Detail předmětu

Umělá inteligence

FEKT-MPC-UINAk. rok: 2020/2021

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.

Výsledky učení předmětu

Absolvent předmětu by měl být schopen:
- vysvětlit pojem umělá inteligence z pohledu její aplikace v technických zařízení,
- vysvětlit paradigma pro umělé neuronové sítě: perceptron, vícevrstvá neuronová síť s učením backpropagation, Kohonenovy samoorganizační mapy, Hopfieldova síť, RCE 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 NPS32,
- zvolit oblasti použití expertních systémů,
- aplikovat zpracování optické informace prostředky umělé inteligence.

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia a základní znalosti programování v MATLABu.

Doporučená nebo povinná 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: 978-0-13-604259-4. (EN)
SONKSA, Milan, HLAVAC, Vaclav a BOYLE, Rogert. Image Processing, Analysis and Machine Vision. Toronto: Thomson, 2008. 829 s. ISBN 978-0-495-24438-7. (CS)
DUDA, Richard, HART Peter a STORK David. Pattern Classification. New York: John Wiley & Sons, INC. 2001. 654 s. ISBN 0-471-05669-3. (CS)

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.

Jazyk výuky

čeština

Osnovy výuky

1. Umělá inteligence - historie, definice, oblasti.
2. Inteligence - biologický informační systém, neuron, mozek, data, informace, znalosti.
3. Strojové učení – základní terminologie a metody.
4. Řešení úloh, reprezentace znalostí - úvod do problematiky, základní metody.
5. Znalostní systémy - struktura a činnost expertních systémů.
6. Počítačové vidění – metody rozpoznávání.
7. Umělé neuronové sítě - perceptron, algoritmus učení BP, konvoluční neuronové sítě.

Cíl

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.

Zařazení předmětu ve studijních plánech

  • Program MPC-TIT magisterský navazující, libovolný ročník, zimní semestr, 5 kreditů, volitelný

  • Program MPC-AUD magisterský navazující

    specializace AUDM-TECH , 1. ročník, zimní semestr, 5 kreditů, povinně volitelný
    specializace AUDM-ZVUK , 1. ročník, zimní semestr, 5 kreditů, povinně volitelný

  • Program MPC-IBE magisterský navazující, 2. ročník, zimní semestr, 5 kreditů, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

eLearning