Detail předmětu

Umělá inteligence

FEKT-BPC-UINAk. rok: 2019/2020

Předmět je zaměřen na vysvětlení základních metod/oblastí spadající do umělé inteligence - strojové učení, struktura a činnost znalostních systémů, zpracování optické informace, metody učení umělých neuronových sítí a jejich aplikace.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

doc. Ing. Václav Jirsík, CSc.

Zajišťuje ústav

Ústav automatizace a měřicí techniky (UAMT)

Výsledky učení předmětu

Absolvent předmětu by měl být schopen:
- vysvětlit pojem umělá inteligence z pohledu její aplikace v technických zařízení,
- pochopit základní termíny a metody spadající do strojového učení
- vysvětlit architekturu a funkčnost znalostních systémů,
- vytvořit bázi znalosti pro expertní systém NPS32,
- zvolit oblasti použití expertních systémů,
- aplikovat zpracování optické informace prostředky umělé inteligence
- vysvětlit paradigmata vybraných umělých neuronových sítí: perceptron, vícevrstvá neuronová síť s učením backpropagation, konvoluční neuronová síť
- diskutovat a ověřit nastavení jednotlivých parametrů zvolené neuronové sítě,
- posoudit oblast použití jednotlivých umělých neuronových sítí.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování zahrnují přednášky a cvičení na počítači. Student odevzdává jeden samostatný projekt.

Způsob a kritéria hodnocení

Podmínkou udělení zápočtu je 100% účast na povinné části výuky a získání minimálně 15 bodů. Studenti jsou hodnoceni průběžně během studia ve cvičeních. Za semestr tak mohou získat max. 30 bodů. Závěrečná písemná zkouška je hodnocena max. 60ti body, ústní zkouška max. 10ti body.

Osnovy výuky

1. Organizace výuky, umělá inteligence
2. Neurověda, kybernetika
3. Umělé neuronové sítě - paradigmata, Perceptron
4. Umělé neuronové sítě – Back propagation
5.Umělé neuronové sítě - Hopfield, Kohonen, RCE
6. státní svátek 2019
7. Počítačové vidění
8. Počítačové vidění
9. Expertní systémy
10. Expertní systémy
11. Konvoluční neuronové sítě
12. Konvoluční neuronové sítě
13. Inteligentní systémy

Učební cíle

Cílem předmětu je vysvětlit studentům základní terminologii (algoritmy) v oblasti umělá inteligence. Důraz je kladen na oblast strojového učení, řešení úloh, reprezentace znalostí, znalostní systémy, počítačové vidění a umělé neuronové sítě.

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

Počítačová cvičení jsou povinná, řádně omluvené zmeškané počítačové cvičení lze po domluvě s vyučujícím nahradit.

Základní literatura

MAŘÍK, Vladimír, ŠTĚPÁNKOVÁ, Olga, LAŽANSKÝ, Jiří a kolektiv. Umělá inteligence (1. až 6. díl) Praha: Academia 1993 - 2013. (CS)
RUSESELL, Stuart a NORVIG, Peter. Artificial Intelligence. A Modern Aproach. New Jersey: Prentice Hall 2010. 1132 s. ISBN-13: 978-0-13-604259 (EN)

Doporučená literatura

DUDA, Richard, HART Peter a STORK David. Pattern Classification. New York: John Wiley & Sons, INC. 2001. 654 s. ISBN 0-471-05669-3. (EN)
SONKA, Milan, HLAVAC, Vaclav a BOYLE, Rogert. Image Processing, Analysis and Machine Vision. Toronto: Thomson, 2008. 829 s. ISBN 978-0-495-24438-7. (EN)

Zařazení předmětu ve studijních plánech

  • Program BPC-AMT bakalářský 3 ročník, zimní semestr, povinný
  • Program BPC-TLI bakalářský 0 ročník, zimní semestr, volitelný
  • Program BPC-SEE bakalářský 0 ročník, zimní semestr, volitelný
  • Program BPC-MET bakalářský 0 ročník, zimní semestr, volitelný
  • Program BPC-IBE bakalářský 0 ročník, zimní semestr, volitelný
  • Program BPC-EKT bakalářský 0 ročník, zimní semestr, volitelný

  • Program BPC-AUD bakalářský

    specializace AUDB-ZVUK , 0 ročník, zimní semestr, volitelný
    specializace AUDB-TECH , 0 ročník, zimní semestr, volitelný

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Václav Jirsík, CSc.
Ing. Adam Ligocki, Ph.D.

Osnova

1. Organizace výuky, umělá inteligence
2. Neurověda, kybernetika
3. Umělé neuronové sítě - paradigmata, Perceptron
4. Umělé neuronové sítě – Back propagation
5.Umělé neuronové sítě - Hopfield, Kohonen, RCE
6. státní svátek 2019
7. Počítačové vidění
8. Počítačové vidění
9. Expertní systémy
10. Expertní systémy
11. Konvoluční neuronové sítě
12. Konvoluční neuronové sítě
13. Inteligentní systémy

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

doc. Ing. Václav Jirsík, CSc.
Ing. Ondřej Boštík
Ing. Lukáš Kratochvíla
Ing. Šimon Bilík

Osnova

1. Úvod, projekty – zadání
2. Základy Matlabu a Počítačového vidění
3. Perceptron
4. Jednovrstvá neuronová síť
5. Back propagation
6. Projekt (práce doma)
7. Umělé neuronové sítě
8. Počítačové vidění - Konvoluce
9. Expertní systémy
10. Projekt 1 – Referát
11. Projekt 1 – Referát
12. Expertní systémy
13. Expertní systémy