Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Umělá inteligence

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
A3M33UI Z,ZK 6 2P+2C česky
Předmět nesmí být zapsán současně s:
Pokročilá umělá inteligence (A5M33UIP)
Artificial Intelligence (AE3M33UI)
Umělá inteligence (B3M33UI)
Artificial Intelligence (BE3M33UI)
Předmět je náhradou za:
Pokročilá umělá inteligence (A5M33UIP)
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra kybernetiky
Anotace:

Předmět je zaměřen na poskytnutí teoreticky hlubších poznatků z oblasti umělé inteligence v rozsahu potřebném pro obor Robotika. Sestává z několika partií: vybraných otázek rozpoznávání a strojového učení, základů teorie multiagentních systémů a umělého života. Důraz je kladen na propojení teoretických základů s ukázkami aplikací.

Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/A3M33UI

Požadavky:
Osnova přednášek:

1.Metody klasifikace, bayesovké a nebayesovské ulohy.

2.Adaboost, SVM klasifikátory

3.Grafické pravděpodobnostní a Markovovské modely ve strojovém učení

4.Teorie učení - problémy konzistence, kapacity, PAC

5.Učení klasifikačních pravidel (AQ, CN2)

6.Sekvenční rozpoznávání, Waldův algoritmus, extrakce a syntéza příznaků, vlastnosti

7.Plánování, reprezentace plánovacího problému, lineární a nelineární plánování

8.Metody plánování: TOPLAN, POPLAN, SATPLAN, GRAPHPLAN

9.Multiagentní systémy: Reaktivní a deliberativní agenti, BDI architektura, reflexe

10.Kolektivní chování agentů, distribuované rozhodování, techniky vyjednávání, metoda CNP, aukční a hlasovací techniky

11.Sociální znalost, sociální chování agentů, meta-uvažování, formování koalic, týmová spolupráce agentů

12.Multiagentní plánování a rozvrhování, průmyslové aplikace

13.Umělý život, principy, algoritmy, aplikace

14.Aplikace, rezerva

Osnova cvičení:

1.Organizace cvičení, zadání úlohy pro samostatnou práci

2.Bayesovské a nebayesovské úlohy

3.Adaboost a SVM klasifikátory - ukázky řešených úloh

4.Markovovské modely a strojové učení I

5.Markovovské modely a procesy učení II

6.Systémy AQ a CN2, experimenty I

7.Systémy AQ a CN2, experimenty II

8.Plánovací úlohy

9.Plánování - praktická úloha

10.Systém Aglobe a jeho vlastnosti, ukázky

11.Další multiagentní systémy (Agentfly, ProPlant, MAST) -ukázky

12.Agentifikace systémů, sémantická informace

13.Umělý život -ukázky

14.Presentace úloh, zápočet

Cíle studia:
Studijní materiály:

1.Mařík, V., Štěpánková, O., Lažanský, J. a kol.: Umělá inteligence 1-5, Academia Praha, 1993-2007

2.Wooldridge, M: An Introduction to Multi-agent Systems. John Wiley & Sons, 2002

Poznámka:

Rozsah výuky v kombinované formě studia: 14p+6c

URL: http://cw.felk.cvut.cz/doku.php/courses/a3m33ui/start

Další informace:
http://cw.felk.cvut.cz/doku.php/courses/a3m33ui/start
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 18. 10. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet12547304.html