Evidence programů CŽVEvidence programů CŽV(verze: 189)
 
   
Zpětnovazební učení (12544)
Základní informace
Univerzita Karlova
Zpětnovazební učení
běží přijímací řízení
Kód varianty (CID): 12544
Zaměření: microcredentials
Fakulta: Matematicko-fyzikální fakulta
Ústav formální a aplikované lingvistiky [32-UFAL]
prezenční
Prezenční
angličtina
Zpětnovazební učení
Kurz poskytuje ucelený úvod do hlubokého zpětnovazebního učení, což je kombinace zpětnovazebního učení a hlubokých neuronových sítí, jež dosahuje vynikajících výsledků v rozmanitých oblastech, jako jsou strategické hry jako šachy či Go, návrh čipů, algoritmů či architektur neuronových sítí a v neposlední řadě rozvoj robotiky a LLM.

Kurz se zaměřuje jak na teorii tak na praktické implementace ve frameworku PyTorch prostřednictvím týdenních úkolů řešených individuálně či v malých týmech.
Uchazeči by měli mít základní zkušenosti s programováním v jazyce Python, základní schopnosti implementace a trénování hlubokých neuronových sítí ve frameworku PyTorch a základní znalost matematické analýzy (derivace) a pravděpodobnosti (pravděpodobnostní distribuce, střední hodnota, rozptyl). Kurz je vyučován anglicky, doporučená úroveň angličtiny je B2 nebo vyšší.
Znalosti: Absolvent popíše a vysvětlí základní pojmy zpětnovazebního učení (MDP, policy, value function), charakterizuje základní přístupy (Monte-Carlo/temporal difference, on-policy/off-policy, tabular/function approximation, value-based/policy-gradient metody, model-free/model-based), popíše algoritmy a k nim odpovídající architektury (DQN, Rainbow, REINFORCE, A3C, PAAC, DDPG, SAC, PPO) a vysvětlí přístupy založené na plánování (MCTS, AlphaZero, MuZero, Dreamer).

Dovednosti: Absolvent implementuje výše uvedené základní architektury ve frameworku PyTorch a dokáže je efektivně natrénovat. Absolvent analyzuje odborný vědecký článek z oblasti hlubokého zpětnovazebního učení, identifikuje v něm klíčové metody a vysvětlí jejich principy a výsledky.

Kompetence: Absolvent navrhne způsob řešení nové (jemu dosud neznámé) úlohy z oblasti zpětnovazebního učení a sám ho naimplementuje a vyhodnotí.
https://ufal.mff.cuni.cz/courses/npfl139/2526-summer#micro_credential
Garant Telefon Email
RNDr. Milan Straka, Ph.D. 951554362 straka@ufal.mff.cuni.cz
Akreditace
11000 - Univerzita Karlova
348/25
26.11.2025
26.11.2035
Podrobné informace
8
210 (v hodinách celkem)
The course duration includes expected home assignments (the whole course load is 26.25 hours per credit). The classes themselves take 65 lesson units (45 minutes each), the remainder is dedicated to independent work on assignments and exam preparation.
1
Vývoj a analýzy softwaru a aplikací (0613)
Hodnocený úkol
Písemná zkouška
Úroveň Znalosti Dovednosti Kompetence
Úroveň 7 vysoce specializované znalosti, z nichž některé jsou v popředí znalostí v oboru práce nebo studia, sloužící jako základ originálního myšlení nebo výzkumu, kritické uvědomování si znalostí v oboru a na rozhraní mezi různými oblastmi speciální dovednosti požadované při řešení problémů ve výzkumu a/nebo při inovacích s cílem rozvíjet nové znalosti a postupy a integrovat poznatky z různých oblastí řídit a transformovat pracovní nebo vzdělávací kontexty, které jsou složité, nelze je předvídat a vyžadují nové strategické přístupy, nést odpovědnost za přispívání k profesním znalostem a postupům a/nebo za posuzování strategických výkonů týmů
17.2.2026
26.11.2035
Institucionální mechanismus zajišťování kvality
Zajišťuje RVH UK v rámci procesu vnitřního zajišťování kvality
Ensured by CU’s IEB as a part of the internal quality assurance process
Termín programu a místo konání
17.02.2026
21.5.2026
2025/2026
letní semestr
Malostranské náměstí 25 , 118 00, Praha
Informace pro uchazeče
1
500 Kč / program
22.05.2026
30.09.2026
Bc. Magdaléna Kokešová
magdalena.kokesova@matfyz.cuni.cz
95155 1231
https://is.cuni.cz/studium/prijimacky/index.php?do=detail_kurz_mc&cid=12544
Informace k zápisu
 
Univerzita Karlova | Informační systém UK