Algoritmy umělé inteligence (FSI-VAI-K)

Akademický rok 2020/2021
Garant: prof. Ing. Radomil Matoušek, Ph.D.  
Garantující pracoviště: ÚAI všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština
Cíle předmětu:
Cílem kurzu je seznámit studenty se základními prostředky umělé inteligence, s možnostmi a přiměřeností jejich použití při řešení inženýrských úloh.
Výstupy studia a kompetence:
Pochopení základních metod umělé inteligence a schopnost jejich implementace.
Prerekvizity:
Předpokládá se znalost algoritmizace, programování a základů matematické logiky a teorie pravděpodobnosti.
Obsah předmětu (anotace):
Kurz seznamuje se základními přístupy k algoritmům umělé inteligence a klasickými metodami používanými v této oblasti. Důraz je kladen na automatické dokazování formulí, reprezentaci znalostí a řešení úloh. Použitelnost metod je demonstrována na řešení jednoduchých inženýrských problémů.
Metody vyučování:
Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách.
Způsob a kritéria hodnocení:
Požadavky pro udělení zápočtu: absolvování průběžných testů a předložení funkčního softwarového projektu, který používá některou z probíraných metod UI. Celkem může student získat 40 bodů za cvičení (20 za testy a 20 za projekt) a 60 bodů za zkoušku, celkem tedy max. 100 bodů. Hodnocení probíhá dle ECTS, tj. pro úspěšné absolvování musí student v každé části získat alespoň polovinu bodů (20 a 30).
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky:
Účast na přednáškách je žádoucí, na cvičeních povinná. Výuka běží podle týdenních plánů. Způsob nahrazení zameškaných cvičení je plně v kompetenci vyučujícího.
Typ (způsob) výuky:
    Konzultace v kombinovaném studiu  1 × 17 hod. povinná                  
    Konzultace  1 × 35 hod. nepovinná                  
Osnova:
    Konzultace v kombinovaném studiu 1. Úvod do umělé inteligence.
2. Neinformované prohledávání stavového prostoru.
3. Informované prohledávání stavového prostoru.
4. Řešení problémů rozkladem na podproblémy, metody prohledávání AND/OR grafu.
5. Metody hraní her.
6. Predikátová logika a rezoluční metoda. Netradiční logiky.
7. Hornova logika a jazyk Prolog.
8. Reprezentace znalostí pomocí pravidel a příslušné metody usuzování. Jazyk Clips.
9. Nepravidlové a hybridní reprezentace znalostí, příslušné metody usuzování.
10. Klasické přístupy ke zpracování neurčitosti (pseudobayesovský přístup, faktory jistoty).
11. Teoretické přístupy ke zpracování neurčitosti (bayesovské sítě, fuzzy přístupy).
12. Strojové učení.
13. Agenti a multiagentní systémy.
    Konzultace 1. Funkcionální programování a jazyk Lisp.
2. Metody neinformovaného prohledávání stavového prostoru.
3. Metody informovaného prohledávání stavového prostoru.
4. Algoritmus A* a jeho modifikace.
5. Metody prohledávání AND/OR grafu.
6. Metody hraní her.
7. Predikátová logika a rezoluční metoda.
8. Logické programování a jazyk Prolog.
9. Pravidlové programování a jazyk Clips.
10. Zpracování neurčitosti v pravidlových systémech.
11. Bayesovské sítě.
12. Metody strojového učení.
13. Obhájení semestrálních prací.
Literatura - základní:
1. Kim W.Tracy, Peter Bouthoorn: Object-oriented Artificial Intelligence Using C++
2. Edward A. Bender: Mathematical Methods in Artificial Intelligence
Literatura - doporučená:
1. F.Zbořil a kol.: Umělá inteligence (skriptum VUT)
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
N-AIŘ-K kombinované studium --- bez specializace -- zá,zk 4 Povinný 2 1 L