Václav Matoušek KIV. Umělá inteligence a rozpoznávání. Václav Matoušek / KIV

Podobné dokumenty
Umělá inteligence a rozpoznávání

IB013 Logické programování I Hana Rudová. jaro 2011

Znalostní technologie proč a jak?

Speciální numerické metody 4. ročník bakalářského studia. Cvičení: Ing. Petr Lehner Přednášky: doc. Ing. Martin Krejsa, Ph.D.

Obecná teorie systémů

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Strojové učení Marta Vomlelová

Moderní systémy pro získávání znalostí z informací a dat

Základy umělé inteligence

Testování a verifikace softwaru

Seznam úloh v rámci Interního grantového systému EPI

Ústav automatizace a měřicí techniky.

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

Automatizační a měřicí technika (B-AMT)

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Pokročilé operace s obrazem

SYLABUS BAKALÁŘSKÁ PRÁCE A PRAXE

Tvorba informačních systémů

Marta Vomlelová

(3+3) rek,, Ph.D. A1011 Tel Ing. Pavel Moravec Ing. Pavel Gavlovský ášil

Algoritmy a struktury neuropočítačů ASN P9 SVM Support vector machines Support vector networks (Algoritmus podpůrných vektorů)

Další povinnosti / odb. praxe. Návrh témat prací. Návaznost na další stud. prog.

Kybernetika a umělá inteligence, cvičení 10/11

Zpracování neurčitosti

ití empirických modelů při i optimalizaci procesu mokré granulace léčivl ková SVK ÚOT

Vybrané přístupy řešení neurčitosti

Výuka předmětu Inženýrství chemicko-farmaceutických výrob

Název předmětu: Školní rok: Forma studia: Studijní obory: Ročník: Semestr: Typ předmětu: Rozsah a zakončení předmětu:

Základní grafové algoritmy

Organizace předmětu, podmínky pro získání klasifikovaného zápočtu

Cíl výuky: Cílem předmětu je uvedení studentů do problematiky projektování, seznámit posluchače se zásadami

Inteligentní systémy. Informace o bakalářském oboru. Jiří Lažanský. Zdeněk Hanzálek (katedra řídicí techniky) Michal Pěchouček (katedra kybernetiky)

Učící se klasifikátory obrazu v průmyslu

Obsah předmětu (přehled hlavních témat a jejich obsahové náplně)

Lineární diskriminační funkce. Perceptronový algoritmus.

Počítačová geometrie I

1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017

Zabýváme se konstrukcí racionálních agentů.

Podklady pro hodnocení profilové maturitní zkoušky

Inovace bakalářského studijního oboru Aplikovaná chemie

D Charakteristika studijního předmětu

Rozdělování dat do trénovacích a testovacích množin

SYLABUS MODULU LOGISTIKA A JAKOST

Ing. Jitka Řezníčková, CSc., Ing. Jan Šleichrt, Ing. Jan Vyčichl, Ph.D.

SYLABUS TVŮRCE SYSTÉMŮ MODULU. Michal Červinka, Ivo Špička

Metody tvorby politik (MTP) Zimní semestr 2018/2019 Katedra veřejné a sociální politiky FSV UK

A5M33IZS Informační a znalostní systémy. O čem předmět bude? Úvod do problematiky databázových systémů

Použití technik UI v algoritmickém obchodování II

Systémové inženýrství

Informace pro výběr bakalářského oboru

teorie elektronických obvodů Jiří Petržela úvod, organizace výuky

BR 52 Proudění v systémech říčních koryt

SYLABUS MODUL BUSINESS MODELOVÁNÍ. Doc. RNDr. Vladimír Krajčík, Ph.D.

0,7 0,6 0,5 0,4 0,3 0,2 0,1

Podpora výuky přírodních věd (matematiky, fyziky, chemie apod.) a motorických dovedností interaktivní formou poly-technického vzdělávání

DIDAKTIKA FYZIKY Organizační formy výuky

Požadavky k písemné přijímací zkoušce z tematického okruhu 1 (Logistika)

5.1.7 Informatika a výpočetní technika. Časové, obsahové a organizační vymezení. ročník hodinová dotace

PC GRAMOTNOST PRO POLITOLOGY

Využití metod strojového učení v bioinformatice David Hoksza

INFORMATIKA. Libovolná učebnice k MS OFFICE 200x (samostatné učebnice k textovému procesoru MS Word 200x, tabulkovému procesoru MS Excel 200x).

IUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence. Jméno: Třída: Rok:

Expertní systémy. 1. Úvod k expertním systémům. Cíl kapitoly:

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence

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

KIG/1GIS2. Geografické informační systémy. rozsah: 2 hod přednáška, 2 hod cvičení způsob ukončení: zápočet + zkouška

Předměty. Algoritmizace a programování Seminář z programování. Verze pro akademický rok 2012/2013. Verze pro akademický rok 2012/2013

ÚŘAD PRŮMYSLOVÉHO VLASTNICTVÍ

STATISTIKA LS Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D.

H. Dreyfuss: What computers can t do, 1972 What computers still can t do, J. Weizenbaum. Computer power and human reason, 1976

KIV/ASWI 2007/2008 Pokročilé softwarové inženýrství. Cíle předmětu Organizační informace Opakování

Inteligentní systémy a neuronové sítě

FAKULTA STAVEBNÍ NELINEÁRNÍ MECHANIKA. Telefon: WWW:

Hodnocení zkoušek profilové části maturitní zkoušky

OSA. maximalizace minimalizace 1/22

C# &.NET. Cvičení Mgr. Filip Krijt.

Úvod do mobilní robotiky AIL028

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

Ukázka charakteristiky předmětu Český jazyk (pro nedoslýchavé) z pracovní verze ŠVP ZŠ pro sluchově postižené, Liberec.

Genetické programování 3. část

Základy pracovního práva II

Dobývání a vizualizace znalostí

I. Minimální standardy pro výuku a ukončení předmětů

Nový bakalářský studijní obor Biomedicínská informatika na Fakultě biomedicínského inženýrství v Kladně

OSNOVA PRO PŘEDMĚT TEORETICKÉ ZÁKLADY TECHNICKÝCH DISCIPLÍN

Metodický list pro vr3ph soustředění kombinovaného Mgr. studia předmětu N_LS LOGISTICKÉ SYSTÉMY

Geoinformatika. I Geoinformatika a historie GIS

Historie a vývoj umělé inteligence

Tematické okruhy pro Státní závěrečné zkoušky

Úloha - rozpoznávání číslic

SYLABUS IT V. Jiří Kubica. Ostrava 2011

Úvod do expertních systémů

Institucionální akreditace - bakalářské studium informatiky

2. Mechatronický výrobek 17

Informatika. tercie. Mgr. Kateřina Macová 1

Úvod do optimalizace, metody hladké optimalizace

Programování a algoritmizace: úvod

Téma 48 (dříve 47) Martin Staviař, 16. srpna 2006

Případové studie v mezinárodním podnikání (anglicky)

Centrum adiktologie. Cíle předmětu:

Transkript:

Umělá inteligence a rozpoznávání Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1

Sylabus předmětu: Datum Náplň přednášky 16. 2. (3h) 2. 3. (4h) 17. 3. (5h) 14. 4. (3h) Úvod, historie a vývoj UI, základní problémové oblasti a typy úloh, aplikace UI, příklady inteligentních počítačových systémů, prezentace inteligentních systémů Řešení úloh, strategie hledání řešení, jednoduché metody hledání řešení úloh (slepé strategie) a jejich programová realizace (opakování); heuristické metody hledání řešení úloh, jejich efektivnost, příklady; dekompozice úlohy, AND/OR grafy a jejich implementace, úvod do evolučních algoritmů, genetické algoritmy, implementace některých algoritmů Klasifikace, rozpoznávání a shlukování základní pojmy, členění metod, typy klasifikátorů, obecná klasifikační úloha, základy strojového učení; příznakové metody rozpoznávání volba a výběr příznaků, jednoduché klasifikátory a jejich použití, metody učení; strukturní metody rozpoznávání tvorba a analýza popisných struktur, zdroje informace, zpracování popisných struktur, příklady; klasifikace umělými neuronovými sítěmi typy umělých neuronových sítí, algoritmy jejich trénování, simulátory, příklady Základy formální logiky a logického programování; úvod do reprezentace znalostí, základní typy znalostních systémů a jejich struktura, příklady; struktura a vlastnosti inteligentních softwarových agentů, návrh a programová realizace intelig. agentů 0-2

