Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Artificial Intelligence and Neural Networks in Applications

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
E371076 Z,ZK 5 2P+2C anglicky
Garant předmětu:
Cyril Oswald, Olga Štěpánková
Přednášející:
Vladimír Hlaváč, Cyril Oswald, Olga Štěpánková
Cvičící:
Vladimír Hlaváč, Michal Kuchař, Cyril Oswald, Olga Štěpánková, Martin Vitoušek
Předmět zajišťuje:
ústav přístrojové a řídící techniky
Anotace:

Studenti se v předmětu seznámí se základními úlohami v oblasti umělé inteligence a metodami jejich řešení. Obsahem předmětu je: Stavový prostor, metody jeho prohledávání a jejich složitost; Genetické algoritmy; Základní algoritmy strojového učení; Shlukování; Učení z klasifikovaných dat; Kombinace klasifikátorů; Základy formální výrokové a predikátové logiky jako nástrojů pro řešení úloh; Automatické dokazování teorémů - resoluční metoda; Neuronové sítě (MLP, CNN, RNN, LSTM), Hluboké učení.

Požadavky:

Otázkové okruhy ke zkoušce

1. Stavový prostor a metody pro jeho úplné prohledávání. A* algoritmus a jeho vlastnosti.

2. Využití stavového prostoru a jeho algoritmů při řešení úloh a plánování akcí.

3. Strojové učení. Typy úloh strojového učení.

4. Základní algoritmy pro shlukování a jejich praktické použití.

5. Základní algoritmus pro konstrukci rozhodovacího stromu a jeho použití.

6. Výroková logika, její syntax, sémantika a pojem logický důsledek.

7. Důkazové prostředky výrokové logiky – resoluce a její vlastnosti.

8. Použití výrokové logiky v praktických úlohách práce se znalostmi.

9. Neuronové sítě, základní principy perceptron, chybová funkce, back propagation, MLP.

10. Konvoluční neuronové sítě - princip konvoluce, architektura a typické operace, použití.

11. Genetické algoritmy - základní pojmy (populace, účelová funkce, cyklus GA). Porovnání evolučních a hejnových algoritmů.

Osnova přednášek:

1. Co je cílem UI, co nyní UI dokáže a jaký má vliv na společnost.

2. Stavový prostor a metody řešení typických úloh.

3. Stavový prostor – složitost prohledávání a jak jí čelit.

4. Genetické algoritmy - populace, křížení, účelová funkce a funkce přípustnosti, výběr. Cyklus GA. GA s genomem tvořeným reálnými čísly.

5. Genetické algoritmy - hledání strukturálních problémů, genetické programování (genotyp a fenotyp), Hejnové algoritmy.

6. Strojové učení a jeho základní algoritmy. Shlukování.

7. Učení z klasifikovaných dat. Kombinace klasifikátorů.

8. Teorie řešení úloh a využití formální logiky.

9. Výroková a predikátová logika

10. Automatické dokazování teorémů-resoluční metoda

11. Neuronové sítě, teorie, perceptron, MLP

12. Hluboké učení, konvoluční neuronové sítě, vliv architektury

13. Neuronové sítě pro zpracování přirozeného jazyka, RNN, LSTM; Transformers.

Osnova cvičení:

Témata cvičení následují témata přednášek.

Během semestru bude na cvičení zadáno celkem 5 samostatných prací z různých oblastí probírané látky. Na odevzdání práce má student 14 dní. Pokud je úkol odevzdán v termínu, může student z daného úkolu získat maximální počet bodů. Tento maximální počet se snižuje o 1 za každý den zpoždění oproti termínu odevzdání až do 0. Takto získané body jsou poté součástí celkového bodového ohodnocení u zkoušky.

Podmínky zápočtu:

Aktivní účast na 70 % cvičení a odevzdání 3 z 5 zadaných samostatných prací nejpozději do 14 dnů od začátku zkouškového období.

Cíle studia:
Studijní materiály:

1. Mařík, Vladimír et al. Umělá intelligence (1) (kapitoly 1 až 3, 6,7). Praha: ACADEMIA, 1993 a 2000, ISBN: 80-200-0496-3

2. Russel, Stuart and Norvig, Peter (2022 – the 4th edition) (parts of chapters 2, 3, 6, 7, 10, 18). Artificial Intelligence: A Modern Approach (Prentice Hall, 1995 – the 1st edition), ISBN 978-0134610993.

3. Zelinka, Ivan et al. Evoluční výpočetní techniky: principy a aplikace (kapitola 11). Praha: BEN - technická literatura, 2009. 533 s. ISBN 978-80-7300-218-3.

4. Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning. MIT Press, 2016. [online] Available: https://www.deeplearningbook.org/

Poznámka:
Rozvrh na zimní semestr 2023/2024:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
St
místnost T4:A1-306
Štěpánková O.
Oswald C.

09:00–10:30
(přednášková par. 1)
Dejvice
Učebna 306
Čt
místnost T4:C1-308
Oswald C.
Hlaváč V.

10:45–12:15
(přednášková par. 1
paralelka 1)

Dejvice
Laboratoř 12110.3 - 308

Rozvrh na letní semestr 2023/2024:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 27. 3. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet2130806.html