Detail předmětu

Prostředky umělé inteligence

FSI-SPUAk. rok: 2010/2011

Předmět seznamuje studenty se základními prostředky umělé inteligence použitelnými v praktických aplikacích. Důraz je kladen na mechanismy usuzování, prohledávání a učení. Je diskutována použitelnost uváděných prostředků pro řešení inženýrských úloh.

Jazyk výuky

čeština

Počet kreditů

4

Garant předmětu

prof. RNDr. Ing. Tomáš Březina, CSc.

Zajišťuje ústav

Ústav automatizace a informatiky (ÚAI)

Výsledky učení předmětu

Studenti budou orientováni v přiměřenosti použití základních prostředků umělé inteligence pro řešení inženýrských úloh.

Prerekvizity

Předpokládá se znalost základních souvislostí z teorie grafů, teorie pravděpodobnosti a statistiky.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Způsob a kritéria hodnocení

K úspěšnému zakončení předmětu je třeba předložit rešerši v rozsahu cca 10 stran na téma "Aplikace určeného prostředku umělé inteligence v konkrétní inženýrské oblasti".

Učební cíle

Cílem kurzu je, aby se studenti seznámili s základními prostředky umělé inteligence, s možnostmi a přiměřeností jejich použití pro řešení inženýrských úloh.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na přednáškách je povinná. Výuka běží podle týdenních plánů. Způsob nahrazení zameškaných cvičení je plně v kompetenci vyučujícího.

Základní literatura

Edward A. Bender: Mathematical Methods in Artificial Intelligence.
Kim W.Tracy, Peter Bouthoorn: Object-oriented Artificial Intelligence Using C++.

Zařazení předmětu ve studijních plánech

  • Program M2A-P magisterský navazující

    obor M-MAI , 2 ročník, letní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

RNDr. Jiří Dvořák, CSc.

Osnova

1. Oblast UI.
2. Stromy a prohledávání.
3. Predikátová logika, syntaxe, sémantika.
4. Zobecněná rezoluce. Prolog.
5. Nemonotonní usuzování. Pravidlové systémy, sémantické sítě.
6. Bayesovské sítě.
7. Rozhodovací stromy. Extrakce pravidel.
8. Neuronové sítě a minimalizace. Dopředné a rekurentní sítě.
9. Heuristické a částečné prohledávání. Alfa-Beta prořezávání.
10. Genetické algoritmy a optimalizace. Únik z lokálního minima.
11. Markovovy modely a učení. Q-učení.
12. Strojové učení.
13. Současný stav UI, perspektivy.