11. 5. (3h) Komunikace člověk počítač v přirozeném jazyce, druhy a modely komunikace, analýza promluvy, zásady vedení dialogu, příklady Veškeré informace lze v elektronické podobě nalézt na webových stránkách KIV na adrese http://www.kiv.zcu.cz/studies/predmety/uir/ Cvičení: Každému ze studentů bude zadána speciální zápočtová úloha z probíraných problémových oblastí. Programové řešení zápočtové úlohy bude doprovozeno kvalitní, slohově i pravopisně korektní dokumentací, která bude obsahovat všechny potřebné náležitosti (analýzu úlohy, věcné řešení úlohy, programovou a uživatelskou dokumentaci a kritické zhodnocení dosažených výsledků), a bude ohodnoceno podle kvality programového řešení a odevzdané dokumentace. Kromě výše uvedených zápočtových úloh mohou být zadávány i speciální úlohy (tzv. bonbónky), které jsou určeny dobrovolníkům, kteří si chtějí znalosti předmětu a programátorské dovednosti dále rozšířit; důraz u nich bude kladen na kvalitu programového řešení. 0-3

Požadavky na zápočet, zkouška, další informace: Zápočet bude udělen za zpracovanou úlohu (úlohy, pokud bude navíc řešen některý z bonbónků ) a odpovídající prezentaci úlohy v rámci zkouškového termínu. Zkouška je ústní a skládá se z prezentace vyřešené zápočtové úlohy, po níž následuje zodpovězení zadané otázky (otázek) ústní zkoušky. Klasifikace zkoušky je standardní podle výsledků zpracované úlohy a její prezentace a podle odpovědi(í) na zadanou(é) otázku(y). Termín zkoušky bude stanoven dohodou na poslední konzultaci. Ostatní problémy se budou řešit individuálně (v souladu se studijním a zkušebním řádem ZČU). 0-4

Literatura základní Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (1). Academia, Praha, 1993 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (2). Academia, Praha, 1997 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (3). Academia, Praha, 2001 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (4). Academia, Praha, 2003 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (5). Academia, Praha, 2007 Mařík V., Štěpánková O., Lažanský J. a kol: Umělá inteligence (6). Academia, Praha, 2013 Lukasová A.: Formální logika v umělé inteligenci. Computer Press, Brno, 2003 Russel, S., Norwig P.: Artificial Intelligence A Modern Approach. 2 nd Edition, Prentice Hall & Pearson Education, Inc., New Jersey, 2003 Schalkoff R.J.: Artificial Intelligence An Engineering Approach. McGraw-Hill, New York, 1990 Nilsson N. J.: Principles of Artificial Intelligence. Springer Verlag, Berlin, 1982 2009 Kotek Z., Mařík V. a kol: Metody rozpoznávání a jejich aplikace. Academia, 1993 Jirků P. a kol.: Programování v jazyku Prolog. SNTL, Praha, 1991 Kubík A.: Inteligentní agenty tvorba aplikačního software na bázi multiagentových systémů. Computer Press, Brno, 2007 0-5

Literatura doplňková Umělá inteligence a rozpoznávání Zelinka I.: Umělá inteligence v problémech globální optimalizace. BEN, Praha, 2002 Plšek B.: Umělá inteligence v modelování a řízení. BEN, Praha, 1996 Zelinka I.: Umělá inteligence hrozba nebo naděje? BEN, Praha, 2003 Hammer M.: Metody umělé inteligence v diagnostice elektrických spojů. BEN, 2009 Novák, M. a kol.: Umělé neuronové sítě teorie a aplikace. C.H.Beck, Praha, 1998 Dvořák, J.: Expertní systémy, Skriptum VUT Brno, 2004, http://www.uai.fme.vutbr.cz/~jdvorak/opory/expertnisystemy.pdf Brenner, W., Zarnekow, R., Wittig, H.: Intelligente Softwareagenten. Springer Verlag, Berlin, Heidelberg, 1998 0-6