CleanMate 365. ACECAD Enterprises DigiMemo A502. individua vědomě orientovat vlastní. globální schopnost individua účelně

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "CleanMate 365. ACECAD Enterprises DigiMemo A502. individua vědomě orientovat vlastní. globální schopnost individua účelně"

Transkript

1 ELECTROLUX ESI 6221 K Myčka v novém Alpha 1 designu s Fuzzy logic technologií Umělá inteligence = = umělá + inteligence CleanMate 365 CleanMate 365 je inteligentní robotický vysavač, který za Vás doma perfektně vysaje a zamete. První generace robota AIBO: krok směrem k umělé inteligenci Umělé = člověkem vytvořený artefakt (umělá hmota, umělý sníh, umělý kloub ) ACECAD Enterprises DigiMemo A502 digitální poznámkový blok existuje nějaká přirozená věc, kterou je možno duplikovat existuje záměr člověka vytvořit duplikát oné přirozené věci došlo k provedení záměru ACECAD MyScript Notes Handwriting Recognition - Praktický program pro převod ručně psaného textu do editovatelné podoby určený pro ACECAD DigiMemo A502. More interactions, alliances and realistic artificial intelligence responses put players in the middle of negotiations, trade systems and diplomatic actions. (www.civ3.com) P. Berka, /20 P. Berka, /20 Inteligence Inteligence je všeobecná schopnost individua vědomě orientovat vlastní myšlení na nové požadavky, je to všeobecná duchovní schopnost přizpůsobit se novým životním úkolům a podmínkám. (W. Stern) Inteligence je vnitřně členitá a zároveň globální schopnost individua účelně jednat, rozumně myslet a efektivně se vyrovnávat se svým okolím. (D. Wechsler) Inteligence je schopnost zpracovávat informace. Informacemi je třeba chápat všechny dojmy, které člověk vnímá. (J. P. Guilford) Druhy inteligence Abstraktní inteligence - schopnost řešit dobře definované akademické problémy s jednoznačnou odpovědí. Dobře koreluje s úspěšností v akademickém životě. Praktická inteligence - schopností řešit problémy každodenního života. V těchto případech řešení není jednoznačné a zpravidla existuje několik alternativních způsobů. Nejasná je často i formulace úkolu. Sociální inteligence - schopnost pohybovat se v sociálním prostředí, tj. umět jednat s lidmi. Emoční inteligence - ovlivňuje úspěšnost jedince v rodině, na pracovišti, v sociálních a intimních vztazích. Inteligence je to, co dokáží lidé a ne stroje. (odpůrci AI) P. Berka, /20 P. Berka, /20

2 Umělá inteligence (AI) Umělá inteligence je věda o vytváření strojů nebo systémů, které budou při řešení určitého úkolu užívat takového postupu, který - kdyby ho dělal člověk - bychom považovali za projev jeho inteligence. (Minsky, 1967) Umělá inteligence se zabývá tím, jak počítačově řešit úlohy, které dnes zatím zvládají lidé lépe. (Rich, 1991)... Umělá inteligence je označení uměle vytvořeného jevu, který dostatečně přesvědčivě připomíná přirozený fenomén lidské inteligence. Umělá inteligence označuje tu oblast poznávání skutečnosti, která se zaobírá hledáním hranic a možností symbolické, znakové reprezentace poznatků a procesů jejich nabývání, udržování a využívání. Umělá inteligence se zabývá problematikou postupů zpracování poznatků - osvojováním a způsobem použití poznatků při řešení problémů.... Nejrůznější definice, které mohou být klasifikovány do čtyř skupin (Russell, Norvig, 2003): jako lidé racionálně Myslet Silná AI Klasická AI Jednat Slabá AI Nová AI P. Berka, /20 P. Berka, /20 Silná (strong) AI Povaha mysli je algoritmická, přičemž není podstatné, v jakém médiu (mozek, počítač, ) jsou algoritmy implementovány = v počítači lze replikovat lidskou mysl. Tři pohledy na AI Klasická AI chápe inteligenci jako atribut jedné mysli Slabá (weak) AI Modelování dílčích projevů mysli (např. schopnosti usuzovat nebo řešit problémy). Klasická AI Modelování mysli na logicko-symbolické úrovni. Distribuovaná AI chápe inteligenci jako produkt sociálních interakcí více myslí Nová AI vidí inteligenci jako emergentní výsledek činnosti primitivních entit Nová AI K racionálnímu chování není třeba racionální usuzování. P. Berka, /20 P. Berka, /20

3 Dva základní myšlenkové proudy Začátky umělé inteligence Logicko-symbolický (klasický) modelování shora dolů reprezentacionalizmus deliberativnost 1950 Alan Turing: Computing Machinery and Intelligence. Mind 59, 1950, s Mohou stroje myslet? Konekcionistický, případně nová AI modelování zdola nahoru emergentní funkcionalita dekompozice na úrovni úloh reaktivita Turingův test: úkolem stroje je v komunikaci s experimentátorem předstírat, že je člověk. od roku 1991 Loebnerova cena pro program, který nejlépe uspěje v redukované podobě Turingova testu viz Hlavní námitka: test neměří myšlení ale chování J. Searle (1980): Čínská komnata P. Berka, /20 P. Berka, /20 Eliza (1965), J. Weizenbaum pacient: Ahoj. Eliza: AHOJ, JAK SE CÍTÍŠ? pacient: Cítím se strašně. Eliza: CO TÍM PŘESNĚ MYSLÍŠ? pacient: Jsem v depresi. Eliza: PROČ SI MYSLÍŠ, ŽE JSI V DEPRESI. pacient: Protože je mi smutno. Eliza: ŽIJEŠ S RODINOU? pacient: Ne. Eliza: MÁŠ PŘÁTELE? pacient: Celkem ne. Eliza: PROČ? pacient: Nevím. Eliza: OPRAVDU NEVÍŠ NEBO SE JEN VYHÝBÁŠ ODPOVĚDI? pacient: Dřív jsem přátele měl. Eliza: KDY? pacient: Než jsem se oženil. Eliza: NEŘEKL JSI MI, ŽE SES OŽENIL. pacient: Už jsem se zase rozvedl. Eliza: POVĚZ MI O SVÉM ROZVODU. Etapy výzkumu léta: hledání univerzálního řešícího postupu léta: otázka reprezentace znalostí 90.- léta: učení a adaptace, komunikace (D. Lodge, Svět je malý) P. Berka, /20 P. Berka, /20

