Umělá inteligence
| Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
|---|---|---|---|---|
| F7PMIUMIT | Z,ZK | 4 | 2P+2C | česky |
- Garant předmětu:
- Olga Štěpánková
- Přednášející:
- Martin Macaš, Olga Štěpánková
- Cvičící:
- Martin Macaš, Olga Štěpánková
- Předmět zajišťuje:
- katedra biomedicínské informatiky
- Anotace:
-
Předmět seznámí studenty se základními cíli umělé inteligence, jejími klíčovými metodami a příklady nejčastějších praktických aplikací. Student získá přehled o základních technikách tvorby obecných inteligentních systémů a otestuje si vlastnosti vybraných konkrétních zástupců. Probrány budou metody prohledávání stavového prostoru, znalosti a jejich reprezentace, automatizované logické uvažování s případnou nejistotou, strojové učení, distribuovaná umělá inteligence a evoluční algoritmy. V praktické části se studenti seznámí s aplikacemi znalostních, multiagentních či robotických systémů.
- Požadavky:
-
Forma ověření studijních výsledků: Průběžné základní znalosti ověřované testy. Minimum pro udělení absolutoria z každého testu je 50 % správných odpovědí. Posluchač musí absolvovat i testy týdne, ve kterém absentoval na cvičení. Závěrečný zápočtový test nepíše student, který se aktivně podílel na výuce v průběhu semestru a má průměr z průběžných testů více než 80 %.
Požadavky na studenty: Povinná účast na všech cvičeních (možnost náhrady s jinou skupinou).
- Osnova přednášek:
-
1.Cíle, úlohy, nástroje a postupy umělé inteligence.
2.Stavový prostor jako prostředek reprezentace úlohy. Řešení úlohy pomocí prohledávání.
3.Volba heuristik a algoritmů pro informované prohledávání.
4.Úlohy rozvrhování a nástroje pro jejich řešení.
5.Význam a typ znalostí používaných při řešení úloh, způsoby jejich reprezentace v UI.
6.Postupy vedoucí ke vzniku nových znalostí – dedukce a indukce.
7.Znalostní systémy pro podporu rozhodování.
8.Práce s neurčitou informací ve znalostních systémech.
9.Porozumění přirozenému jazyku, získávání a vyhledávání znalostí v textu.
10.Komunikace člověk-stroj a metodika návrhu dialogových systémů.
11.Získávání nových dovedností pomocí posilovaného učení.
12.Metody posilovaného učení.
13.Využití přírodou inspirovaných postupů pro přibližné řešení některých optimalizačních úloh (genetické a swarm algoritmy)
Další metody UI (např. strojové vidění, robotika) a jejich využití v medicíně.
- Osnova cvičení:
-
1.Cíle, úlohy, nástroje a postupy umělé inteligence.
2.Stavový prostor jako prostředek reprezentace úlohy. Řešení úlohy pomocí prohledávání.
3.Volba heuristik a algoritmů pro informované prohledávání.
4.Úlohy rozvrhování a nástroje pro jejich řešení.
5.Význam a typ znalostí používaných při řešení úloh, způsoby jejich reprezentace v UI.
6.Postupy vedoucí ke vzniku nových znalostí – dedukce a indukce.
7.Znalostní systémy pro podporu rozhodování.
8.Práce s neurčitou informací ve znalostních systémech.
9.Porozumění přirozenému jazyku, získávání a vyhledávání znalostí v textu.
10.Komunikace člověk-stroj a metodika návrhu dialogových systémů.
11.Získávání nových dovedností pomocí posilovaného učení.
12.Metody posilovaného učení.
13.Využití přírodou inspirovaných postupů pro přibližné řešení některých optimalizačních úloh (genetické a swarm algoritmy)
Další metody UI (např. strojové vidění, robotika) a jejich využití v medicíně.
- Cíle studia:
- Studijní materiály:
-
Povinná literatura:
[1] MAŘÍK, Vladimír, Olga ŠTĚPÁNKOVÁ a Jiří LAŽANSKÝ. Umělá inteligence. Praha: Academia, 1993-. ISBN 978-80-200-2276-9.
- Poznámka:
- Rozvrh na zimní semestr 2024/2025:
-
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 Čt Pá - Rozvrh na letní semestr 2024/2025:
- Rozvrh není připraven
- Předmět je součástí následujících studijních plánů:
-
- Navazující magisterská studijní specializace Asistivní technologie (povinný předmět)
- Navazující magisterská studijní specializace Softwarové technologie (povinný předmět)
- Navazující magisterská studijní specializace Nanotechnologie (povinný předmět)