Jste zde

F7PMIUMIT - Umělá inteligence

Kód Zakončení Kredity Rozsah Jazyk výuky
F7PMIUMIT Z,ZK 4 2P+2C česky
Přednášející:
Martin Macaš, Olga Štěpánková (gar.), Milan Němý
Cvičící:
Martin Macaš, Olga Štěpánková (gar.), Filip Hrdlička, Milan Němý
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:
Předmět je součástí následujících studijních plánů:
Materiály ke stažení: