X33KUI - Kybernetika a umělá inteligence

Jedná se o úvodní obecný předmět umožňující studentům pochopit cíle a metody kybernetiky a umělé inteligence a zařadit jednotlivé dílčí partie probírané v bakalářské etapě do hlubšího kontextu studovaného oboru. V přehledu jsou uvedeny základní principy dynamických systémů, entropie, přenosu informace, algoritmické rozhodnutelnosti, řešení problémů prostředky UI, rozhodování za neurčitosti, strojového učení a formální reprezentace znalostí. Nejdůležitějším rysem předmětu je jednotící koncepční přístup k mnoha na první pohled různorodým součástem kybernetiky a umělé inteligence.

Přednášky | Cvičení |Požadavky a způsob klasifikace | Aktuality| Materiály


PROGRAM PŘEDNÁŠEK:

  1. (Z) Úvod do kybernetiky, dynamika systémů
  2. (Z) Entropie a informace
  3. (Z) Přenos informace a kódování
  4. (Z) Algoritmická entropie, rozhodnutelnost
  5. (Z) Pravděpodobnostní rozhodování a klasifikace
  6. (Z) Strojové učení
  7. (P) Řešení problémů pomocí prohledávání
  8. (P) Algoritmus A*
  9. (P) Stochastické prohledávání (pouze pro čtvrtek)
  10. (P) Dvouhráčové hry
  11. (M) Regulace a řízení
  12. (M) Reprezentace znalostí
  13. (X) Zápočtová písemná práce
Zápočtová písemná práce.

Přednášející:

(M) Prof.Ing.Vladimír Mařík, DrSc.{marik@labe.felk.cvut.cz}
(P) doc.Dr.Michal Pěchouček,MSc.{pechouc@labe.felk.cvut.cz}
(Z) Ing.Filip Železný, Ph.D.{zelezny@labe.felk.cvut.cz}

Literatura k přednáškám:

  1. Mařík, V., Štěpánková, O., Lažanský, J.: Umělá inteligence (1), Academia, Praha 1993
  2. Kotek, Z., Vysoký, P., Zdráhal, Z.: Kybernetika. Praha, SNTL, 1990
  3. Rich, E., Knight, K.: Artificial Intelligence. Mc-Graw Hill, 1991
  4. W. R. Ashby: An Introduction To Cybernetics
  5. R. O. Duda, P. E. Hart and D. G. Stork, Pattern Classification (2nd ed.), John Wiley and Sons, 2001
  6. T. Mitchell: Machine Learning, McGraw Hill, 1997

PROGRAM CVIČENÍ:

Cvičení jsou rozdělena na seminární (S), zaměřená na procvičení látky probírané na přednáškách a laboratorní (L), zaměřená na praktické použití získaných znalostí.

Osnovy cvičení:

1. Exkurze do Gerstnerovy laboratoře a Centra strojového vnímání na katedře kybernetiky.
2-3. (S) Pravděpodobnost a entropie
2-3. (L) Dynamické systémy
4-5. (S) Přenos informace
4-5. (L) Kompresní algoritmy
6-7. (S) Příznakové rozpoznávání
6-7. (L) Rozpoznávání objektů - úlohy
8-9. (S) Příznakové rozpoznávání, symbolické učení
8-9. (L) Rozpoznávání objektů - úlohy
10-11. (S) Prohledávání stavového prostoru
10-11. (L) Prohledávání stavového prostoru
12-13. (S) Pokročilé prohledávání stavového prostoru
12-13. (L) Pokročilé prohledávání stavového prostoru, zápočty

Vedoucí cvičení: 

Ing.Jiří Kléma, Ph.D.{klema@labe.felk.cvut.cz}

Cvičící: 

Ing. Petr Buryan{buryan@labe.felk.cvut.cz}
Ing. Petr Benda{bendap1@labe.felk.cvut.cz}
Ing. Lukáš Cerman{cermal1@fel.cvut.cz}
Ing. Matěj Holec{holecm1@fel.cvut.cz}
Ing. David Hurych{david.hurych@seznam.cz}
Ing. Pavel Krsek,Ph.D.{krsek@cmp.felk.cvut.cz}
MSc. Viliam Lisý{viliam.lisy@gmail.cz}
Ing. Martin Macaš{mmacas@seznam.cz}
Ing. Milan Rollo{rollo@labe.felk.cvut.cz}
Ing. Vladimír Smutný{smutny@cmp.felk.cvut.cz}


POŽADAVKY A KLASIFIKACE:

Předmět je uzavřen klasifikovaným zápočtem. Výsledná známka je dána počtem bodů získaných na cvičení a v závěrečném zápočtovém testu. Podmínky udělení zápočtu jsou následující:

  1. Účast a aktivní činnost na cvičení. Povoleny jsou 2 absence za semestr.
  2. Odevzdání všech úloh zadaných v průběhu semestru.
  3. Zisk dostatečného počtu bodů.
  4. Nadpoloviční bodový zisk v zápočtovém testu.

Hodnocení předmětu:

  1. Předmět bude bodován, maximálně lze získat 100 bodů.
  2. V průběhu semestru lze získat 60 bodů za odevzdané úlohy a dílčí testy, závěrečný zápočtový test bude hodnocen 40ti body.
  3. Hodnocení za cvičení:
  4. U úloh je bodové hodnocení dáno kvalitou odevzdané práce a včasností odevzdání.
  5. Předmět bude zakončen zápočtovým testem. Zápočtový test lze v případě neúspěchu (neúčast, nedostatečný počet bodů) 2x opakovat.
  6. Celkové hodnocení:
    Body Stupeň ECTS Známka
    100 - 90 A výborně
    89 - 80 B velmi dobře
    79 - 70 C dobře
    69 - 60 D uspokojivě
    59 - 50 E dostatečně
    49 a méně F nedostatečně

AKTUALITY:

Upozornění - Exkurze do GL a CMP v 1. týdnu:

V 1. výukovém týdnu budou cvičení formou exkurze. Exkurze proběhne na 3 pracovištích - multiagentní systémy, inteligentní a mobilní robotika a počítačové vidění.

Exkurze proběhne v těchto řádných termínech cvičení: úterý od 14:30, středa od 12:45 a 14:30, čtvrtek od 12:45 a 14:30 a pátek od 11:00.

Studenti z těchto cvičení se dostaví do učebny KN:E-132 dle rozvrhu. Studenti z ostatních cvičení přijdou na libovolné cvičení, v němž se exkurze koná, dle vlastních rozvrhových možností.

Účast na exkurzi je povinná (pokud se student nezúčastní bez omluvy ztrácí jednu ze dvou povolených absencí).


VÝUKOVÉ MATERIÁLY:

Veškeré výukové materiály (slajdy z přednášek, návody ke cvičením, zdrojové kódy atd.), organizační pokyny, diskusní fóra apod. jsou umístěny na hlavní stránce předmětu (Kybernetika a umělá inteligence) v e-learningovém systému Moodle. Do kurzu jste byli vloženi automaticky na základě údajů v KOSu. Další informace Vám sdělí Váš cvičící (viz. rozvrh).

V případě problémů s přihlášením do systému Moodle kontaktujte administrátora Matěje Holce.



Poslední úprava: 18.9.2009                                        webmaster: klema@labe.felk.cvut.cz