4 Historie AI 1943 model neuronu McCulloch, Pitts 1950 Turingův test Turing 1950 šachy jako prohledávání Shanon 1956 Dartmouthská konference (pojem AI) Minsky, McCarthy, Simon, Newell 1957 Perceptron Rosenblatt GPS (General Problem Solver) Newell, Simon, Shaw formální gramatiky Chomsky 1958 LISP McCarthy 1965 DENDRAL Feigenbaum, Buchanan fuzzy logika Zadeh rezoluční princip Robinson 1968 sémantické sítě Quillian SHRDLU Winograd Macsyma (symbolické Moses integrování) 1969 kniha Perceptrons Minsky, Papert robot Shakey SRI 1970 PROLOG Colmerauer, Roussell 1971 HEARSAY I Lesser 1973 MYCIN Shortliffe, Buchanan 1975 rámce Minsky 1976 Dempster-Shaferova teorie Dempster, Shafer PROSPECTOR Duda, Hart 1977 OPS Forgy 1978 R1/XCON McDermott 1979 ReTe algoritmus Forgy 1981 japonský projekt počítačů páté generace connection machine Hillis 1982 Hopfieldova neuronová síť Hopfield 1983 intervalová aritmetika Allen 1984 CyC Lenat 1987 kniha Society of Mind Minski reaktivní agenti Brooks 1989 ALVINN (autonomous land Pomerleau vehicle in a neural network) 1993 humanoidní robot Cog Brooks 1995 robotické auto Dickmanns 1997 Deep Blue IBM RoboCup (fotbal) 1998 semantický web Berners-Lee 2000 sociální robot Kismet Breazeal 2004 web ontology language OWL 2006 OpenCyC P. Berka, /20 P. Berka, /20 Oblasti (technologicky) 1. Řešení úloh a. Prohledávání b. Plánování 2. Reprezentování znalostí 3. Usuzování 4. Zpracování neurčitosti 5. Učení 6. Adaptace 7. Komunikace 8. Reaktivita 9. Vnímání Oblasti (oborově) 1. Hraní her 2. Dokazování teorémů 3. Rozpoznávání obrazů 4. Zpracování přirozeného jazyka 5. Expertní systémy 6. Robotika 7. Strojové učení 8. Dobývání znalostí z databází 9. Neuronové sítě 10. Počítačové vidění 11. Multiagentní systémy 12. Umělý život P. Berka, /20 P. Berka, /20

5 S. Russell, P. Norvig: Artificial Intelligence: A Modern Approach Prentice Hall, 2002 Part I Artificial Intelligence 1 Introduction 2 Intelligent Agents Part II Problem Solving 3 Solving Problems by Searching 4 Informed Search and Exploration 5 Constraint Satisfaction Problems 6 Adversarial Search Part III Knowledge and Reasoning 7 Logical Agents 8 First-Order Logic 9 Inference in First-Order Logic 10 Knowledge Representation Part IV Planning 11 Planning 12 Planning and Acting in the Real World Part V Uncertain Knowledge and Reasoning 13 Uncertainty 14 Probabilistic Reasoning 15 Probabilistic Reasoning Over Time 16 Making Simple Decisions 17 Making Complex Decisions Part VI Learning 18 Learning from Observations 19 Knowledge in Learning 20 Statistical Learning Methods 21 Reinforcement Learning Part VII Communicating, Perceiving, and Acting 22 Communication 23 Probabilistic Language Processing 24 Perception 25 Robotics Part VIII Conclusions 26 Philosophical Foundations 27 AI: Present and Future P. Berka, /20 P.H.Winston: Artificial Intelligence, Addison-Wesley, 1992 I Representations and Methods 1 The Intelligent Computer 2 Semantic Nets and Description Matching 3 Generate and Test, Means-Ends Analysis, and Problem Reduction 4 Nets and Basic Search 5 Nets and Optimal Search 6 Trees and Adversarial Search 7 Rules and Rule Chaining 8 Rules, Substrates, and Cognitive Modeling 9 Frames and Inheritance 10 Frames and Commonsense 11 Numeric Constraints and Propagation 12 Symbolic Constraints and Propagation 13 Logic and Resolution Proof 14 Backtracking and Truth Maintenance 15 Planning II Learning and Regularity Recognition 16 Analyzing Differences 17 Explaining Experience 18 Correcting Mistakes 19 Recording Cases 20 Managing Multiple Models 21 Building Identification Trees 22 Training Neural Nets 23 Training Perceptrons 24 Training Approximation Nets 25 Simulating Evolution III Vision and Language 26 Recognizing Objects 27 Describing Images 28 Expressing Language Constraints 29 Responding to Questions and Commands Appendix: Relational Databases P. Berka, /20 G. Luger: AI: Structures and Strategies for Complex Problem Solving Addison Wesley 2002 I ARTIFICIAL INTELLIGENCE: ITS ROOTS AND SCOPE 1 AI: HISTORY AND APPLICATIONS II ARTIFICIAL INTELLIGENCE AS REPRESENTATION AND SEARCH 2 THE PREDICATE CALCULUS 3 STRUCTURES AND STRATEGIES FOR STATE SPACE SEARCH 4 HEURISTIC SEARCH 5 STOCHASTIC METHODS 6 CONTROL AND IMPLEMENTATION OF STATE SPACE SEARCH III REPRESENTATION AND INTELLIGENCE: THE AI CHALLENGE 7 KNOWLEDGE REPRESENTATION 8 STRONG METHOD PROBLEM SOLVING 9 REASONING IN UNCERTAIN SITUATIONS IV MACHINE LEARNING 10 MACHINE LEARNING: SYMBOL-BASED 11 MACHINE LEARNING: CONNECTIONIST 12 MACHINE LEARNING: SOCIAL AND EMERGENT V ADVANCED TOPICS FOR AI PROBLEM SOLVING 13 AUTOMATED REASONING 14 UNDERSTANDING NATURAL LANGUAGE VI LANGUAGES AND PROGRAMMING TECHNIQUES FOR ARTIFICIAL INTELLIGENCE 15 AN INTRODUCTION TO PROLOG 16 AN INTRODUCTION TO LISP VII EPILOGUE 17 ARTIFICIAL INTELLIGENCE AS EMPIRICAL ENQUIRY Nils Nilsson: Artificial Intelligence, A New Synthesis Morgan Kaufman, Introduction I Reactive Machines 2 Stimulus-Response Agents 3 Neural Network 4 Machine Evolution 5 State Machines 6 Robot Vision II Search in State Spaces 7 Agents that Plan 8 Uninformed Search 9 Heuristic Search 10 Planning, Acting, and Learning 11 Alternative Search Formulations and Applications 12 Adversarial Search III Knowledge Representation and Reasoning 13 The Propositional Calculus 14 Resolution in The Propositional Calculus 15 The Predicate Calculus 16 Resolution in the Predicate Calculus 17 Knowledge-Based Systems 18 Representing Commonsense Knowledge 19 Reasoning with Uncertain Information 20 Learning and Acting with Bayes Nets IV Planning Method Based on Logic 21 The Situation Calculus 22 Planning V Communication and Integration 23 Multiple Agents 24 Communication Among Agents 25 Agent Architectures P. Berka, /20 P. Berka, /20

AIBO CleanMate 365 ACECAD Enterprises DigiMemo

AIBO CleanMate 365 ACECAD Enterprises DigiMemo ELECTROLUX ESI 6221 K Myčka v novém Alpha 1 designu s Fuzzy logic technologií www.sony.cz CleanMate 365 CleanMate 365 je inteligentní robotický vysavač, který za Vás doma perfektně vysaje a zamete. První

