Detail předmětu

Prostředky umělé inteligence

FSI-SPUAk. rok: 2011/2012

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

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

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

Doporučená literatura

F.Zbořil a kol.: Umělá inteligence (skriptum VUT).
V. Mařík a kol.: Umělá inteligence.

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

Osnova

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