Popis předmětu - AD7B33SUI

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
AD7B33SUI Systémy s umělou inteligencí Rozsah výuky:14KP+6KC
Garanti:  Role:PO Jazyk výuky:CS
Vyučující:  Zakončení:Z,ZK
Zodpovědná katedra:13133 Kreditů:6 Semestr:L

Anotace:

Náplní předmětu je seznámení studentů se základními cíli umělé inteligence, jejími klíčovými metodami a příklady nejčastějších praktických aplikací. Předmět poskytne přehled základních technik tvorby obecných inteligentních systémů a představí jejich vybrané konkrétní zástupce. Probrány budou metody prohledávání stavového prostoru, znalosti a jejich reprezentace, automatizované logické uvažování s případnou nejistotou, strojové učení, distribuovaná umělá inteligence nebo evoluční algoritmy. V praktické části se studenti seznámí s aplikacemi znalostních, multiagentních či robotických systémů a s dolováním dat.

Cíle studia:

Cíli studia jsou: - seznámení se se základními cíli umělé inteligence, jejími klíčovými metodami a příklady nejčastějších praktických aplikací, - získání přehledu základních technik tvorby obecných inteligentních systémů a - získání praktických zkušeností s aplikacemi řešení úloh, znalostních systémů, strojového učení a optimalizace.

Osnovy přednášek:

1. Cíle umělé inteligence. Stavový prostor a řešení úloh prohledáváním.
2. Neinformované a informované metody prohledávání stavového prostoru.
3. Evoluční algoritmy a umělý život.
4. Znalosti, jejich získávání a reprezentace. Znalostní inženýrství, management znalostí.
5. Znalostní a expertní systémy. Pravděpodobnostní reprezentace neurčitosti a uvažování s nejistotou.
6. Fuzzy logika, bayesovské sítě.
7. Posibilistická teorie, Dempster-Shaferova teorie.
8. Sémantické sítě a rámce, ontologie. Topic maps. Konceptuální grafy, sémantické anotace elektronických zdrojů.
9. Deskripční logika, inference. Sémantický web - XML, RDF, OWL a SWRL.
10. Adaptivní a učící se algoritmy.
11. Učení z příkladů - základní metody.
12. Aplikace umělé inteligence: expertní a multiagentní systémy, robotika, dolování biologických a průmyslových dat.
13. Rezerva.

Osnovy cvičení:

1. Řešení jednoduchých úloh.
2. Řešení úloh ve stavovém prostoru - neinformované metody, informované metody.
3. Evoluční systémy jako nástroj optimalizace - demo
4. Samostatná práce.
5. Prezentace a odevzdání úlohy prohledávání stavového prostoru.
6. Expertní systémy - FELexpert - úvod.
7. Expertní systémy - FELexpert - řešení úlohy.
8. Ontologie - návrh.
9. Ontologie - implementace (Protege, SWOOP).
10. Strojové učení - práce s nástrojem WEKA.
11. Řešení úloh strojového učení - učení z příkladů.
12. Prezentace a odevzdání úlohy - učení a optimalizace.
13. Zápočty. Rezerva.

Literatura:

1. Mařík, V., Štěpánková, O., Lažanský, J.: Umělá inteligence (2). Praha, Academia, 1997
2. Mařík, V., Štěpánková, O., Lažanský, J.: Umělá inteligence (4). Praha, Academia, 2001
3. XML Tutorial, http://www.w3schools.com/xml/
4. Sean Bechhofer, Ian Horrocks and Peter F. Patel-Schneider: "Tutorial on OWL", http://www.cs.man.ac.uk/~horrocks/ISWC2003/Tutorial/

Požadavky:

Předmět předpokládá u studentů předchozí znalost matematické teorie pravděpodobnosti.

Klíčová slova:

Umělá inteligence, znalostní systémy, strojové učení, inteligentní systémy, optimalizace

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
BIS(ECTS)-D Inteligentní systémy (bakalářský, dobíhající pro nástupní ročníky před 2013) PO 4
BKSTMIS Inteligentní systémy (bakalářský, dobíhající pro nástupní ročníky před 2013) PO 4


Stránka vytvořena 13.12.2019 17:50:30, semestry: Z,L/2020-1, L/2018-9, Z,L/2019-20, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)
Za obsah odpovídá: doc. Ing. Ivan Jelínek, CSc.