Více

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14 ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 18 0:40 Umělá inteligence Umělá inteligence (UI) vlastně

Více

Přírodou inspirované metody umělé inteligence

Přírodou inspirované metody umělé inteligence Přírodou inspirované metody umělé inteligence Roman Neruda Ústav informatiky AVČR roman@cs.cas.cz Nové Hrady, červenec 2012 Od Darwina a Mendela... ... k inteligentním agentům. Umělá inteligence 2 přístupy

Více

Inteligentní systémy a neuronové sítě

Inteligentní systémy a neuronové sítě Inteligentní systémy a neuronové sítě Arnošt Veselý, Česká zemědělská univerzita, Kamýcká, Praha 6 - Suchdol Summary: In the article two main architectures of inteligent systems: logical-symbolic and connectionist

Více

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

MATEMATICKÁ TEORIE ROZHODOVÁNÍ MATEMATICKÁ metodický list č. 1 Řešení úloh Cílem tohoto tematického celku je vysvětlení vybraných pojmů z oblasti řešení úloh. Tématický celek je rozdělen do těchto dílčích témat: 1. Řešení úloh ve stavovém

Více

Evoluční algoritmy a umělý život

Evoluční algoritmy a umělý život Evoluční algoritmy a umělý život Roman Neruda Ústav informatiky AVČR roman@cs.cas.cz Olomouc, červen 2012 Od Darwina a Mendela... ... k inteligentním agentům. Umělý život Odkazy: Steven Levy: Artificial

Více

Vysoká škola ekonomická v Praze

Vysoká škola ekonomická v Praze Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Katedra informačního a znalostního inženýrství Obor: Aplikovaná informatika Student : Filip Hrbek Vedoucí bakalářské práce : prof. Ing.

Více

Web 2.0 vs. sémantický web

Web 2.0 vs. sémantický web Web 2.0 vs. sémantický web Vilém Sklenák sklenak@vse.cz Vysoká škola ekonomická, fakulta informatiky a statistiky, katedra informačního a znalostního inženýrství Inforum2007, 24. 5. 2007 Vilém Sklenák

Více

Robotika. Reaktivní agenty (nová AI) Deliberativní agenty (klasická AI)

Robotika. Reaktivní agenty (nová AI) Deliberativní agenty (klasická AI) Robotika Autonomní mobilní robot je inteligentní stroj schopen vykonávat úkoly samostatně, bez lidské pomoci. Nejdůležitější vlastností autonomního robota je jeho schopnost reagovat na změny prostředí.

Více

I. Úvod do agentních a multiagentních systémů

I. Úvod do agentních a multiagentních systémů Obsah přednášky I. Úvod do agentních a multiagentních systémů Podklady k přednáškám kurzu AGS ---------------------------------------------------- 2005, 2006 František Zbořil ml. zborilf@fit.vutbr.cz Organizační

Více

INFORMAČNÍ SEMINÁŘ PRO DOKTORANDY FIM

INFORMAČNÍ SEMINÁŘ PRO DOKTORANDY FIM Inovace a podpora doktorského studijního programu CZ.1.07/2.2.00/28.0327 INFORMAČNÍ SEMINÁŘ PRO DOKTORANDY FIM Jak psát odborný článek Hledání vhodné konference 2 Naleznete sami (např. na internetu) Doporučení

Více

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

MATEMATICKÁ TEORIE ROZHODOVÁNÍ MATEMATICKÁ TEORIE ROZHODOVÁNÍ Podklady k soustředění č. 5 Komunikace a kooperace Komunikace se jako jeden z principů objevuje v umělé inteligenci až v druhé polovině 80. let. V roce 1986 uveřejňuje M.

Více

České vysoké učení technické v Praze je jednou z nejstarších technicky zaměřených univerzit.

České vysoké učení technické v Praze je jednou z nejstarších technicky zaměřených univerzit. České vysoké učení technické v Praze je jednou z nejstarších technicky zaměřených univerzit. Poskytuje kvalitní vysokoškolské vzdělání v rozsáhlém spektru zejména inženýrských disciplín, zajišťuje základní

Více

Vývojové trendy 1. Dnešní téma. Vývojové trendy 2. Vývojové trendy ve zpracování informací a znalostí

Vývojové trendy 1. Dnešní téma. Vývojové trendy 2. Vývojové trendy ve zpracování informací a znalostí Dnešní téma Vývojové trendy 1 Vývojové trendy ve zpracování informací a znalostí Znalostní management Využití umělé inteligence Sémantický web Zpracování přirozeného jazyka 1 Hnacím motorem vývoje v současnosti

Více

IB013 Logické programování I Hana Rudová. jaro 2011

IB013 Logické programování I Hana Rudová. jaro 2011 IB013 Logické programování I Hana Rudová jaro 2011 Hodnocení předmětu Zápočtový projekt: celkem až 40 bodů Průběžná písemná práce: až 30 bodů (základy programování v Prologu) pro každého jediný termín:

Více

Vědecký tutoriál, část I. A Tutorial. Vilém Vychodil (Univerzita Palackého v Olomouci)

Vědecký tutoriál, část I. A Tutorial. Vilém Vychodil (Univerzita Palackého v Olomouci) ..! POSSIBILISTIC Laboratoř pro analýzu INFORMATION: a modelování dat Vědecký tutoriál, část I A Tutorial Vilém Vychodil (Univerzita Palackého v Olomouci) George J. Klir State University of New York (SUNY)

Více

UITS / ISY. Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně. ISY: Výzkumná skupina inteligentních systémů 1 / 14

UITS / ISY. Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně. ISY: Výzkumná skupina inteligentních systémů 1 / 14 UITS / ISY Výzkumná skupina inteligentních systémů Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně ISY: Výzkumná skupina inteligentních systémů 1 / 14 Obsah Představení skupiny

Více

1. Data mining. Strojové učení. Základní úlohy.

1. Data mining. Strojové učení. Základní úlohy. 1... Základní úlohy. Učení s učitelem a bez učitele. Petr Pošík Katedra kybernetiky ČVUT FEL P. Pošík c 2010 Aplikace umělé inteligence 1 / 36 Obsah P. Pošík c 2010 Aplikace umělé inteligence 2 / 36 Co

Více

Umělá&inteligence! Co#o#nás#říká,#i#když#to#(někdy)#nechceme#slyšet?#

Umělá&inteligence! Co#o#nás#říká,#i#když#to#(někdy)#nechceme#slyšet?# Umělá&inteligence! Co#o#nás#říká,#i#když#to#(někdy)#nechceme#slyšet?# Roman Barták Matematicko-fyzikální fakulta, Univerzita Karlova v Praze Umělá& inteligence& je& věda& o& vytváření& strojů& nebo&systémů,&které&budou&při&řešení&určitého&

Více

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky Biologicky inspirované výpočty Schématické rozdělení problematiky a výuky 1 Biologicky inspirované výpočty - struktura problematiky Evoluční systémy: evoluční algoritmy, evoluční hardware, víceúčelová

