Detail předmětu

Principy inteligentních systémů

FSI-SISAk. rok: 2024/2025

Umělá inteligence (AI) je v posledních desetiletích jednou z nejrychleji se rozvíjejících oblastí informatiky a stává se nutností orientovat se v základních znalostech a dovednostech používání. V tomto předmětu chceme jít dál a ukázat, jak v některých případech ovládnout mysl stroje i z pohledu pochopení matematických definicí. Předmět Umělá inteligence poskytuje studentům základní a pokročilé znalosti v oblasti AI. Studenti se seznámí s různými přístupy k AI, včetně strojového učení, zpracování přirozeného jazyka a počítačového rozpoznávání. Naučí se, jak navrhovat a implementovat AI systémy včetně popisu matematických modelů z vybraných oblastí.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

Ing. Pavla Sehnalová, Ph.D.

Zajišťuje ústav

Ústav matematiky (ÚM)

Vstupní znalosti

Pro tento kurz se předpokládá, že studenti mají základy jakéhokoli objektově-orientovaného programovacího jazyka a základy angličtiny.

Pravidla hodnocení a ukončení předmětu

Hodnocení předmětu sestává z bodů za semestrální projekt (70 %) a z bodů za samostatné úlohy během semestru (30 %). Podmínkou udělení zápočtu je získání minimálně 50 % bodů ze semestrálního projektu. Za aktivní přínos ve výuce lze získat zvláštní ohodnocení.
Účast na přednáškách je žádoucí, účast ve cvičeních je povinná. Způsob náhrady zameškané výuky je plně v kompetenci cvičícího.

Učební cíle

Cílem předmětu je seznámit se s různými přístupy k AI, získat přehled o současném stavu poznání, jaké jsou její hlavní oblasti a jak se vyvíjí. Studenti se naučí hlubší porozumění AI. Naučí se, jak navrhovat a implementovat AI systémy pro řešení konkrétních problémů. Seznámí se s matematickými modely a dozví se, jak je lze použít k pochopení AI systémů.

Základní literatura

DA SILVA, I. N. Artificial Neural Networks. Cham: Springer Nature, 2016. ISBN 9783319431628. Dostupné online z: https://doi.org/10.1007/978-3-319-43162-8. (EN)
KUBLIK, S. a SABOO, S. GPT-3: building innovative NLP products using large language models. Sebastopol: O´Reilly, 2022. ISBN 978-1-098-11362-9. (EN)
LIU, A. C. C. a LAW, O. M. K. Artificial intelligence hardware design: challenges and solutions. Hoboken: Wiley, 2021. ISBN 978-1-119-81045-2. (EN)
MOHRI, M., ROSTAMIZADEH, A., TALWALKAR, A. Foundations of machine learning. Cambridge: MIT Press, 2012. ISBN 9780262018258. (EN)
ROTHMAN, D. a GULLI, A. Transformers for natural language processing: build, train, and fine-tune deep neural network architectures for NLP with Python, PyTorch, TensorFlow, BERT, and GPT-3. Second edition. Birmingham: Packt, 2022. ISBN 978-1-80324-733-5. (EN)
SCHÖLKOPF, B., JANZING, D. a PETERS, J. Elements of Causal Inference: Foundations and Learning Algorithms. 1. Cambridge: The MIT Press, 2017. ISBN 0262037319. Dostupné online. (EN)
TUNSTALL, L., WERRA, L., WOLF, T. a GÉRON, A. Natural language processing with transformers: building language applications with Hugging Face. Revised edition. Beijing: O'Reilly, 2022. ISBN 9781098136796. (EN)

Doporučená literatura

CHOLLET, François a PECINOVSKÝ, Rudolf. Deep learning v jazyku Python: knihovny Keras, Tensorflow. Praha: Grada Publishing, 2019. ISBN 978-80-247-3100-1. (CS)
PECINOVSKÝ, Rudolf. Začínáme programovat v jazyku Python. 2. přepracované a rozšířené vydání. Praha: Grada Publishing, 2022. ISBN 978-80-271-3609-4. (CS)

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program B-MAI-P bakalářský 3 ročník, zimní semestr, povinně volitelný

  • Program C-AKR-P celoživotní vzdělávání v akr. stud. programu

    specializace CZS , 1 ročník, zimní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. Pavla Sehnalová, Ph.D.

Osnova

  1. Úvod do umělé inteligence
  2. Historie a aktuální stav poznání
  3. Oblasti umělé inteligence
  4. Strojové učení
  5. Neuronové sítě
  6. Principy kauzálního odvozování
  7. Transformery
  8. Zpracování přirozeného jazyka a velké jazykové modely
  9. Metody pro vylepšení LLM
  10. Chatboti
  11. Komerční nástroje a jejich využití v praxi
  12. Úskalí použití umělé inteligence
  13. Rezerva přednášejícího

Cvičení s počítačovou podporou

26 hod., povinná

Vyučující / Lektor

Ing. Pavla Sehnalová, Ph.D.

Osnova

Počítačová cvičení jsou zaměřena na praktické zvládnutí látky probrané v tématech na přednáškách. Důraz je kladen na schopnost samostatné práce, tj. na řešení úloh s využitím AI a využívání interaktivních nástrojů pro AI.

1. Python a knihovny pro využití nástrojů umělé inteligence

2. - 10. Seznámení s interaktivními aplikacemi AI, řešení úloh s jejich využitím

11. Tvorba vlastního chatbota

12. - 13. Práce na semestrálním projektu, konzultace

Elearning

eLearning: aktuální otevřený kurz