FI:IV126 Umělá inteligence II - Informace o předmětu
IV126 Umělá inteligence II
Fakulta informatikyjaro 2016
Předmět se v období jaro 2016 nevypisuje.
- Rozsah
- 2/0/0. 2 kr. (plus ukončení). Ukončení: zk.
- Vyučující
- doc. Mgr. Hana Rudová, Ph.D. (přednášející)
- Garance
- doc. RNDr. Eva Hladká, Ph.D.
Katedra počítačových systémů a komunikací – Fakulta informatiky
Dodavatelské pracoviště: Katedra počítačových systémů a komunikací – Fakulta informatiky - Předpoklady
- Předmět volně navazuje na PB016 Umělá inteligence I,
absolvování PB016 není podmínkou pro absolvování předmětu.
Je předpokládana znalost pravděpodobnosti na úrovni MB103 Spojité modely a statistika. - Omezení zápisu do předmětu
- Předmět je nabízen i studentům mimo mateřské obory.
- Mateřské obory/plány
- Umělá inteligence a zpracování přirozeného jazyka (program FI, B-IN)
- Umělá inteligence a zpracování přirozeného jazyka (program FI, N-IN)
- Cíle předmětu
- Cílem předmětu je doplnění ucelených úvodních znalostí z umělé inteligence v návaznosti na přednášku PB016 Umělá inteligence I. Předmět je koncipován na základě klasické knihy Russela & Norviga Artificial intelligence: A modern approach (viz aima.cs.berkeley.edu) a představuje znalosti z oblastí lokálního prohledávání, plánování, práce s neurčitostí a z robotiky.
Absolvent bude znát různé typy základních i pokročilých algoritmů lokálního prohledávání a bude je umět použít pro řešení praktických příkladů.
Absolvent získá základní znalosti o řešení plánovacích problémů jako posloupností akcí provedených pro dosažení zadaného cíle.
Absolvent získá přehled pro práci s neurčitými a nejasnými informacemi v zadaných problémech a naučí se používat základní postupy pro zahrnutí neurčitosti do řešení problému.
Absolvent bude znát základní pojmy z oblasti robotiky a vytvoří si představu o vnímání robota, jeho lokalizaci a plánování jeho pohybu. - Osnova
- Lokální prohledávání a metaheuristiky: Heuristiky s jedním řešením, principy a koncepty, algoritmy pokročilého lokálního prohledávání. Heuristiky s populací řešení, evoluční algoritmy, algoritmy založené na inteligenci hejna. Multi-kriteriální přístupy, Paretovo optimum.
- Plánování: Reprezentace plánovacího problému. Plánování se stavovým prostorem, dopředné a zpětné plánování, STRIPS operátory. Plánování s prostorem plánů, částečné plány.
- Práce s neurčitostí: Bayesovské sítě, exaktní a aproximační odvozování. Čas a neurčitost, Markovské procesy. Teorie užitku, rozhodovací sítě, rozhodování v čase, Markovské rozhodovací procesy.
- Robotika: Roboti, sensory a efektory. Vnímání robota, lokalizace a mapování. Plánování pohybu robota, plánování s neurčitostí.
- Literatura
- RUSSELL, Stuart a NORVIG, Peter. Artificial intelligence : a modern approach (third edition). Prentice Hall, 2010.
- TALBI, El-Ghazali. Metaheuristics: From Design to Implementation. Wiley, 2009.
- GHALLAB, Malik, Dana NAU a Paolo TRAVERSO. Automated Planning: Theory & Practice. Morgan Kaufmann, 2004. info
- Výukové metody
- Standardní přednáška bez cvičení, dva domácí úkoly v průběhu semestru. Přednášky zahrnují příklady na procvičení.
- Metody hodnocení
- Hodnocení předmětu je realizováné na základě závěrečné písemné práce (70% celkového hodnocení) a řešení praktických příkladů za domácí úkol (30% celkového hodnocení za 2 úkoly). Pro úspěšné absolvování předmětu je nutné získat alespoň 10% bodů za domací úlohy a alespoň 55% celkového bodového hodnocení. Hodnocení předmětu je následující A 100%-90%, B 89%-80%, C 79%-70%, D 69%-60%, E 59%-55%.
- Informace učitele
- http://www.fi.muni.cz/~hanka/ai
- Další komentáře
- Studijní materiály
Předmět je vyučován každoročně.
Výuka probíhá každý týden. - Nachází se v prerekvizitách jiných předmětů
- Statistika zápisu (jaro 2016, nejnovější)
- Permalink: https://is.muni.cz/predmet/fi/jaro2016/IV126