Více

Uznávání předmětů ze zahraničních studijních pobytů

Uznávání předmětů ze zahraničních studijních pobytů Uznávání předmětů ze zahraničních studijních pobytů Podnikání a administrativa 7 Mezinárodní obchod Ekonometrie Obecná ekonomie III 8 Velkoobchod a maloobchod Management 9 Marketingové řízení Strategický

Více

1 VZNIK, VÝVOJ A DEFINICE MECHATRONIKY

1 VZNIK, VÝVOJ A DEFINICE MECHATRONIKY 1 VZNIK, VÝVOJ A DEFINICE MECHATRONIKY 1.1 VÝVOJ MECHATRONIKY Ve vývoji mechatroniky lze vysledovat tři období: 1. etapa polovina 70. let, Japonsko, založení nového oboru shrnuje poznatky z mechaniky,

Více

Systémy pro podporu managementu 1

Systémy pro podporu managementu 1 Systémy pro podporu managementu 1 Přednášky pro im2, im3, im5, ai2, ai3 Ing. Karel Mls, Ph.D. 1 2 Základní literatura EFRAIM TURBAN, JAY E. ARONSON: DECISION SUPPORT SYSTEMS AND INTELLIGENT SYSTEMS. PRENTICE

Více

dokumentu: Proceedings of 27th International Conference Mathematical Methods in

dokumentu: Proceedings of 27th International Conference Mathematical Methods in 1. Empirical Estimates in Stochastic Optimization via Distribution Tails Druh výsledku: J - Článek v odborném periodiku, Předkladatel výsledku: Ústav teorie informace a automatizace AV ČR, v. v. i., Dodavatel

Více

ANALYTICKÉ PROGRAMOVÁNÍ

ANALYTICKÉ PROGRAMOVÁNÍ ZVYŠOVÁNÍODBORNÝCH KOMPETENCÍAKADEMICKÝCH PRACOVNÍKŮ OSTRAVSKÉUNIVERZITY V OSTRAVĚ A SLEZSKÉ UNIVERZITY V OPAVĚ ANALYTICKÉ PROGRAMOVÁNÍ Eva Volná Zuzana Komínková Oplatková Roman Šenkeřík OBSAH PRESENTACE

Více

Moderní systémy pro získávání znalostí z informací a dat

Moderní systémy pro získávání znalostí z informací a dat Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:

Více

Metody analýzy dat I (Data Analysis I) Úvod do sítí (Networks Basics)

Metody analýzy dat I (Data Analysis I) Úvod do sítí (Networks Basics) Metody analýzy dat I (Data Analysis I) Úvod do sítí (Networks Basics) Literatura Newman, M. (2010). Networks: An Introduction. Oxford University Press. [15-77] Leskovec, J., Rajaraman, A., Ullman, J. D.

Více

Pomáháme vám využívat vaše informace VYHLEDÁVACÍ TECHNOLOGIE PRO ON-LINE INFORMAČNÍ ZDROJE SEARCH DRIVEN INNOVATION

Pomáháme vám využívat vaše informace VYHLEDÁVACÍ TECHNOLOGIE PRO ON-LINE INFORMAČNÍ ZDROJE SEARCH DRIVEN INNOVATION Pomáháme vám využívat vaše informace VYHLEDÁVACÍ TECHNOLOGIE PRO ON-LINE INFORMAČNÍ ZDROJE SEARCH DRIVEN INNOVATION INFORUM 2008 P.Kocourek, INCAD FAST X10 partner 29.5.2008 PREZENTACE Technologicky orientovaný

Více

Znalostní technologie proč a jak?

Znalostní technologie proč a jak? Znalostní technologie proč a jak? Peter Mikulecký Kamila Olševičová Daniela Ponce Univerzita Hradec Králové Motivace 1993 vznik Fakulty řízení a informační technologie na Vysoké škole pedagogické v Hradci

Více

Metody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka

Metody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka Metody tvorby ontologií a sémantický web Martin Malčík, Rostislav Miarka Obsah Reprezentace znalostí Ontologie a sémantický web Tvorba ontologií Hierarchie znalostí (D.R.Tobin) Data jakékoliv znakové řetězce

Více

Filosofické aspekty umělé inteligence v kontextu pedagogických paradigmat

Filosofické aspekty umělé inteligence v kontextu pedagogických paradigmat Issue/Volume/Year: 1/XI/2014 (Article) Filosofické aspekty umělé inteligence v kontextu pedagogických paradigmat Autor: Michal Černý Abstract Philosophical Aspects of Artificial Intelligence in the Context

Více

Jazyk názvu DiP: cs 1 / 6

Jazyk názvu DiP: cs 1 / 6 1 FEI INF prof. RNDr. Václav Snášel, CSc. DNA assembler DNA assembler 2 FEI INF prof. RNDr. Václav Snášel, CSc. Deep learning Deep learning 3 FEI INF prof. RNDr. Václav Snášel, CSc. Dynamic graph visualization

Více

Klepnutím lze upravit styl předlohy. nadpisů. nadpisů.

Klepnutím lze upravit styl předlohy. nadpisů. nadpisů. 1/ 13 Klepnutím lze upravit styl předlohy Klepnutím lze upravit styl předlohy www.splab.cz Soft biometric traits in de identification process Hair Jiri Prinosil Jiri Mekyska Zdenek Smekal 2/ 13 Klepnutím

Více

UMĚLÁ INTELIGENCE ARTIFICIAL INTELLIGENCE (AI)

UMĚLÁ INTELIGENCE ARTIFICIAL INTELLIGENCE (AI) UMĚLÁ INTELIGENCE ARTIFICIAL INTELLIGENCE (AI) Motto: Přirozená inteligence bude zřejmě brzy překonána inteligencí umělou, avšak přirozenou blbost umělá nikdy překonat nedokáže. Jára da Cimrman 1 ÚVOD

Více

POČÍTAČOVÁ FORMALIZACE MENTÁLNÍCH MODELŮ METODAMI PRAVDĚPODOBNOSTNÍHO JAZYKOVÉHO MODELOVÁNÍ

POČÍTAČOVÁ FORMALIZACE MENTÁLNÍCH MODELŮ METODAMI PRAVDĚPODOBNOSTNÍHO JAZYKOVÉHO MODELOVÁNÍ POČÍTAČOVÁ FORMALIZACE MENTÁLNÍCH MODELŮ METODAMI PRAVDĚPODOBNOSTNÍHO JAZYKOVÉHO MODELOVÁNÍ ON MENTAL MODELS FORMALIZATION THROUGH THE METHODS OF PROBABILISTIC LINGUISTIC MODELLING Zdeňka Krišová, Miroslav

Více

Úvod do mobilní robotiky AIL028

Úvod do mobilní robotiky AIL028 zbynek.winkler at mff.cuni.cz http://robotika.cz/guide/umor07/cs 4. října 2007 1 Co jsou to ti mobilní roboti? K čemu je to dobré? Jak bude vypadat přednáška? Jaké jsou další přednášky/semináře o robotech?

