Popis předmětu - B3B33KUI
Přehled studia |
Přehled oborů |
Všechny skupiny předmětů |
Všechny předměty |
Seznam rolí |
Vysvětlivky
Návod
| B3B33KUI | Kybernetika a umělá inteligence | ||
|---|---|---|---|
| Role: | PV, P | Rozsah výuky: | 2P+2C |
| Katedra: | 13133 | Jazyk výuky: | CS |
| Garanti: | Svoboda T. | Zakončení: | Z,ZK |
| Přednášející: | Pošík P., Svoboda T. | Kreditů: | 6 |
| Cvičící: | Kostlivá J., Pošík P., Svoboda T., Šindler P. | Semestr: | L |
Webová stránka:
http://cw.fel.cvut.cz/wiki/courses/b3b33kui/startAnotace:
Předmět dodá bakalářským studentům základ v oblasti umělé inteligence a kybernetiky nezbytný pro návrh algoritmů pro řízení strojů. Rozšiřuje znalost algoritmů prohledávání stavového prostoru včetně prohledávání za neurčitosti. S kybernetikou je provázán prostřednictvím posilovaného učení (reinforcement learning), které v dnešní době například v robotice doplňuje či dokonce nahrazuje (polo)ruční identifikaci systému. Problematika strojového učení z dat (s učitelem) je vysvětlena na příkladu příznakového rozpoznávání, učení lineárního klasifikátoru. Student procvičí látku v praktických programovacích úlohách.Cíle studia:
Předmět dodá bakalářským studentům základ v oblasti umělé inteligence a kybernetiky nezbytný pro návrh algoritmů pro řízení strojů. Rozšiřuje znalost algoritmů prohledávání stavového prostoru včetně prohledávání za neurčitosti. S kybernetikou je provázán prostřednictvím posilovaného učení (reinforcement learning), které v dnešní době například v robotice doplňuje či dokonce nahrazuje (polo)ruční identifikaci systému. Problematika strojového učení z dat (s učitelem) je vysvětlena na příkladu příznakového rozpoznávání, učení lineárního klasifikátoru. Student procvičí látku v praktických programovacích úlohách.Osnovy přednášek:
| 1. | Úvod. Co je umělá inteligence a co kybernetika. | |
| 2. | Řešení problémů prohledáváním. Stavový prostor. Optimalita, časové a paměťové nároky. | |
| 3. | Informované prohledávání | |
| 4. | Herní algoritmy. Prohledávání ve hrách více hráčů. | |
| 5. | Prohledávání za neurčitosti. Markovské rozhodovací procesy I. | |
| 6. | Markovské rozhodovací procesy II | |
| 7. | Posilované učení I. Písemka. | |
| 8. | Posilované učení II | |
| 10. | Rozhodování za neurčitosti. Bayesovská úloha. | |
| 11. | Empirické hodnocení klasifikátorů. Metoda nejbližších sousedů. | |
| 12. | Učení lineárního klasifikátoru, perceptron. | |
| 13. | Invariance vůči transformacím. Vybrané úlohy z lineárních klasifikátorů. | |
| 14. | Rezerva. Opakovaný průchod učivem. |
Osnovy cvičení:
Studenti během cvičení a domácí práce naprogramují několik základních algoritmů. Důraz bude kladen na techniku ověření funkčnosti a výkonu implementace. V úloze implementace klasifikátoru bude diskutována problematika testovacích a trénovacích dat, křížové validace a ROC křivky. U některých úloh bude požadovaná krátká technická zpráva.Literatura:
Knihu [AIMA] silně doporučujeme. Pro vykládanou látku jsou relevantní především kapitoly 3-6 (prohledávání, herní algoritmy), 16-17 (prohledávání a rozhodování za neurčitosti) a 21 (posilované učení). Lze ji u mnohých témat nahradit vybranými on-line materiály, odkazy budou u jednotlivých přednášek. Pro část statistického rozpoznávání doporučujeme buď [DHS] nebo [Bishop]. Jako základní výchozí bod může posloužit i [AIMA], části kapitol 18 a 20. Všechny zmíněné knihy najdou použití i v dalších předmětech dotýkajících se tématu umělé inteligence a rozhodování. Studentům tedy tuto větší jednorázovou investici velmi doporučujeme. [AIMA] Stuart J. Russel and Peter Norvig. Artificial Intelligence, a Modern Approach. 3rd edition, 2010 (vybrané kapitoly) [DHS] Richard O. Duda, Peter E. Hart, David G. Stork. Pattern Classification, 2nd edition. 2000 [Bishop] Christopher M. Bishop. Pattern Recognition and Machine Learning. 2006Požadavky:
Přepodkládá se základní znalost lineární algebry a programování. Znalost programovacího jazyka Python a základů pravděpodobnosti je výhodou.Poznámka:
| http://cw.fel.cvut.cz/wiki/courses/b3b33kui/start |
Klíčová slova:
Kybernetika, umělá inteligence, strojové učeníPředmět je zahrnut do těchto studijních plánů:
| Plán | Obor | Role | Dop. semestr |
| BPBIO_2018 | Před zařazením do oboru | PV | – |
| MPUCI_2025 | Před zařazením do oboru | PV | 2 |
| BPKYR_2016 | Před zařazením do oboru | P | 4 |
| BPKYR_2021 | Před zařazením do oboru | P | 2 |
| Stránka vytvořena 23.4.2025 17:53:29, semestry: L/2024-5, Z/2026-7, Z,L/2025-6, L/2026-7, Z/2024-5, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: I. Halaška (K336), J. Novák (K336) |