čeština

Vyžadují se základní znalosti lineární algebry, algoritmizace a statistiky.

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.

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

Cílem předmětu je vysvětlit studentům základní terminologii (AI, ANI, ML, AGI, ASI, …) v oblasti umělá inteligence. Důraz je kladen na oblast umělých neuronových sítí (ANN, DNN, CNN), znalostních systémů a strojového vidění.
Absolvent předmětu by měl být schopen:
- vysvětlit pojem umělá inteligence z pohledu její aplikace v technických zařízení,
- 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.
- vysvětlit architekturu a funkčnost znalostních systémů,
- vytvořit bázi znalosti pro expertní systém NPSCORE,
- zvolit oblasti použití expertních systémů,
- aplikovat zpracování optické informace prostředky umělé inteligence

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)

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)