Více

Deterministický chaos principy a aplikace Popis deterministického chaosu Turbulence Atraktory Motýlí efekt Řízení deterministického chaosu Fraktály

Deterministický chaos principy a aplikace Popis deterministického chaosu Turbulence Atraktory Motýlí efekt Řízení deterministického chaosu Fraktály Průvodka dokumentem Umělá inteligence: - nadpisy tří úrovní (pomocí stylů Nadpis 1 2), před nimi je znak - na začátku dokumentu je automatický obsah ( Obsah) - tabulky jsou v textu pouze symetrické, vloženy

Více

Geometrické indexování a dotazování multimediálních dat

Geometrické indexování a dotazování multimediálních dat Geometrické indexování a dotazování multimediálních dat Tomáš Skopal, Michal Krátký, Václav Snášel Katedra informatiky, VŠB-Technická Univerzita Ostrava 17. listopadu 15, 708 33 Ostrava-Poruba {michal.kratky,

Více

Klepnutím lze upravit styl Click to edit Master title style předlohy nadpisů.

Klepnutím lze upravit styl Click to edit Master title style předlohy nadpisů. nadpisu. Case Study Environmental Controlling level Control Fifth level Implementation Policy and goals Organisation Documentation Information Mass and energy balances Analysis Planning of measures 1 1

Více

Sémantický web 10 let poté

Sémantický web 10 let poté Sémantický web 10 let poté Doc. Ing. Vilém Sklenák, CSc. Vysoká škola ekonomická, fakulta informatiky a statistiky, katedra informačního a znalostního inženýrství sklenak@vse.cz INFORUM 2011: 17. konference

Více

ADAPTACE PARAMETRU SIMULAČNÍHO MODELU ASYNCHRONNÍHO STROJE PARAMETR ADAPTATION IN SIMULATION MODEL OF THE ASYNCHRONOUS MACHINE

ADAPTACE PARAMETRU SIMULAČNÍHO MODELU ASYNCHRONNÍHO STROJE PARAMETR ADAPTATION IN SIMULATION MODEL OF THE ASYNCHRONOUS MACHINE ADAPTACE PARAMETRU SIMULAČNÍHO MODELU ASYNCHRONNÍHO STROJE PARAMETR ADAPTATION IN SIMULATION MODEL OF THE ASYNCHRONOUS MACHINE Oktavián Strádal 1 Anotace: Článek ukazuje použití metod umělé inteligence

Více

u odpovědí typu A, B, C, D, E: Obsah: jako 0) CLP Constraint Logic Programming

u odpovědí typu A, B, C, D, E: Obsah: jako 0) CLP Constraint Logic Programming Průběžná písemná práce Průběžná písemná práce Obsah: Průběžná písemná práce Aleš Horák E-mail: hales@fi.muni.cz http://nlp.fi.muni.cz/uui/ délka pro vypracování: 25 minut nejsou povoleny žádné materiály

Více

Modelová složitost neuronových sítí - zdánlivý paradox

Modelová složitost neuronových sítí - zdánlivý paradox Modelová složitost neuronových sítí - zdánlivý paradox Věra Kůrková Ústav informatiky, Akademie věd České republiky Pod Vodárenskou věží 2, 18207 Praha Email: vera@cs.cas.cz Abstrakt V článku jsou studovány

Více

Big Data. Josef Šlerka, Ataxo Interactive, SNM FF UK Business & Information Forum 2011, Praha

Big Data. Josef Šlerka, Ataxo Interactive, SNM FF UK Business & Information Forum 2011, Praha Big Data Josef Šlerka, Ataxo Interactive, SNM FF UK Business & Information Forum 2011, Praha 3 000 000 000 počet hledání na Googlu denně 30 000 000 000 počet zpráv a příspěvků na Facebooku měsíčně 5 000

Více

Strojové učení se zaměřením na vliv vstupních dat

Strojové učení se zaměřením na vliv vstupních dat Strojové učení se zaměřením na vliv vstupních dat Irina Perfilieva, Petr Hurtík, Marek Vajgl Centre of excellence IT4Innovations Division of the University of Ostrava Institute for Research and Applications

Více

Technická komise ISO/JTC1/SC 27 Technická normalizační komise ÚNMZ TNK 20

Technická komise ISO/JTC1/SC 27 Technická normalizační komise ÚNMZ TNK 20 ČSN ISO/IEC 7064 Information technology -- Security techniques -- Check character systems Zpracování dat. Systémy kontrolních znaků ČSN BS 7799-2 Information Security Management Systems -- Specification

Více

UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Miroslav POKORNÝ Praha 1996, BEN Miroslav Pokorný UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Bez pøedchozího písemného svolení nakladatelství nesmí být kterákoli èást

Více

XML Š ABLONY A JEJICH INTEGRACE V LCMS XML TEMPLATES AND THEIN INTEGRATION IN LCMS

XML Š ABLONY A JEJICH INTEGRACE V LCMS XML TEMPLATES AND THEIN INTEGRATION IN LCMS XML Š ABLONY A JEJICH INTEGRACE V LCMS XML TEMPLATES AND THEIN INTEGRATION IN LCMS Roman MALO - Arnošt MOTYČKA This paper is oriented to discussion about using markup language XML and its features in LCMS

Více

ROZDÍLY V NÁVRZÍCH RELAČNÍCH A OBJEKTOVÝCH DATABÁZÍ A JEJICH DŮSLEDKY PRO TRANSFORMACI MODELŮ

ROZDÍLY V NÁVRZÍCH RELAČNÍCH A OBJEKTOVÝCH DATABÁZÍ A JEJICH DŮSLEDKY PRO TRANSFORMACI MODELŮ ROZDÍLY V NÁVRZÍCH RELAČNÍCH A OBJEKTOVÝCH DATABÁZÍ A JEJICH DŮSLEDKY PRO TRANSFORMACI MODELŮ RELATIONAL AND OBJECT DATABASES DESIGN DIFFERENCES AND IT S IMPLICATIONS TO MODEL TRANSFORMATION Vít Holub

Více

Od Aristotela k Prologu

Od Aristotela k Prologu JIHOČESKÁ UNIVERZITA v ČESKÝCH BUDĚJOVICÍCH PEDAGOGICKÁ FAKULTA KATEDRA INFORMATIKY Od Aristotela k Prologu František Sedláček 2010 František Sedláček, Pedagogická fakulta Jihočeská Univerzita v Č.Budějovicích

Více

(#%ist #%LargeCorpInternalsMt #%ForAll x (#%HumanResourcesDepartment #%allinstances (#%actsincapacity x #%mediatorinprocesses #%EmployeeHiring

(#%ist #%LargeCorpInternalsMt #%ForAll x (#%HumanResourcesDepartment #%allinstances (#%actsincapacity x #%mediatorinprocesses #%EmployeeHiring Znalostní modelování Podobor znalostního inženýrství, který se zabývá tvorbou znalostních modelů spíše než finální implementací znalostních systémů Model: účelová abstrakce, která umožňuje snížit složitost

