Logo ČVUT
Loading...
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2016/2017

Cybernetics and Artificial Intelligence

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
BE5B33KUI Z,ZK 6 2+2c
Předmět nesmí být zapsán současně s:
Cybernetics and Artificial Intelligence (AE3B33KUI)
Kybernetika a umělá inteligence (A3B33KUI)
Kybernetika a umělá inteligence (B3B33KUI)
Předmět je náhradou za:
Cybernetics and Artificial Intelligence (AE3B33KUI)
Kybernetika a umělá inteligence (A3B33KUI)
Kybernetika a umělá inteligence (B3B33KUI)
Přednášející:
Tomáš Svoboda (gar.), Matěj Hoffmann
Cvičící:
Tomáš Svoboda (gar.), Zdeněk Straka
Předmět zajišťuje:
katedra kybernetiky
Anotace:

The course introduces the students into the field of artificial intelligence and gives the necessary basis for designing machine control algorithms. It advances the knowledge of state space search algorithms by including uncertainty in state transition. Students are introduced into reinforcement learning for solving problems when the state transitions are unknown, which also connects the artificial intelligence and cybernetics fields. Bayesian decision task introduces supervised learning. Learning from data is demonstrated on a linear classifier. Students practice the algoritms in computer labs.

Požadavky:

Basic knowledge of probability and linear algebra is assumed. We expected student is able to write decent computer programs in a higher level language (Java, Python), and have basic knowledge about data structures. Python will be used in computer labs.

Osnova přednášek:

What is artificial intelligence and what cybernetics.

Solving problems by search. State space.

Informed search, heuristics.

Games, adversarial search.

Making sequential decisions, Markov decision process.

Reinforcement learning.

Bayesian decision task.

Paramater estimation for probablistic models. Maximum likelihood.

Learning from examples. Linear classifier.

Empirical evaluation of classifiers ROC curves.

Unsupervised learning, clustering.

Osnova cvičení:

Computer lab organization.

Search.

Informed search and heuristics.

Sequential decision problems.

Reinforcement learning.

Pattern Recognition.

Cíle studia:

The course introduces the students into the field of artificial intelligence and gives the necessary basis for designing machine control algorithms. It advances the knowledge of state space search algorithms by including uncertainty in state transition. Students are introduced into reinforcement learning for solving problems when the state transitions are unknown, which also connects the artificial intelligence and cybernetics fields. Bayesian decision task introduces supervised learning. Learning from data is demonstrated on a linear classifier. Students practice the algoritms in computer labs.

Studijní materiály:

Stuart J. Russel and Peter Norvig. Artificial Intelligence, a Modern Approach, 3rd edition, 2010

Poznámka:

http://cw.fel.cvut.cz/wiki/courses/be5b33kui/start

Další informace:
https://cw.fel.cvut.cz/wiki/courses/be5b33kui/start
Rozvrh na zimní semestr 2016/2017:
Rozvrh není připraven
Rozvrh na letní semestr 2016/2017:
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
místnost KN:E-128
Svoboda T.
Hoffmann M.

10:00–11:45
(přednášková par. 1)
Karlovo nám.
Cvičebna K3
místnost KN:E-230
Svoboda T.
Straka Z.

12:45–14:15
(přednášková par. 1
paralelka 101)

Karlovo nám.
Laboratoř PC
Út
St
Čt

Předmět je součástí následujících studijních plánů:
Platnost dat k 24. 9. 2017
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet4358106.html