Detail předmětu
Algoritmy umělé inteligence
FSI-VAI-A Ak. rok: 2024/2025 Zimní semestr
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.
Jazyk výuky
angličtina
Počet kreditů
4
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Předpokládá se znalost algoritmizace, programování a základů matematické logiky a teorie pravděpodobnosti.
Pravidla hodnocení a ukončení předmětu
Požadavky pro udělení zápočtu: Vytvoření funkčních softwarových projektů, využívajících některé z probíraných metod UI a vypracování prezentace nějaké neprobírané metody UI. Celkem může student získat 40 bodů za cvičení (30 za projekty a 10 za prezentaci) 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).
Účast na přednáškách je žádoucí, na cvičeních povinná. Výuka probíhá podle týdenních plánů. Způsob nahrazení zameškaných cvičení je plně v kompetenci vyučujícího.
Učební cíle
Znalost základních prostředků umělé inteligence a možností jejich použití při řešení inženýrských úloh.
Pochopení základních metod umělé inteligence a schopnost jejich implementace.
Použití předmětu ve studijních plánech
Program N-MAI-A: Mathematical Engineering, magisterský navazující, povinně volitelný
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
Osnova
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. Reprezentace, využívání a učení znalostí.
10. Reprezentace a zpracování neurčitosti.
11. Bayesovské a rozhodovací sítě.
12. Netradiční logiky.
13. Markovské rozhodovací procesy.
Cvičení s počítačovou podporou
26 hod., povinná
Osnova
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. Metody hraní her.
7. Úlohy se splňováním omezení.
8. Predikátová logika a rezoluční metoda.
9. Logické programování a jazyk Prolog.
10. Řešení úloh UI v Prologu.
11. Učení symbolických znalostí.
12. Bayesovské sítě.
13. Pravděpodobnostní a fuzzy logické programování.