Více

Marta Vomlelová marta@ktiml.mff.cuni.cz

Marta Vomlelová marta@ktiml.mff.cuni.cz Strojové učení Úvod, lineární regrese Marta Vomlelová marta@ktiml.mff.cuni.cz References [1] P. Berka. Dobývání znalostí z databází. Academia, 2003. [2] T. Hastie, R. Tishirani, and J. Friedman. The Elements

Více

Metody inventarizace a hodnocení biodiverzity stromové složky

Metody inventarizace a hodnocení biodiverzity stromové složky ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE Fakulta lesnická a dřevařská Metody inventarizace a hodnocení biodiverzity stromové složky Methods for inventory and biodiversity evaluation of tree layer SBORNÍK ZE

Více

Emergence chování robotických agentů: neuroevoluce

Emergence chování robotických agentů: neuroevoluce Emergence chování robotických agentů: neuroevoluce Petra Vidnerová, Stanislav Slušný, Roman Neruda Ústav Informatiky, AV ČR Kognice a umělý život VIII Praha 28. 5. 2008 Evoluční robotika: EA & neuronové

Více

EXPERTNÍ SYSTÉMY V CHOVU VČEL A MOŽNOSTI JEJICH VYUŽITÍ V. Vostrovský Katedra informatiky, Vysoká škola zemědělská, 165 21 Praha 6 Suchdol, tel.

EXPERTNÍ SYSTÉMY V CHOVU VČEL A MOŽNOSTI JEJICH VYUŽITÍ V. Vostrovský Katedra informatiky, Vysoká škola zemědělská, 165 21 Praha 6 Suchdol, tel. EXPERTNÍ SYSTÉMY V CHOVU VČEL A MOŽNOSTI JEJICH VYUŽITÍ V. Vostrovský Katedra informatiky, Vysoká škola zemědělská, 165 21 Praha 6 Suchdol, tel. (02)3382274, fax. (02)393708 Anotace: Příspěvek popisuje

Více

Technologická podpora v projektu KP-Lab

Technologická podpora v projektu KP-Lab Technologická podpora v projektu KP-Lab Pavel Smrž * smrz@fit.vutbr.cz Ján Paralič jan.paralic@tuke.sk 1 Úvod Abstrakt: Příspěvek je věnován novému evropskému integrovanému projektu KP-Lab v oblasti elektronického

Více

Dobývání znalostí z databází

Dobývání znalostí z databází Dobývání znalostí z databází (Knowledge Discovery in Databases, Data Mining,..., Knowledge Destilery,...) Non-trivial process of identifying valid, novel, potentially useful and ultimately understandable

Více

Neuronové sítě jako modely analogových výpočtů

Neuronové sítě jako modely analogových výpočtů Ústav informatiky Akademie věd České republiky doc. RNDr. Jiří Šíma, CSc. Neuronové sítě jako modely analogových výpočtů Vědní obor: 020302 Umělá inteligence Autoreferát disertace k získání vědecké hodnosti

Více

SYSTÉM PRO KONFIGURACI KOMUNIKAČNÍCH TERMINÁLŮ A VIZUALIZACI STAVOVÝCH DAT Z KOLEJOVÝCH VOZIDEL

SYSTÉM PRO KONFIGURACI KOMUNIKAČNÍCH TERMINÁLŮ A VIZUALIZACI STAVOVÝCH DAT Z KOLEJOVÝCH VOZIDEL SYSTÉM PRO KONFIGURACI KOMUNIKAČNÍCH TERMINÁLŮ A VIZUALIZACI STAVOVÝCH DAT Z KOLEJOVÝCH VOZIDEL SYSTEM FOR CONFIGURATION OF COMMUNICATION TERMINALS AND VISUALIZATION OF STATE INFORMATION FROM RAIL VEHICLES

Více

Historicky vyvíjeny soustavy rep. znalostí jako podklad pro systémy členění problémů, hledání informací, rozbor

Historicky vyvíjeny soustavy rep. znalostí jako podklad pro systémy členění problémů, hledání informací, rozbor 1 Reprezentace znalostí jako jeden ze zákl. problémů AI Historicky vyvíjeny soustavy rep. znalostí jako podklad pro systémy členění problémů, hledání informací, rozbor dotazů. V 60. letech vznikají databázové

Více

Digitální zpracování obrazu počítačové vidění zakotvení

Digitální zpracování obrazu počítačové vidění zakotvení Digitální zpracování obrazu počítačové vidění zakotvení Václav Hlaváč České vysoké učení technické v Praze Fakulta elektrotechnická, katedra kybernetiky Centrum strojového vnímání http://cmp.felk.cvut.cz/

Více

ADAPTIVITA INFORMAČNÍCH SYSTÉMŮ INFORMATION SYSTEM ADAPTIVITY

ADAPTIVITA INFORMAČNÍCH SYSTÉMŮ INFORMATION SYSTEM ADAPTIVITY ADAPTIVITA INFORMAČNÍCH SYSTÉMŮ INFORMATION SYSTEM ADAPTIVITY Roman Malo Mendelova zemědělská a lesnická univerzita v Brně Provozně ekonomická fakulta, Ústav informatiky, malo@pef.mendelu.cz Abstrakt Problematika

Více

Jaký programovací jazyk učit jako první a jak ho učit?

Jaký programovací jazyk učit jako první a jak ho učit? Vojtěch Merunka Katedra informačního inženýrství PEF ČZU Praha Jaký programovací jazyk učit jako první a jak ho učit? strana 1 Motivace dříve strana 2 Motivace... pokračování dnes strana 3 Obsah presentace

Více

Karta předmětu prezenční studium

Karta předmětu prezenční studium Karta předmětu prezenční studium Název předmětu: Programování aplikací pro web (PAW) Číslo předmětu: 548- Garantující institut: Garant předmětu: Institut geoinformatiky Ing. Jan Růžička, Ph.D. Kredity:

Více

Strojové učení Marta Vomlelová

Strojové učení Marta Vomlelová Strojové učení Marta Vomlelová marta@ktiml.mff.cuni.cz KTIML, S303 Literatura 1.T. Hastie, R. Tishirani, and J. Friedman. The Elements of Statistical Learning, Data Mining, Inference and Prediction. Springer

Více

Automatická oprava textu v různých jazycích

Automatická oprava textu v různých jazycích Automatická oprava textu v různých jazycích Bc. Petr Semrád, doc. Ing. František Dařena Ph.D., Ústav informatiky, Provozně ekonomická fakulta, Mendelova univerzita v Brně, xsemrad@mendelu.cz, frantisek.darena@mendelu.cz

Více

Počítačové kognitivní technologie ve výuce geometrie

Počítačové kognitivní technologie ve výuce geometrie Počítačové kognitivní technologie ve výuce geometrie Jiří Vaníček Univerzita Karlova v Praze - Pedagogická fakulta 2009 Počítačové kognitivní technologie ve výuce geometrie Abstrakt Kniha se zabývá využíváním

Více

Project Life-Cycle Data Management

Project Life-Cycle Data Management Project Life-Cycle Data Management 1 Contend UJV Introduction Problem definition Input condition Proposed solution Reference Conclusion 2 UJV introduction Research, design and engineering company 1000

