Znalostní a datové inženýrství

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

ústav mechaniky, biomechaniky a mechatroniky

Anotace:

Studenti se v rámci předmětu seznámí hlouběji se znalostními systémy, které jsou nezbytné pro správné fungování průmyslových systémů založených na kyberneticko-fyzikálních systémech podle konceptu Průmyslu 4.0. Kurz obsahuje základní pojmy a charakteristiky znalostních systémů, oblasti jejich využití a stručný přehled relevantních

technik umělé inteligence. Studenti se seznámí mimo jiné s principy projektování, vývojem znalostních systémů; reprezentací znalostí a s reálnými příklady znalostních systémů. Budou seznámeni se základními principy technik Cloud Computing, Big Data a dolování znalostí z dat. Přednášky budou doplněny cvičením s vysokým podílem samostatné práce studentů v oblasti systémů znalostního a datového inženýrství.

Požadavky:

Osnova přednášek:

1.Znalostní systémy, reprezentace znalostí, inference

2. Základní architektury znalostních a expertních systémů

3. Neurčitost ve znalostech i datech

4. Báze znalostí, základy znalostního inženýrství

5. Sémantická informace, vyvozování děděním

6. Techniky Big Data

7. Techniky Cloud Computing

8. Dolování znalostí z dat (data mining), práce s nástroji pro dolování

9. Optimalizace ukládání a využívání dat

10. SCADA systémy

11. Vyhledávání v datových sítích, sítích IoT

12. Datové inženýrství s využitím průmyslového internetu

13. Příklady praktických aplikací

Osnova cvičení:

1 Expertní a znalostní systémy [0-2,8,10] 1.

2 Výpočetní inteligence a strojové učení pro znalostní systémy [0-2,5,7,8,10] 2.

3 Rekomendační systémy [2,7,8] 3.

4 Big Data (MapReduce, Lambda Architektura) ... zaměřeno na velké databáze [2,5,7] 4.

5 Cloud Computing [7,8] 5.

6 Dolování znalostí [2,5,7,8,10] 6.

7 Scada Systémy (sběr, vizualizace a analýza procesních dat) [7]

Cíle studia:

Studijní materiály:

[0] Mařík, V. Štěpánková, O., Lažanský J. a kol: Umělá inteligence 5, Academia, Praha, 2007

[1] Mařík, V., Štěpánková, O., Lažanský, J. a kol., Umělá inteligence 6, Academia, Praha 2013

[2] LESKOVEC, Jurij, Anand RAJARAMAN a Jeffrey D. ULLMAN. Mining of massive datasets,Second edition. Cambridge:Cambridge University

Press, 2014. ISBN 978-1-107-07723-2. (online kniha: http://www.mmds.org)

[3] „Jupyter nbviewer“, Delivered by Fastly, Rendered by Rackspace, nbviewer GitHub repository,(http://nbviewer.jupyter.org) (online prohlížení Jupyter

notebooků bez aktivních výpočtů)

[4] Anaconda Distribution,Anaconda Enterprise,(https://www.anaconda.com/download) [distribuce Pythonu (free, Win,Linux, Mac) - NEinstalujte si pokud

už Python máte (např. v Linuxu).

[5] IBM Cognitive Class' Virtual Lab Environment C Copyright IBM Corp. 2017,Data Scientist Workbench (https://datascientistworkbench.com/) [lze

použít pro online Pythonní notebook tj. pro práci s Jupyter Notebookem, a mnohem víc!].

[6] https://hortonworks.com/apache/hdfs/

[7] mySCADA, https://www.myscada.org

[8] http://knihovny.cvut.cz/cs/vyhledavani/hledam/e-knihy

[9] „Jupyter nbviewer“, Delivered by Fastly, Rendered by Rackspace, nbviewer GitHub repository,(http://nbviewer.jupyter.org) (online prohlížení Jupyter

notebooků bez aktivních výpočtů)

[10] SHMUELI, Oded, Darryl GREIG, Carl STAELIN a Tami TAMIR. Automatic extraction of metadata using a neural network [online]. US6044375 A.

28. březen 2000. [vid. 2017-10-09]. Dostupné z: http://www.google.com/patents/US6044375

[11] Martin Malý, „Seriál: Cloud computing prakticky“, https://www.zdrojak.cz/serialy/cloud-computing-prakticky/, (4 díly, 2009-2011)

[12] „WordPress v cloudu krok za krokem“,Redakce - PR Články - 3.3.2016, https://www.zdrojak.cz/clanky/wordpress-v-cloudu-krok-za-krokem/

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: