|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
USII / CUVI1
:
Popis předmětu
Pracoviště / Zkratka
|
USII
/
CUVI1
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Umělá a výpočetní inteligence I
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
5
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Konzultace
14
[HOD/SEM]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
7 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Letní semestr
|
Vyučovaný semestr
|
Letní semestr
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
14
|
Hodnotící stupnice |
A|B|C|D|E|F |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ano
|
Profilující předmět |
Ne
|
Základní teoretický předmět |
Ano
|
Hodnotící stupnice |
A|B|C|D|E|F |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
USII/KUUI
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je seznámit studenty se základními přístupy k umělé a výpočetní inteligenci a možnostmi jejich uplatnění v různých oblastech společenského života.
|
Požadavky na studenta
|
Zápočet: zpracování zadaných úloh s minimálně 60% úspěšností, úspěšné obhájení dvou praktických projektů.
Zkouška: písemná s minimálně 60% úspěšností.
|
Obsah
|
Úvod do umělé inteligence a oblasti umělé a výpočetní inteligence.
Ambientní inteligence a společenské dopady umělé inteligence.
Příklad systému s umělou inteligencí.
Strojové učení a neuronové sítě.
Jednoduché modely neuronových sítí na klasifikaci a predikci.
Reprezentace znalostí.
Stavový prostor a možnosti jeho prohledávání.
Logické modely - výroková logika a predikátová logika prvního řádu.
Logické programovací jazyky.
Návrh jednoduchých znalostních systémů.
Binární expertní systémy.
Procedurální schémata.
Návrh báze znalostí expertních systémů.
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
OLEJ, V., PETR, P. Expertní a znalostní systémy v managementu. Část Expertní systémy ? distanční opora. Pardubice: Univerzita Pardubice, 2004. ISBN 80-7194-688-5.
-
Základní:
MAŘÍK, V., ŠTĚPÁNKOVÁ, O., LAŽANSKÝ J. Umělá inteligence 2. Praha: Academia, 1997. ISBN 978-80-200-0504-5.
-
Základní:
OLEJ, V., HÁJEK, P. Úvod do umělé inteligence: klasická umělá inteligence - distanční opora. Pardubice: Univerzita Pardubice, 2009. ISBN 978-80-7395-241-9.
-
Základní:
OLEJ, V., HÁJEK, P. Úvod do umělé inteligence: moderní přístupy - distanční opora. Pardubice: Univerzita Pardubice, 2010. ISBN 978-80-7395-307-2.
-
Doporučená:
NEGNEVITSKY, M. Artificial intelligence: A guide to intelligent systems. Harlow: Pearson Education, 2011. ISBN 9781408225745.
-
Doporučená:
RUSSELL, S., STUART, N. Artificial intelligence: A modern approach. Harlow: Pearson Education, 2014. ISBN 9780136042594.
-
Doporučená:
KŘIVAN, M. Úvod do umělých neuronových sítí. Praha: Oeconomica, 2014. ISBN 9788024520247.
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Kontaktní výuka
|
14
|
Domácí příprava na výuku
|
66
|
Příprava na zkoušku
|
30
|
Projekt individuální
|
40
|
Celkem
|
150
|
|
Předpoklady - další informace k podmíněnosti studia předmětu |
- |
Získané způsobilosti |
Student, který úspěšně absolvoval předmět, umí:
vysvětlit, jaké jsou cíle umělé a výpočetní inteligence, jejich společenské dopady a charakterizovat jejich historický vývoj;
rozlišit tradiční (hard computing) a moderní (soft computing) přístupy k umělé a výpočetní inteligenci;
charakterizovat strukturu a princip učení neuronové sítě a rozlišit učení s učitelem a bez učitele;
charakterizovat stavový prostor a porovnat strategie k jeho prohledávání z hlediska úplnosti a časové a paměťové složitosti;
popsat a rozlišit deklarativní a procedurální přístupy k reprezentaci znalostí;
rozlišit diagnostické a plánovací expertní systémy a charakterizovat funkci jejich základních komponent.
Student, který úspěšně absolvoval předmět, dovede:
navrhnout vhodnou strukturu a model neuronové sítě a tuto síť pomocí gradientního algoritmu naučit na předzpracovaných datech;
pro danou úlohu zvolit vhodnou reprezentaci znalostí;
navrhnout pro danou úlohu stavový graf a prohledávat jej pomocí algoritmů neinformovaného a informovaného prohledávání;
navrhnout bázi znalostí jednoduchého znalostního a expertního systému v logickém programovacím jazyku;
odvozovat znalosti pomocí inferenčních pravidel výrokové logiky a predikátové logiky prvního řádu.
Student, který úspěšně absolvoval předmět, je schopen:
samostatně a odpovědně se rozhodovat a při řešení složitých problémů provést rozklad na jednodušší úlohy;
do řešení problémů zahrnout úvahu o společenských a etických rozměrech technologického rozvoje;
samostatně získávat další odborné znalosti, dovednosti a způsobilosti z příbuzných disciplín;
efektivně komunikovat s cílovou skupinou uživatelů - experty z oblasti veřejné správy, bezpečnosti a dalších.
|
Vyučovací metody |
- Monologická (výklad, přednáška, instruktáž)
- Dialogická (diskuze, rozhovor, brainstorming)
- Laborování
|
Hodnotící metody |
- Písemná zkouška
- Posouzení zadané práce
- Rozhovor
|
|
|
|