Více

Předběžná témata příští výzvy v oblasti SSH

Předběžná témata příští výzvy v oblasti SSH Předběžná témata příští výzvy v oblasti SSH Michal Pacvoň, Národní kontakt pro Sociální, ekonomické a humanitní vědy a pro oblast Věda ve společnosti pacvon@tc.cz Tel: 234 006 110 Výzvy priority SSH 2010

Více

SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR

SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR EVOLUČNÍ NÁVRH A OPTIMALIZACE APLIKAČNĚ SPECIFICKÝCH MIKROPROGRAMOVÝCH ARCHITEKTUR Miloš Minařík DVI4, 2. ročník, prezenční studium Školitel: Lukáš Sekanina Fakulta informačních technologií, Vysoké učení

Více

Nová éra diskových polí IBM Enterprise diskové pole s nízkým TCO! Simon Podepřel, Storage Sales 2. 2. 2011

Nová éra diskových polí IBM Enterprise diskové pole s nízkým TCO! Simon Podepřel, Storage Sales 2. 2. 2011 Nová éra diskových polí IBM Enterprise diskové pole s nízkým TCO! Simon Podepřel, Storage Sales 2. 2. 2011 Klíčovéatributy Enterprise Information Infrastructure Spolehlivost Obchodní data jsou stále kritičtější,

Více

(Ne)kooperativní hry

(Ne)kooperativní hry (Ne)kooperativní hry Tomáš Svoboda, svobodat@fel.cvut.cz katedra kybernetiky, centrum strojového vnímání 5. října 2015 Tomáš Svoboda, svobodat@fel.cvut.cz / katedra kybernetiky, CMP / (Ne)kooperativní

Více

Logický důsledek. Petr Kuchyňka (7765@mail.muni.cz)

Logický důsledek. Petr Kuchyňka (7765@mail.muni.cz) Logický důsledek Petr Kuchyňka (7765@mail.muni.cz) Úvod P 1 Logický důsledek je hlavním předmětem zájmu logiky. Je to relace mezi premisami a závěry logicky platných úsudků: v logicky platném úsudku závěr

Více

K výsledkům průzkumu zaměřeného na kvalitu podnikové informatiky

K výsledkům průzkumu zaměřeného na kvalitu podnikové informatiky K výsledkům průzkumu zaměřeného na kvalitu podnikové informatiky Jan Pour, Ota Novotný Katedra informačních technologií Vysoká škola ekonomická v Praze pour@vse.cz, novotnyo@vse.cz Abstrakt: Kvalita podnikové

Více

Soft Computing pro IT

Soft Computing pro IT Hlavní směr výzkumu na katedře informatiky a počítačů PřF OU Soft Computing pro IT Soft computing není jednotným, uceleným oborem, nýbrž zahrnuje několik disciplín, které mohou být rozvíjeny samy o sobě.

Více

2. Mechatronický výrobek 17

2. Mechatronický výrobek 17 Předmluva 1 Úvod 3 Ing. Gunnar Künzel 1. Úvod do mechatroniky 5 1.1 Vznik, vývoj a definice mechatroniky 5 1.2 Mechatronická soustava a její komponenty 9 1.3 Mechatronický systém a jeho struktura 11 1.4

Více

Risk management in the rhythm of BLUES. Více času a peněz pro podnikatele

Risk management in the rhythm of BLUES. Více času a peněz pro podnikatele Risk management in the rhythm of BLUES Více času a peněz pro podnikatele 1 I. What is it? II. How does it work? III. How to find out more? IV. What is it good for? 2 I. What is it? BLUES Brain Logistics

Více

VLIV NEURČITOSTI, NEJASNOSTI, NEJISTOTY A SLOŽITOSTI NA ROZHODOVÁNÍ ORGANIZACÍ

VLIV NEURČITOSTI, NEJASNOSTI, NEJISTOTY A SLOŽITOSTI NA ROZHODOVÁNÍ ORGANIZACÍ VLIV NEURČITOSTI, NEJASNOSTI, NEJISTOTY A SLOŽITOSTI NA ROZHODOVÁNÍ ORGANIZACÍ Tomáš Kořínek Univerzita Pardubice, Fakulta ekonomicko-správní, Ústav systémového inženýrství a informatiky Abstract: The

Více

Interpersonální komunikace - N832018. Anotace, sylabus, výstupy studia, literatura

Interpersonální komunikace - N832018. Anotace, sylabus, výstupy studia, literatura EVROPSKÝ SOCIÁLNÍ FOND "PRAHA & EU": INVESTUJEME DO VAŠÍ BUDOUCNOSTI" Interpersonální komunikace - N832018 Anotace, sylabus, výstupy studia, literatura Vyučující: PhDr. Jindra Stříbrská, Ph.D Obsah: Anotace:

Více

Úvod do informačních a řídicích systémů. lení

Úvod do informačních a řídicích systémů. lení Úvod do informačních a řídicích systémů Základní pojmy a rozdělen lení Informace Pojem vysoce abstraktní Skutečné informace musí být pravdivé, včasné, jednoznačné a relevantní (atributy informace) Základní

Více

Management informačních systémů. Název Information systems management Způsob ukončení * přednášek týdně

Management informačních systémů. Název Information systems management Způsob ukončení * přednášek týdně Identifikační karta modulu v. 4 Kód modulu Typ modulu profilující Jazyk výuky čeština v jazyce výuky Management informačních systémů česky Management informačních systémů anglicky Information systems management

Více

Prof. Mgr. Iveta Hashesh, PhD., MBA prorektorka pro strategii, inovace a kvalitu vzdělávání hashesh@edukomplex.cz

Prof. Mgr. Iveta Hashesh, PhD., MBA prorektorka pro strategii, inovace a kvalitu vzdělávání hashesh@edukomplex.cz +(420) 572 548 035 Prof. Mgr. Iveta Hashesh, PhD., MBA prorektorka pro strategii, inovace a kvalitu vzdělávání hashesh@edukomplex.cz Iveta Hashesh (rozená Matušíková) se narodila v ČR v Uherském Hradišti.

