Úvod do umělé inteligence - NAIL120

• Anglický název: Introduction to Artificial Intelligence
• Zajišťuje: Katedra teoretické informatiky a matematické logiky (32-KTIML)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2019
• Semestr: letní
• E-Kredity: 5
• Rozsah, examinace: letní s.:2/2, Z+Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština, angličtina
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Další informace: http://ktiml.mff.cuni.cz/~bartak/ui_intro/
• Garant: prof. RNDr. Roman Barták, Ph.D.
• Třída: Informatika Bc.
• Kategorizace předmětu: Informatika > Informatika, Aplikační software, Počítačová grafika a geometrie, Databázové systémy, Didaktika informatiky, Diskrétní matematika, Předměty širšího základu, Předměty obecného základu, Počítačová a formální lingvistika, Optimalizace, Programování, Softwarové inženýrství, Teoretická informatika

Anotace

čeština

Úvodní kurz pokrývající základní koncepty a metody umělé inteligence. Předpokládány jsou znalosti logiky a pravděpodobnosti na bakalářské úrovni.

Poslední úprava: Hric Jan, RNDr. (30.04.2018)

angličtina

An introductory course covering basic concepts and methods of artificial intelligence. The course assumes knowledge of logic and probability theory at the undergraduate level.

Poslední úprava: Hric Jan, RNDr. (30.04.2018)

Cíl předmětu

čeština

Cílem předmětu je poskytnout studentům přehled základních metod a konceptů umělé inteligence a ukázat studentům, jak se představené techniky prakticky používají.

Poslední úprava: Hric Jan, RNDr. (30.04.2018)

angličtina

The aim of the course is to give students an overview of fundamental methods and concepts of artificial intelligence and to make students familiar with practical usage of them.

Poslední úprava: Hric Jan, RNDr. (30.04.2018)

Podmínky zakončení předmětu

čeština

Podmínkou pro zakončení předmětu je získání zápočtu a složení zkoušky. Zápočet je udělen za vypracování úkolů na cvičení. Povaha kontroly získání zápočtu vylučuje možnost jejího opakování. Zkouška je ústní s časem na písemnou přípravu; ve výjimečných případech může být zkouška distanční. Požadavky odpovídají sylabu předmětu v rozsahu, který byl přednesen na přednášce. Součástí zkoušky může být i návrh algoritmu aplikovaného na konkrétní problém.

Poslední úprava: Barták Roman, prof. RNDr., Ph.D. (28.04.2020)

angličtina

In order to pass the course, the student must obtain the credit for the seminar and pass an exam. The credit is given for solving assignments from the seminar. The nature of study verification excludes the possibility of its repetition. The exam is oral with time for written preparation. In exceptional cases, the exam can be on-line. The requirements correspond to the syllabus in the extent presented during the lectures. A part of the exam may be the design of an algorithm for a given problem.

Poslední úprava: Barták Roman, prof. RNDr., Ph.D. (28.04.2020)

Literatura

čeština

• S. Russell, P. Norvig: Artificial Intelligence; A Modern Approach, 2010

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

Poslední úprava: Töpfer Pavel, doc. RNDr., CSc. (25.05.2022)

angličtina

• S. Russell, P. Norvig: Artificial Intelligence; A Modern Approach, 2010

Poslední úprava: Töpfer Pavel, doc. RNDr., CSc. (25.05.2022)

Požadavky ke zkoušce

čeština

Zkouška je ústní s časem na písemnou přípravu. Požadavky odpovídají sylabu předmětu v rozsahu, který byl přednesen na přednášce. Součástí zkoušky může být i návrh algoritmu aplikovaného na konkrétní problém.

Poslední úprava: Barták Roman, prof. RNDr., Ph.D. (07.06.2019)

angličtina

The exam is oral with time for written preparation. The requirements correspond to the syllabus in the extent presented during the lectures. A part of the exam may be the design of an algorithm for a given problem.

Poslední úprava: Barták Roman, prof. RNDr., Ph.D. (07.06.2019)

Sylabus

čeština

• 1. Zavedení pojmů, historie

• 2. Řešení úloh prohledáváním (A* a spol.)

• 3. Splňování podmínek

• 4. Logické uvažování (dopředné a zpětné řetězení, rezoluce, SAT)

• 5. Pravděpodobnostní uvažování (Bayesovské sítě)

• 6. Reprezentace znalostí (situační kalkulus, Markovské modely)

• 7. Automatické plánování

• 8. Markovské rozhodovací procesy

• 9. Hry a teorie her

• 10. Strojové učení (rozhodovací stromy, regrese, zpětnovazební učení)

• 11. Filozofické a etické aspekty

Poslední úprava: Töpfer Pavel, doc. RNDr., CSc. (25.05.2022)

angličtina

• 1. Basic terminology, history, background

• 2. Problem solving via search (A* and others)

• 3. Constraint satisfaction

• 4. Logical reasoning (forward and backward chaining, resolution, SAT)

• 5. Probabilistic reasoning (Bayesian networks)

• 6. Knowledge representation (situation calculus, Markovian models)

• 7. Automated planning

• 8. Markov decision processes

• 9. Games and theory of games

• 10. Machine learning (decision trees, regression, reinforcement learning)

• 11. Philosophical and ethical aspects

Poslední úprava: Töpfer Pavel, doc. RNDr., CSc. (25.05.2022)