Elements of AI - Úvod do umělé inteligence - TVOL0007

• Anglický název: Elements of AI - Introduction to AI
• Zajišťuje: Centrum pro přenos poznatků a technologií (71-CPPT)
• Fakulta: Centrum pro přenos poznatků a technologií
• Platnost: od 2022
• Semestr: oba
• E-Kredity: 2
• Rozsah, examinace: 0/4, Z [HT]
• Počet míst: zimní:neurčen / neurčen (neurčen); letní:neurčen / neurčen (neurčen)
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: nevyučován
• Jazyk výuky: čeština, angličtina
• Způsob výuky: distanční
• Další informace: https://www.elementsofai.cz/
• Poznámka: předmět je možno zapsat mimo plán; povolen pro zápis po webu; při zápisu přednost, je-li ve stud. plánu; předmět lze zapsat v ZS i LS
• Garant: Mgr. et Mgr. Hana Kosová; Ing. Yeva Prysiazhniuk; Bc. Eliška Sýkorová

Anotace

čeština

Co to je umělá inteligence? Jak ovlivňuje naše životy? A co všechno je s umělou inteligencí možné? Ve spolupráci s prg.ai, Českým učením vysokým v Praze a Úřadem vlády vám nabízíme online kurz, který vás uvede do tématu AI bez nutnosti rozumět komplikované matematice a programování. Online kurz připravila Univerzita v Helsinkách ve spolupráci s firmou Reaktor a studenti UK ho budou moci absolvovat buď v angličtině, nebo v češtině. Další informace: https://www.elementsofai.cz/

Poslední úprava: Veselý Jan, Bc. et Bc. (12.02.2021)

angličtina

The Elements of AI is a series of free online courses created by Reaktor and the University of Helsinki. We want to encourage as broad a group of people as possible to learn what AI is, what can (and can’t) be done with AI, and how to start creating AI methods. The courses combine theory with practical exercises and can be completed at your own pace. An Introduction to AI is a free online course for everyone interested in learning what AI is, what is possible (and not possible) with AI, and how it affects our lives – with no complicated math or programming required. https://www.elementsofai.com/

Poslední úprava: Veselý Jan, Bc. et Bc. (12.02.2021)

Cíl předmětu

čeština

Po úspěšném absolvování bude student schopen:

• Vysvětlit autonomii a adaptabilitu jako klíčové pojmy pro vysvětlení umělé inteligence

• Rozlišovat mezi reálnou a nereálnou umělou inteligencí (sci-fi versus skutečný život)

• Vyjádřit základní filozofické problémy týkající se umělé inteligence včetně implikací Turingova testu a myšlenkového experimentu čínského pokoj

• Formulovat reálný problém jako vyhledávací problém

• Formulovat jednoduchou hru (např. piškvorky) jako strom hry

• Využít princip minimax k nalezení optimálních tahů v rámci omezeného stromu hry

• Vyjadřovat pravděpodobnosti ve formě přirozených četností

• Uplatnit Bayesovu větu k dovozování rizika v jednoduchých scénářích

• Vysvětlit omyl základní četnosti a vyhnout se mu s použitím Bayesovské argumentace

• Vysvětlit, proč se používají techniky strojového učení

• Odlišit od sebe scénáře strojového učení s učitelem a bez učitele

• Vysvětlit principy tří metod klasifikace založených na učení s učitelem: metody nejbližšího souseda, lineární regrese a logistické regrese

• Vysvětlit, co jsou neuronové sítě a kde se úspěšně používají

• Chápat technické metody tvořící podklad neuronových sítí

• Pochopit náročnost předvídání budoucnosti a lépe vyhodnocovat tvrzení o umělé inteligenci

• Identifikovat některé hlavní společenské dopady umělé inteligence včetně algoritmické předpojatosti, obsahu generovaného umělou inteligencí, soukromí a práce.