Více

LFLC 2000 + MATLAB/SIMULINK - SYSTÉM PRO UNIVERSÁLNTÍ APLIKACE FUZZY LOGIKY. Antonín Dvořák, Hashim Habiballa, Vilém Novák a Vikátor Pavliska

LFLC 2000 + MATLAB/SIMULINK - SYSTÉM PRO UNIVERSÁLNTÍ APLIKACE FUZZY LOGIKY. Antonín Dvořák, Hashim Habiballa, Vilém Novák a Vikátor Pavliska LFLC 2000 + MATLAB/SIMULINK - SYSTÉM PRO UNIVERSÁLNTÍ APLIKACE FUZZY LOGIKY Antonín Dvořák, Hashim Habiballa, Vilém Novák a Vikátor Pavliska Abstrakt. Softwarový balík LFLC 2000 je komplexním nástrojem

Více

EFEKTIVNÍ KOMUNIKACE V ORGANIZACI

EFEKTIVNÍ KOMUNIKACE V ORGANIZACI EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJEME DO VAŠÍ BUDOUCNOSTI V ORGANIZACI JAK SE EFEKTIVNĚ DOMLUVIT A ZÍSKAT INFORMACE 1. KOMUNIKAČNÍ PROCES 2 2. ORGANIZAČNÍ STRUKTURA KOMUNIKACE 4 3. FORMÁLNÍ A

Více

Umělá inteligence I. Roman Barták, KTIML. roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak

Umělá inteligence I. Roman Barták, KTIML. roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Umělá inteligence I Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Inteligentní agenti Připomeňme, že z různých pohledů na UI bude tato přednáška pokrývat racionální jednání,

Více

Natural Language Toolkit

Natural Language Toolkit Natural Language Toolkit prezentace do předmětu PA154 Nástroje pro korpusy část 1 možnosti NLTK Stručná charakteristika NLTK je sada knihoven pro Python a programů pro symbolické a statistické zpracování

Více

Využití SysML pro tvorbu modelů v systémovém inženýrství

Využití SysML pro tvorbu modelů v systémovém inženýrství Využití SysML pro tvorbu modelů v systémovém inženýrství Antonín Srna, Ústav informatiky, Provozně ekonomická fakulta, Mendelova univerzita v Brně, xsrna2@mendelu.cz Abstrakt Článek se zaobírá univerzálním

Více

Bezpečnostní incidenty IS/ICT a jejich řešení

Bezpečnostní incidenty IS/ICT a jejich řešení Abstrakt: Petr Doucek Fakulta informatiky a statistiky, Vysoká škola ekonomická v Praze doucek@vse.cz, http://fis.vse.cz Problematika bezpečnosti informačních systémů a informačních a komunikačních technologií

Více

Navazující magisterský studijní program APLIKOVANÁ INŽENÝRSKÁ INFORMATIKA

Navazující magisterský studijní program APLIKOVANÁ INŽENÝRSKÁ INFORMATIKA Navazující magisterský studijní program APLIKOVANÁ INŽENÝRSKÁ INFORMATIKA Žádost o akreditaci Vysoká škola chemicko-technologická v Praze Fakulta chemicko-inženýrská Říjen 2008 Praha 2008 1 / 29 do stávající

Více

Newstin Real-time Web Content Categorization. Presentation to WebExpo 2008

Newstin Real-time Web Content Categorization. Presentation to WebExpo 2008 Newstin Real-time Web Content Categorization Presentation to WebExpo 2008 October 18, 2008 Company Background Newstin a.s. founded in 1998 as I2S in Prague Team of 30 employees 26 engineers 14 nations

Více

Obsah. Seznam obrázků. Seznam tabulek. Petr Berka, 2011

Obsah. Seznam obrázků. Seznam tabulek. Petr Berka, 2011 Petr Berka, 2011 Obsah... 1... 1 1 Obsah 1... 1 Dobývání znalostí z databází 1 Dobývání znalostí z databází O dobývání znalostí z databází (Knowledge Discovery in Databases, KDD) se začíná ve vědeckých

Více

Enabling Intelligent Buildings via Smart Sensor Network & Smart Lighting

Enabling Intelligent Buildings via Smart Sensor Network & Smart Lighting Enabling Intelligent Buildings via Smart Sensor Network & Smart Lighting Petr Macháček PETALIT s.r.o. 1 What is Redwood. Sensor Network Motion Detection Space Utilization Real Estate Management 2 Building

Více

Honeywell & Masarykova univerzita v Brně

Honeywell & Masarykova univerzita v Brně Honeywell & Masarykova univerzita v Brně Představení projektu ifest a dosavadních výsledků jeho řešení Ing. Jan Beran, Ph.D., Advanced Technology Europe (Platform Systems), Honeywell International Představení

Více

Specializace Kognitivní informatika

Specializace Kognitivní informatika Specializace Kognitivní informatika Otevřené dveře specializace Kognitivní informatika, 10.5.2007 V rámci projektu, financovaného Evropským sociálním fondem pod č. 3206 Multi- a transdisciplinární obor

Více

[26] Šeda, M.: Motion Planning in the Plane with Polygonal Obstacles. Engineering Mechanics, Vol. 12, No. 4, 2005, pp. 253-258. ISSN 1210-2717.

[26] Šeda, M.: Motion Planning in the Plane with Polygonal Obstacles. Engineering Mechanics, Vol. 12, No. 4, 2005, pp. 253-258. ISSN 1210-2717. Curriculum vitae Jméno a příjmení: Miloš Šeda Tituly: prof. RNDr. Ing. PhD. Rozsah hlavního pracovního poměru: 0,75 Název, sídlo a právní forma hlavního zaměstnavatele: Vysoká škola logistiky o.p.s., Palackého

Více

Multirobotická kooperativní inspekce

Multirobotická kooperativní inspekce Multirobotická kooperativní inspekce prostředí Diplomová práce Multirobotická kooperativní inspekce prostředí Diplomová práce Intelligent and Mobile Robotics Group Laboratory for Intelligent Decision Making

Více

Forenzní analýza jako doplněk SIEMu. Jiří Slabý 31.3.2015 Policejní akademie ČR, Praha

Forenzní analýza jako doplněk SIEMu. Jiří Slabý 31.3.2015 Policejní akademie ČR, Praha Forenzní analýza jako doplněk SIEMu Jiří Slabý 31.3.2015 Policejní akademie ČR, Praha Běžné problémy při zavádění forenzní analýzy Omezený počet zkušených pracovníků Další nástroj bez pokročilé integrace

Více

Dobývání a vizualizace znalostí

Dobývání a vizualizace znalostí Dobývání a vizualizace znalostí Olga Štěpánková et al. 1 Osnova předmětu 1. Dobývání znalostí - popis a metodika procesu a objasnění základních pojmů 2. Nástroje pro modelování klasifikovaných dat a jejich

Více

Zaměřen na rozvojové země Práce na rozvojových projektech, poznávání kultury, výuka angličtiny,

Zaměřen na rozvojové země Práce na rozvojových projektech, poznávání kultury, výuka angličtiny, NA STÁŽ S AIESEC ROZVOJOVÉ STÁŽE Zaměřen na rozvojové země Práce na rozvojových projektech, poznávání kultury, výuka angličtiny, Podmínky: Znalost angličtiny na komunikativní úrovni Být studentem VŠ nebo

Více

ELEKTRONICKÉ ROZHODOVÁNÍ V TRŽNÍM PROSTŘEDÍ

ELEKTRONICKÉ ROZHODOVÁNÍ V TRŽNÍM PROSTŘEDÍ ELEKTRONICKÉ ROZHODOVÁNÍ V TRŽNÍM PROSTŘEDÍ Roman Heczko SilesNet s. r. o., e-mail: heczko@silesnet.cz, http://www.silesnet.cz Abstrakt Dnešní tržní prostředí se podstatně odlišuje od standardních trhů,

Více