Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
| B3M33UI |
Umělá inteligence |
| Role: | PO, PV |
Rozsah výuky: | 2P+2C |
| Katedra: | 13133 |
Jazyk výuky: | CS |
| Garanti: | |
Zakončení: | Z,ZK |
| Přednášející: | |
Kreditů: | 6 |
| Cvičící: | |
Semestr: | L |
Anotace:
Předmět doplní a rozšíří znalosti Umělé inteligence získané v předmětu KUI; studenti získají jednak přehled o dalších často využívaných metodách UI, tak i praktickou zkušenost s jejich použitím, a osvojí si další dovednosti nutné k tvorbě inteligentních agentů. Na nových modelech si zopakují základní principy strojového učení, způsob hodnocení modelů i metody bránící přeučení. Dozví se o úlohách typu plánování a rozvrhování a o metodách, jimiž se tyto problémy řeší. Naučí se základům grafických pravděpodobnostních modelů, Bayesovských sítí a Markovských statistických modelů, a poznají jejich aplikace. Část předmětu studentům poskytne také úvod do znovu populárních neuronových sítí se zvláštním ohledem na nové metody pro tzv. hluboké učení.
Osnovy přednášek:
| 1. | | Vztah UI, rozpoznávání, učení a robotiky. Úloha rozhodování. Empirické učení. |
| 2. | | Lineární modely pro regresi a klasifikaci. |
| 3. | | Nelineární modely. Vyrovnání příznakového prostoru. Přeučení. |
| 4. | | Metoda nejbližších sousedů. Jádrové funkce. SVM. Rozhodovací stromy. |
| 5. | | Bagging. Adaboost. Náhodné lesy. |
| 6. | | Grafické modely. Bayesovské sítě. |
| 7. | | Markovské statistické modely. Markovské řetězy. |
| 8. | | Algoritmus Expectation-Maximization. |
| 9. | | Plánování. Reprezentace plánovacího problému. Metody. |
| 10. | | Rozvrhování. Lokální prohledávání. |
| 11. | | Neuronové sítě, základní metody, zpětné šíření chyby. |
| 12. | | Další neuronové sítě. Deep learning. |
| 13. | | Úloha splňování omezení (CSP). |
| 14. | | Evoluční algoritmy. |
Osnovy cvičení:
Ve cvičeních studenti budou řešit praktické úkoly. Získají praxi ve využití vybraných balíků pro strojové učení, grafické modely, neuronové sítě, atd. a budou sami implementovat části algoritmů.
Literatura:
| S. | | Russel, P. Norvig: Artificial Intelligence - A Modern Approach, 3rd ed., 2010 |
| C. | | M. Bishop: Pattern Recognition and Machine Learning, 2006 |
Požadavky:
Znalost témat v rozsahu předmětu B3B33KUI.
Webová stránka:
https://cw.fel.cvut.cz/wiki/courses/ui/start
Předmět je zahrnut do těchto studijních plánů:
| Stránka vytvořena 19.8.2022 17:49:54, semestry: L/2021-2, Z/2024-5, Z,L/2022-3, připomínky k informační náplni zasílejte správci studijních plánů |
Návrh a realizace: I. Halaška (K336), J. Novák (K336) |