Artificial Intelligence

Vztahy:

Předmět 32BE-P-ARTT-01 nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět U77E0006 (vztah je symetrický)

Předmět 32BE-P-ARTT-01 může při kontrole studijních plánů nahradit předmět U77E0006

Předmět 32BE-P-ARTT-01 nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět 32BC-P-UMIN-01 (vztah je symetrický)

Předmět 32BE-P-ARTT-01 nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět 32BC-P-UMIN-01 (vztah je symetrický)

Předmět 32BE-P-ARTT-01 nelze zapsat s předmetem 32BC-P-UMIN-01 ve stejném semestru.

Garant předmětu:

Olga Štěpánková

Přednášející:

Martin Macaš, Olga Štěpánková

Cvičící:

Martin Macaš, Olga Štěpánková

Předmět zajišťuje:

institut ekonomických studií

Anotace:

The course introduces students to the basic goals of artificial intelligence (AI), focusing on explaining simple principles used in solving some AI tasks without assuming prior technical knowledge. The lectures point out the close connection of AI to many other scientific and technical fields, whose results AI uses and inspires or helps to implement new ones. Special attention is also paid to ethical issues and the impact of AI on society..

Požadavky:

Osnova přednášek:

1. Introduction to the subject of artificial intelligence (AI). History, goals and achievements. The impact of AI on society.

2. The importance of knowledge in AI, its acquisition and use. Logic as one of the tools for working with knowledge.

3. How AI works: basic principles and concepts (algorithm, model, ). State space as a means of representing a task. Typical tasks

4. Solving a task in a state space using search. Choosing heuristics and algorithms for informed search.

5. Examples of practical applications of search and the importance of optimization.

6. Fundamentals of machine learning (ML). Types of ML tasks and data needed to implement them.

7. Examples of some simple algorithms used to solve ML tasks.

8. Practical applications of ML.

9. Expert and knowledge systems.

10. How neural networks work.

11. Language technologies and chatbots.

12. Regression and anomaly detection

13. Forecasting time series values and its use.

14. Joint final recapitulation.

Osnova cvičení:

The content of the exercises is closely linked to the content of the lectures

Cíle studia:

The course aims to arouse students' interest in the practical use of AI tools in their (future) work environment and to introduce them to how to proceed towards this goal.

Studijní materiály:

see the course websites on Moodle and Teams

Poznámka:

Rozvrh na zimní semestr 2025/2026:

Rozvrh není připraven

Rozvrh na letní semestr 2025/2026:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů:

• B-EM-P prezenční studium od 20/21 (povinně volitelný předmět)
• B-EM-P prezenční studium od 21/22 (povinně volitelný předmět)
• B-EM-P prezenční studium od 22/23 (povinně volitelný předmět)
• B0413P050061 Ekonomika a management (profesní studijní program) - počínaje od ZS 2023/2024 (povinně volitelný předmět)
• B0413P050061 Ekonomika a management (OZ101 Marketing) od ZS 2023/2024 (povinně volitelný předmět)
• B0413P050061 Ekonomika a management (OZ102 Personální management) od ZS 2023/2024 (povinně volitelný předmět)
• B0413P050061 Ekonomika a management (OZ103 Řízení firemních procesů) od ZS 2023/2024 (povinně volitelný předmět)
• B0413P050061 Ekonomika a management (OZ104 Účetnictví) od ZS 2023/2024 (povinně volitelný předmět)
• B0413P050061 Ekonomika a management (OZ105 Manažerská informatika) od ZS 2023/2024 (povinně volitelný předmět)
• B0413P050061 Ekonomika a management (OZ106 Obchodní podnikání) od ZS 2023/2024 (povinně volitelný předmět)