Předmět je základní jednotka výuky, jejímž prostřednictvím si student osvojí ucelenou část souboru znalostí a dovedností, potřebnou pro zvládnutí studijního oboru/specializace. Za věcný obsah předmětu zodpovídá garant předmětu. Časovou náročnost předmětu zhruba vyjadřuje atribut předmětu rozsah kontaktní výuky. Například rozsah = 2+2 značí, že předmět bude mít týdně dvě hodiny přednášek a dvě hodiny cvičení týdně. Na závěr semestru musí vyučující provést vyhodnocení, nakolik si ten který student osvojil poznatky a dovednosti, kterých měl během výuky nabýt. Jakým způsobem toto hodnocení vyučující provedou určuje atribut způsob zakončení. U předmětu lze definovat, že předmět je zakončen pouze zápočtem(Z), klasifikovaným zápočtem(KZ), pouze zkouškou(ZK), nebo zápočtem a zkouškou(Z,ZK). Náročnost úspěšného absolvování předmětu je vyjádřena ECTS kreditními body. Výuka předmětu probíhá během semestru. Opakovaně se předmět vyučuje vždy v zimním(Z), nebo v letním(L) semestru každého akademického roku. Výjimečně může předmět být nabízen studentům v obou semestrech(Z,L). Za organizační zajištění výuky zodpovídá přiřazená katedra, která zejména vytvoří časový rozvrh předmětu a zajistí pro předmět vyučující. Někteří přednáší a zkouší, jiní vedou cvičení a udělují zápočty.
Obsahová náplň a další organizační informace, týkající se předmětu je popsána pomocí různých popisných textů(anotace, týdenní osnova, literatura, apod.)
$DODATEK_POPIS
MI-UMI | Umělá inteligence | Rozsah kontaktní výuky: | 2P+1C | ||
---|---|---|---|---|---|
Vyučující: | Způsob zakončení: | Z,ZK | |||
Zodpovědná katedra: | 18105 | ECTS Kredity: | 5 | Semestr: | Z |
Anotace:
Předmět do hloubky pokrývá moderní přístupy a algoritmy, na nichž staví současná umělá inteligence. Studenti se seznámí s pokročilými technikami pro řešení úloh založenými na prohledávání a odvozování. Bude podán ucelený přehled formálních systémů pro modelování úloh, souvisejících řešících algoritmů a jejich praktické aplikace. Důraz bude kladen na logické uvažování v umělé inteligenci, které poskytuje různé garance, jako je například úplnost rozhodovacího procesu nebo přesné zdůvodnění rozhodnutí. Přednáška vychází z klasické učebnice umělé inteligence [1], přičemž rozšiřující materiál týkající se splnitelnosti, omezujících podmínek, automatického plánování a robotiky čerpá také ze specializovaných učebnic [2], [3], [4] a [6]. Vhodným studijním materiálem k přednášce jsou i české učebnice [5].
Osnovy přednášek:
1. | Řešení úloh prohledáváním | |
2. | Splňování omezujících podmínek [2] | |
3. | Konzistenční techniky pro splňování podmínek [2] | |
4. | Výroková splnitelnost (SAT) [4] | |
5. | Rozhodování v logických teoriích [4] | |
6. | Automatické plánování [3] | |
7. | Modelování úloh | |
8. | Uvažování v logice prvního řádu | |
9. | Reprezentace znalostí | |
10. | Uvažování s neurčitostí | |
11. | Rozhodování ve hrách | |
12. | Robotika [6] |
Osnovy cvičení:
1. | Prohledávání | |
2. | Omezující podmínky | |
3. | Splnitelnost | |
4. | Plánování | |
5. | Modelování úloh | |
6. | Hry |
Literatura:
[1] | Russel, S., Norvig, P.: Artificial Intelligence: A Modern Approach (3rd Edition), Prentice Hall, 2009. | |
[2] | Decher, R.: Constraint Processing, Morgan Kaufmann, 2003. | |
[3] | Ghallab, M., Nau, D., Traverso, P.: Automated Planning and Acting, Cambridge University Press, 2016. | |
[4] | Biere, A., Heule, M., Van Maaren, H., Walsh, T.: Handbook of Satisfiability, IOS Press, 2009. | |
[5] | Lažanský, J., Mařík, V., Štěpánková, O., a kolektiv: Umělá inteligence (1) - (6), Academia, 2000 - 2013. | |
[6] | LaValle, S.: Planning Algorithms / Motion Planning. Cambridge University Press, 2006. |
Požadavky:
Předpokládají se znalosti odpovídající předmětu BI-ZUM: Základy umělé inteligence.
|
Předmět je zahrnut do těchto studijních plánů:
|
Stránka vytvořena 2. 5. 2024, semestry: Z/2020-1, L/2023-4, L/2021-2, L/2019-20, Z/2021-2, Z/2023-4, L/2020-1, Z/2019-20, L/2022-3, Z/2024-5, Z/2022-3, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: J. Novák, I. Halaška |