Algoritmy umělé inteligence (FSI-VAI-K)

Akademický rok 2021/2022
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. Stavový prostor, neinformované prohledávání.
3. Informované prohledávání stavového prostoru.
4. Řešení problémů rozkladem na podproblémy, metody prohledávání AND/OR grafu.
5. Metody hraní her.
6. Úlohy se splňováním omezení.
7. Predikátová logika a rezoluční metoda.
8. Hornova logika a logické programování.
9. Netradiční logiky.
10. Reprezentace znalostí.
11. Reprezentace a zpracování neurčitosti.
12. Bayesovské a rozhodovací sítě.
13. Markovské rozhodovací procesy.
    Konzultace 1. Úvodní motivační příklady.
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. Úlohy se splňováním omezení.
7. Metody hraní her.
8. Predikátová logika a rezoluční metoda.
9. Logické programování a jazyk Prolog.
10. Řešení úloh UI v Prologu.
11. Produkční a expertní systémy.
12. Bayesovské sítě.
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