Fakulta elektrotechnická

České vysoké učení technické v Praze

ČVUT v Praze

Popis předmětu - BE3M33UI

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
BE3M33UI Artificial Intelligence Rozsah výuky:2p+2c
Garanti:Pošík P. Role:PO,PV Zakončení:Z,ZK
Vyučující:Mařík R., Pošík P.
Zodpovědná katedra:13133 Kreditů:6 Semestr:L

Anotace:

The course deepens and enriches knowledge of AI gained in the bachelor course Cybernetics and Artificial Intelligence. Students will get an overview of other methods used in AI, and will get a hands-on experience with some of them. They will master other required abilities to build intelligent agents. By applying new models, they will reiterate the basic principles of machine learning, techniques to evaluate models, and methods for overfitting prevention. They will learn about planning and scheduling tasks, and about methods used to solve them. Student will also get ackquainted with the basics of probabilistic graphical models, Bayesian networks and Markov models, and will learn their applications. Part of the course will introduce students to the area of again populat neural networks, with an emphasis to new methods for deep learning.

Osnovy přednášek:

1. The relation of artificial intelligence, pattern recognition, learning and robotics. Decision tasks, Empirical learning.
2. Linear methods for classification and regression.
3. Non-linear models. Feature space straightening. Overfitting.
4. Nearest neighbors. Kernel functions, SVM. Decision trees.
5. Bagging. Adaboost. Random forests.
6. Graphical models. Bayesian networks.
7. Markov statistical models. Markov chains.
8. Expectation-Maximization algorithm.
9. Planning. Planning problem representations. Planning methods.
10. Scheduling. Local search.
11. Neural networks. Basic models and methods, error backpropagation.
12. Special neural networks. Deep learning.
13. Constraint satisfaction problems.
14. Evolutionary algorithms..

Osnovy cvičení:

Students will solve practical tasks. They will get experience with chosen packages for machine learning, graphical models, neural networks, etc. and will implement parts of algorithms themselves.

Literatura:

S. Russel, P. Norvig: Artificial Intelligence - A Modern Approach, 3rd ed., 2010
C. M. Bishop: Pattern Recognition and Machine Learning, 2006

Požadavky:

Topics covered by course B3B33KUI.

Webová stránka:

http://cw.fel.cvut.cz/wiki/courses/be3m33ui/start

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
MEKYR5_2016 Kybernetika a robotika PV 2
MEKYR2_2016 Senzory a přístrojová technika PV 3
MEKYR1_2016 Robotika PO 2
MEKYR4_2016 Letecké a kosmické systémy PV 3
MEKYR3_2016 Systémy a řízení PV 3


Stránka vytvořena 20.11.2017 17:47:25, semestry: L/2016-7, Z,L/2017-8, Z/2018-9, 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.