Umělá inteligence 1 - NAIL069

• Anglický název: Artificial Intelligence 1
• Zajišťuje: Katedra teoretické informatiky a matematické logiky (32-KTIML)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2020
• Semestr: zimní
• E-Kredity: 4
• Rozsah, examinace: zimní s.:2/1, Z+Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: angličtina, čeština
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Další informace: http://ktiml.mff.cuni.cz/~bartak/ui/
• Garant: prof. RNDr. Roman Barták, Ph.D.
• Třída: Informatika Mgr. - Teoretická informatika
• Kategorizace předmětu: Informatika > Teoretická informatika
• Je neslučitelnost pro: NAIX069
• Je záměnnost pro: NAIX069

Anotace

čeština

Poslední úprava: T_KTI (11.05.2011)

Úvodní přednáška představující základní pojmy a metody různých oblastí umělé inteligence. Předpokládají se znalosti v rozsahu bakalářského kursu NAIL062 Výroková a predikátová logika.

angličtina

Poslední úprava: prof. RNDr. Roman Barták, Ph.D. (10.05.2011)

An introductory course on artificial intelligence with the focus on basic concepts and methods. The cources requires knowledge of logic at the level of undergraduate course.

Cíl předmětu

čeština

Poslední úprava: T_KTI (23.05.2008)

Představit základní pojmy a metody různých oblastí umělé inteligence.

angličtina

Poslední úprava: BARTAK/MFF.CUNI.CZ (31.03.2008)

The course gives an introduction to fundamental concepts and techniques of Artificial Intelligence. The students will learn several search techniques for problem solving, including informed search such as A* algorithm, methods of logical representation of knowledge, inference techniques, constraint satisfaction, and planning techniques.

Podmínky zakončení předmětu

čeština

Poslední úprava: prof. RNDr. Roman Barták, Ph.D. (04.05.2023)

Pro úspěšné absolvování předmětu je potřeba složit zkoušku a získat zápočet. Udělení zápočtu není podmínkou pro přihlášení na zkoušku. Zápočet je získán za udělení dostatečného počtu bodů v průběhu semestru (konkrétní číslo stanoví cvičící na začátku semestru). Body jsou udělovány za řešení programovacích domácích úkolů. Zápočet nelze opakovat.

angličtina

Poslední úprava: prof. RNDr. Roman Barták, Ph.D. (04.05.2023)

To successfully complete the course, the student is required to do the exam and to get credit. The credit is not necessary for registration to exam. Credit is given for a given number of points (specified by a teacher at the beginning of semester) obtained for solving programming homework. Credit cannot be repeated.

Literatura

čeština

Poslední úprava: prof. RNDr. Roman Barták, Ph.D. (06.10.2017)

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

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

Metody výuky

čeština

Poslední úprava: prof. RNDr. Roman Barták, Ph.D. (06.10.2017)

přednáška a cvičení

angličtina

Poslední úprava: prof. RNDr. Roman Barták, Ph.D. (06.10.2017)

lecture and practical exercise

Požadavky ke zkoušce

čeština

Poslední úprava: prof. RNDr. Roman Barták, Ph.D. (06.10.2017)

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

angličtina

Poslední úprava: prof. RNDr. Roman Barták, Ph.D. (06.10.2017)

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

Sylabus

čeština

Poslední úprava: BARTAK/MFF.CUNI.CZ (18.02.2008)

Inteligentní agenti, jejich prostředí a základní struktury.

Řešení úloh prohledáváním (DFS, BFS, ID, A*, IDA*, lokální a on-line prohledávaní, heuristiky).

Splňování omezujících podmínek.

Hry (minimax, alfa-beta prořezávání).

Reprezentace znalostí v logice, logické odvozovací techniky (dopředné a zpětné řetězení, rezoluční metoda).

Automatické plánování.

angličtina

Poslední úprava: BARTAK/MFF.CUNI.CZ (18.02.2008)

Intelligent agents, environment, and structure of agents.

Problem solving by search (DFS, BFS, ID, A*, IDA*, local and on-line search, heuristics).

Constraint satisfaction.

Games (minimax, alfa-beta pruning).

Knowledge representation and inference techniques (forward and backward chaining, resolution).

Automated planning.