brmiversity: Um lá inteligence a teoretická informatika

Rozměr: px

Začít zobrazení ze stránky:

Download "brmiversity: Um lá inteligence a teoretická informatika"

Luboš Ovčačík
před 8 lety
Počet zobrazení:

1 brmiversity: Um lá inteligence a teoretická informatika Úvodní p edná²ka brmlab 2011

2 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové struktury 8 Vy íslitelnost 9 Základní datové struktury a algoritmy

3 Formát Cyklus 14 p edná²ek; dv pauzy v listopadu Kaºdá p edná²ka vyst ídá n kolik témat, n kdy souvisejících mén a n kdy více Motivace: P íprava na Mgr. státnice z teoretické informatiky na MFF UK Pouze letmý teoretický úvod do r zných témat malý asový rozsah

4 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové struktury 8 Vy íslitelnost 9 Základní datové struktury a algoritmy

5 Um lá inteligence Nau it po íta e býti chytrými! Rozpoznávat, analyzovat, dedukovat,... chápat? Zkoumat sv t, pomáhat lidem, nahradit lidi, vládnout lidem. :-) Amorfní v dní oblast spojující specializovan j²í obory.

6 Témata UI Exaktní techniky prohledávání v grafech, reprezentace znalostí, strojové dokazování, spl ování omezujících podmínek a automatické plánování Pravd podobnostní techniky Bayesovské sít, Kalman v ltr, markovské modely Strojové u ení Bayesovské modely, u ení s u itelem a bez u itele Herní algoritmy

Pravd podobnostní techniky Bayesovské sít, Kalman v ltr, markovské modely

7 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové struktury 8 Vy íslitelnost 9 Základní datové struktury a algoritmy

8 Neuronové sít Speciální rozsáhlý obor um lé inteligence Um lé neuronové sít inspirováno mozkem (nebo spí²e neurovými zauzleními) Asi nejtvrd²í matematika, my si udrºíme nadhled

9 Neuronová témata P edzpracování dat PCA, sloºitost dat Klasické neuronové sít perceptron, vícevrstvé sít a jejich vlastnosti, modulární sít Asociativní pam ti Hopeldova sí, dal²í techniky, netradi ní aplikace Samoorganizace klastrování, Kohonenovy mapy Hrst p íklad aplikací

modulární sít Asociativní pam ti Hopeldova sí, dal²í techniky,

10 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové struktury 8 Vy íslitelnost 9 Základní datové struktury a algoritmy

11 Adaptivní agenti Um lé bytosti um lá inteligence ídící chování autonomních agent Realistické nebo ú elné chování, ízení postav, modelování emocí Zábava po íta ové hry! Seriozní postavy tréninkové situace, terapeutické pom cky Biologie komputa ní etologie (zkoumání chování zví at)

12 Témata pro adaptivní agenty Architektury ízení agent, metody a algoritmy Navigace a hledání cesty v reálném prost edí Komunikace a znalosti v multiagentních systémech Úvod do komputa ní etologie

13 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové struktury 8 Vy íslitelnost 9 Základní datové struktury a algoritmy

14 Evolu ní algoritmy Jak e²it problémy, které se nám nechce (nebo neumíme) programovat Genetické algoritmy e²ení algoritm inspirované p írodním výb rem Hledáme p ibliºná e²ení t ºkých problém

algoritmy e²ení algoritm inspirované p írodním

15 Genetická témata Základní genetický algoritmus, genetické operátory Genetické a evolu ní programování Aplikace na reálné problémy Teoretické modely genetických algoritm

16 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové struktury 8 Vy íslitelnost 9 Základní datové struktury a algoritmy

17 Sloºitost Studium náro nosti algoritm v závislosti na velikosti datasetu Jak dlouho trvá algoritmus nezávisle na rychlosti po íta e Turingovy stroje, t ídy sloºitosti, p evody mezi stejn sloºitými problémy Rozd l a panuj, dynamické programování, hladový algoritmus Pravd podobnostní a pseudopolynomiální algoritmy, aproxima ní algoritmy Matematické nuance vztah mezi asovou a prostorovou sloºitostí

problémy Rozd l a panuj, dynamické programování, hladový algoritmus Pravd podobnostní a

18 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové struktury 8 Vy íslitelnost 9 Základní datové struktury a algoritmy

19 Datové struktury Pokro ilé datové struktury a jejich matematická analýza. Haldy, hashování, hashování 2, binární stromy, B-stromy Struktury ve vn j²í pam ti

20 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové struktury 8 Vy íslitelnost 9 Základní datové struktury a algoritmy

21 Vy íslitelnost Co v bec umíme spo ítat? Které problémy rozhodnout neumíme? O n kterých programech nevíme, jestli n kdy skon í. Jak matematicky popisovat a studovat programy a mnoºiny jimy popisované? Gödelovy v ty o lenství prvku v dostate n sloºité mnoºin nedokáºeme vºdy rozhodnout.

22 Outline 1 Slovo úvodem 2 Um lá inteligence 3 Neuronové sít 4 Adaptivní agenti 5 Evolu ní algoritmy 6 Sloºitost 7 Datové struktury 8 Vy íslitelnost 9 Základní datové struktury a algoritmy

23 Základní datové struktury Pole prvky za sebou v pam ti (hashe?) Spojový seznam krabi ky rozházené po pam ti, kaºdá obsahuje ukazatel na sousední Graf sada vrchol pospojovaných hranami (V, E) E V V Strom graf bez cykl

24 T íd ní Jak uspo ádat telefonní seznam? Bubble sort Quick sort Merge sort

25 D kuji vám

Podobné dokumenty

Fakulta přírodovědně-humanitní a pedagogická. Okruhy otázek pro státní závěrečné zkoušky. Bakalářské studium

Fakulta přírodovědně-humanitní a pedagogická Okruhy otázek pro státní závěrečné zkoušky Bakalářské studium Informatika se zaměřením na vzdělávání Bc. Matematika: Funkce, její průběh a vlastnosti. Popisná