Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2018/2019

Artificial Intelligence

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
AE3M33UI Z,ZK 6 2+2c
Předmět nesmí být zapsán současně s:
Umělá inteligence (A3M33UI)
Umělá inteligence (B3M33UI)
Předmět je náhradou za:
Umělá inteligence (A3M33UI)
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra kybernetiky
Anotace:

The course is aimed at providing theoretically deeper knowledge in the area of Artificial Intelligence in the extent needed to study the branch of study Robotics. It is organized around several topics: pattern recognition and machine learning, theory of multi-agent systems and artificial life. The linkage between the theoretical and practical applications is rather stressed.

Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/AE3M33UI

Požadavky:
Osnova přednášek:

1.Classification methods, Bayesian and non-Bayesian tasks

2.Adaboost, SVM classifiers

3.Graphical probabilistic and Markov models in machine learning

4.Theory of learning, problems of consistency, capacity, PAC

5.Learning of classification rules (AQ, CN2)

6.Sequential pattern recognition, Walds algorithm, extraction and synthesis of features, properties

7.Planning, representation of the planning problem, linear and non-linear planning

8.Methods of planning: TOPLAN, POPLAN, SATPLAN, GRAPHPLAN

9.Multi-agent systems: Reactive and deliberative agents, BDI architecture, reflection

10.Collective behavior of agents, distributed decision making, negotiation techniques, CNP, auction and voting techniques

11.Social knowledge, social behavior of agents, met-reasoning, coalition formation, team cooperation

12.Multi-agent planning and scheduling, industrial applications

13.Artificial life, principles, algorithms, applications

14.Applications

Osnova cvičení:

1.Introduction, definition of the course project

2.Bayesian and non-Bayesian tasks

3.Adaboost and SVM classifiers demos of tasks

4.Markov models and machine learning I

5.Markov models and machine learning II

6.AQ and CN2 systems, experiments I

7.AQ and CN2 systems, experiments II

8.Planning tasks

9.Planning - practical exercise

10.Aglobe Systems and its features, demo

11.Demos of multi-agent systems (Agentfly, ProPlant, MAST)

12.Agentification of systems, semantic information

13.Artificial life demos

14.Delivery of course project

Cíle studia:
Studijní materiály:

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

2. Nilsson N.J. & Nilsson, N.J.: Artificial Intelligence: A New Synthesis. Elsevier Science, 1998

Poznámka:

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

Další informace:
http://cw.felk.cvut.cz/doku.php/courses/ae3m33ui/start
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 18. 6. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet12816404.html