To learn the following techniques of artificial intelligence: uncertainty reasoning, decision making, machine learning.

Naučit vybrané obecně aplikovatelné techniky umělé inteligence: zpracování neurčitosti, racionální rozhodování a strojové učení.

The course is concluded by an oral exam, that could be, in exceptional cases, in an on-line form.

Předmět je zakončen ústní zkouškou, která může být ve výjimečných případech distanční.

S. Russell, P. Norvig: Artificial Intelligence; A Modern Approach, 2003

V. Mařík, O. Štepánková, J. Lažanský a kol.: Umělá Inteligence, 1-6. Academia, Praha

S. Russell, P. Norvig: Artificial Intelligence; A Modern Approach, 2003

V. Mařík, O. Štepánková, J. Lažanský a kol.: Umělá Inteligence, 1-6. Academia, Praha

lectures

přednáška

The exam consists of a written preparation and an oral part. The requirements are given by the course syllabus.

Zkouška se skládá z písemné přípravy a ústní části. Požadavky odpovídají sylabu předmětu.

Uncertainty reasoning: probabilistic methods, Bayesian networks, Markov models.

Decision making: utility theory, Markov Decision Processes, decisions with multiple agents, (inverse) game theory.

Machine learning: supervised learning, decision trees, regression, SVM, boosting; version space search; learning probabilistic models, the EM algorithm; reinforcement learning.

Práce s neurčitostí: pravděpodobnostní metody, Bayesovské sítě, Markovské modely.

Racionální rozhodování: teorie užitku, Markovské rozhodovací procesy, rozhodování v prostředí s více agenty, (inverzní) teorie her.

Strojové učení: učení s učitelem, rozhodovací stromy, regrese, SVM, boosting; prohledávání prostoru hypotéz; učení pravděpodobnostních modelů, EM algoritmus; zpětnovazební učení.