Poslední úprava: Veselý Jan, Bc. et Bc. (12.02.2021)

angličtina

After successfully completing the course the student will be able to:

– Identify autonomy and adaptivity as key concepts of AI

– Distinguish between realistic and unrealistic AI (science fiction vs. real life)

– Express the basic philosophical problems related to AI including the implications of the Turing test and Chinese room thought experiment

– Formulate a real-world problem as a search problem

– Formulate a simple game (such as tic-tac-toe) as a game tree

– Use the minimax principle to find optimal moves in a limited-size game tree

– Express probabilities in terms of natural frequencies

– Apply the Bayes rule to infer risks in simple scenarios

– Explain the base-rate fallacy and avoid it by applying Bayesian reasoning

– Explain why machine learning techniques are used

– Distinguish between unsupervised and supervised machine learning scenarios

– Explain the principles of three supervised classification methods: the nearest neighbor method, linear regression, and logistic regression

– Explain what a neural network is and where they are being successfully used

– Understand the technical methods that underpin neural networks

– Understand the difficulty in predicting the future and be able to better evaluate the claims made about AI

– Identify some of the major societal implications of AI including algorithmic bias, AI-generated content, privacy, and work

Poslední úprava: Veselý Jan, Bc. et Bc. (21.01.2021)

Podmínky zakončení předmětu

čeština

Za úspěšné absolvování online kurzu a vyplnění formuláře se zpětnou vazbou a odkazem na certifikát obdržíte dva kredity.

Vyplňujte prosím zde: https://forms.office.com/r/9qQ8LhfRF6

Hodnocení je založeno na cvičeních, včetně kvízů s výběrem z několika odpovědí, numerických cvičení a otázek, které vyžadují písemnou odpověď. Numerická cvičení s možností výběru z více možností jsou kontrolovány automaticky a cvičení s písemnými odpověďmi kontrolují ostatní studenti (vzájemné hodnocení) a v některých případech i instruktoři. Absolvování kurzu vyžaduje úspěšné vyhotovení minimálně 90 % cvičení a minimálně 50% správnost. Kurz je hodnocen známkou prospěl/neprospěl (žádné číselné hodnocení).

Poslední úprava: Práglová Petra, Bc. (13.09.2021)

angličtina

You will receive two credits for successfully completing the online course and providing the obtained certificate through this form:

https://forms.office.com/r/9qQ8LhfRF6

Assessment is based on exercises, including multiple choice quizzes, numerical exercises, and questions that require a written answer. The multiple choice and numerical exercises are automatically checked, and the exercises with written answers are reviewed by other students (peer grading) and in some cases by the instructors. Successful completion of the course requires at least 90% completed exercises and minimum 50% correctness. The course is graded as pass/fail (no numerical grades).

Poslední úprava: Práglová Petra, Bc. (13.09.2021)

Metody výuky

čeština

Online kurz dostupný na www.elementsofai.cz - pracujete na něm samostatně dle svých možností.

Poslední úprava: Veselý Jan, Bc. et Bc. (16.02.2021)

angličtina

Online course https://www.elementsofai.com/ - you work on it at your own pace.

Poslední úprava: Veselý Jan, Bc. et Bc. (16.02.2021)

Sylabus

čeština

Materiál hromadného otevřeného online kurzu Elements of AI (https://course.elementsofai.com), který vytvořila Helsinská univerzita ve spolupráci s firmou Reaktor, se skládá z textových a interaktivních prvků. Materiál je rozdělen do šesti kapitol:

1. Co je umělá inteligence?

2. Řešení problémů pomocí umělé inteligence

3. Umělá inteligence v reálném světě

4. Strojové učení

5. Neuronové sítě

6. Důsledky

Poslední úprava: Veselý Jan, Bc. et Bc. (12.02.2021)

angličtina

The material of the massive open online course Elements of AI (https://course.elementsofai.com), offered by the University of Helsinki in collaboration with Reaktor, consists of text and interactive elements. The material is divided in six chapters which are:

1. What is AI?

2. AI problem solving

3. Real world AI

4. Machine learning

5. Neural networks

6. Implications

Poslední úprava: Veselý Jan, Bc. et Bc. (21.01.2021)