

8. Statistické základy datové analýzy

9. Principy faktorové analýzy

10. Další partie moderní statistiky

11. Datové sklady, KDD a jejich praktické aplikace

12. Plánovací ES

13. Rozhodování s podporou simulace na modelech

14. Softcomputing a metody predikce

Osnova cvičení:

1. Ukázka jednoduchého diagnostického expertního systému

2. Řešení jednoduché úlohy

3. Seminář - základní metody representace znalostí

4. Seminář - základní metody representace znalostí

5. Ukázka vybraných algoritmů strojového učení

6. Řešení jednoduché úlohy

7. Ukázka základních algoritmů rozpoznávání předmětů

8. Řešení jednoduché úlohy

9. Ukázka datového skladu

10. Řešení jednoduché úlohy

11. Ukázka geografického informačního systému

12. Řešení jednoduché úlohy

13. Ukázka systému pro podporu rozhodování s využitím simulace

14. Řešení jednoduché úlohy

Cíle studia:

Studijní materiály:

[1] Mařík, V. a kol.: Umělá inteligence I-IV. Academia, Praha, 1999-2001

[2] Hájek, P., Havránek, T., Jiroušek, R.: Uncertain Information in Expert Systems. CRC Press, Inc. 1992

[3] Neapolitan, R. E.: Probabilistic Reasoning in Expert Systems: Theory and Algorithms. John Willey & Sons, New York, 1989

[4] Weiss, S. M.: Predictive Data Mining - A Practical Guide. Morgan Kaufmann Publishers, Inc., San Francisco, 1998

Poznámka:

Rozsah výuky v kombinované formě studia: 19+4

Typ cvičení: s, c, p

Předmět je nabízen také v anglické verzi.

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Technická kybernetika-inženýrský blok (povinný předmět)
• Biomedicínské inženýrství - inženýrský blok (povinný předmět)
• Biomedicínské inženýrství - inženýrský blok (povinný předmět)
• Technická kybernetika-inženýrský blok (povinný předmět)