Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
33SPR Systémy pro podporu rozhodování Rozsah výuky:3+2
Přednášející (garant):Kouba Z. Typ předmětu:Z Zakončení:Z,ZK
Zodpovědná katedra:333 Kreditů:6 Semestr:Z

Anotace:
Systémy pro podporu rozhodování se snaží integrovat metody využívající výsledků klasických matematických disciplin (statistika) se znalostními metodami typickými pro umělou inteligenci. Přednáška vychází z důkladného seznámení s návrhem a principy znalostních systémů a všímá si souvisejících teoretických i aplikačních otázek znalostního inženýrství. Zvláštní pozornost je věnována praktickému využití metod datové analýzy. V závěru jsou analyzovány možnosti velmi moderní discipliny KDD (objevování souvislostí v datech).

Osnovy přednášek:
1. Přehled systému pro podporu inteligentního rozhodování
2. Základní problémy inteligentního rozhodování
3. Reprezentace a získávání znalostí pro rozhodování
4. Expertní systémy - typy, principy
5. Zpracování neurčitosti
6. Diagnostické ES, příklady a použití
7. Základy znalostního inženýrství
8. Statistické základy datové analýzy
9. Principy faktorové analýzy
10. Další partie moderní statistiky
11. Datové sklady, KDD a jejich praktické aplikace
12. Plánovací ES
13. Rozhodování s podporou simulace na modelech
14. Softcomputing a metody predikce

Osnovy cvičení:
1. Ukázka jednoduchého diagnostického expertního systému
2. Řešení jednoduché úlohy
3. Seminář - základní metody representace znalostí
4. Seminář - základní metody representace znalostí
5. Ukázka vybraných algoritmů strojového učení
6. Řešení jednoduché úlohy
7. Ukázka základních algoritmů rozpoznávání předmětů
8. Řešení jednoduché úlohy
9. Ukázka datového skladu
10. Řešení jednoduché úlohy
11. Ukázka geografického informačního systému
12. Řešení jednoduché úlohy
13. Ukázka systému pro podporu rozhodování s využitím simulace
14. Řešení jednoduché úlohy

Literatura Č:
[1] Mařík, V. a kol.: Umělá inteligence I-IV. Academia, Praha, 1999-2001
[2] Hájek, P., Havránek, T., Jiroušek, R.: Uncertain Information in Expert Systems. CRC Press, Inc. 1992
[3] Neapolitan, R. E.: Probabilistic Reasoning in Expert Systems: Theory and Algorithms. John Willey & Sons, New York, 1989
[4] Weiss, S. M.: Predictive Data Mining - A Practical Guide. Morgan Kaufmann Publishers, Inc., San Francisco, 1998

Literatura A:
[1] Hájek, P., Havránek, T., Jiroušek, R.: Uncertain Information Processing in Expert Systems. CRC Press, Inc. 1992
[2] Neapolitan, R. E.: Probabilistic Reasoning in Expert Systems: Theory and Algorithms. John Willey & Sons, New York, 1989
[3] Weiss, S. M.: Predictive Data Mining - A Practical Guide. Morgan Kaufmann Publishers, Inc., San Francisco, 1998

Požadavky:

Rozsah výuky v kombinované formě studia: 19+4
Typ cvičení: s, c, p
Předmět je nabízen také v anglické verzi.

Předmět je zahrnut do těchto studijních plánů:
Plán Obor Role Dop. semestr
*TK Technická kybernetika Z 9
*BIO Biomedicínské inženýrství Z 9


Stránka vytvořena 25. 2. 2002, semestry: Z/2001-2, Z/2002-3, L/2001-2, L/2002-3, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)