IV126 Umělá inteligence II

Fakulta informatiky
podzim 2021
Rozsah
2/0/1. 3 kr. (plus ukončení). Ukončení: zk.
Vyučující
doc. Mgr. Hana Rudová, Ph.D. (přednášející)
Garance
doc. Mgr. Hana Rudová, Ph.D.
Katedra počítačových systémů a komunikací – Fakulta informatiky
Dodavatelské pracoviště: Katedra počítačových systémů a komunikací – Fakulta informatiky
Rozvrh
Pá 17. 9. až Pá 17. 12. Pá 10:00–11:50 A217
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
předmět má 39 mateřských oborů, zobrazit
Cíle předmětu
Předmět ucelí úvodní znalostí z umělé inteligence v návaznosti na předmět PB016 Umělá inteligence I. Jsou zde probírány znalosti z umělé inteligence o problematice prohledávacích algoritmů z oblasti metaheuristik a lokálního prohledávání, o klasickém plánování, o práci s neurčitými a nejistými informacemi a také úvod do robotiky zaměřený na plánování pohybu robota.
Výstupy z učení
Absolvent bude znát různé typy algoritmů lokálního prohledávání a metaheuristik a bude je umět použít pro řešení praktických problémů.
Absolvent porozumí problematice plánování v umělé inteligenci, naučí se, jak lze plánovací problém reprezentovat a jak lze pomocí základních algoritmů plánovací problém řešit.
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, na které si ukážeme, jak lze výše uvedené znalosti aplikovat, především při plánování pohybu robota.
Osnova
  • Lokální prohledávání a metaheuristiky: Metaheuristiky nad jedním řešením, principy a koncepty, algoritmy pokročilého lokálního prohledávání. Metaheuristiky s populací řešení, evoluční algoritmy, algoritmy založené na inteligenci hejna.
  • Plánování: Reprezentace plánovacího problému. Plánování se stavovým prostorem, dopředné a zpětné plánování, doménově specifické plánování. Plánování s prostorem plánů, částečné plány.
  • Práce s neurčitostí: Bayesovské sítě, exaktní a aproximační odvozování. Čas a neurčitost. Užitek, rozhodování. Sekvenční rozhodovací problémy, Markovské rozhodovací procesy.
  • Robotika: Robot a jeho harware, vnímání robota, rozvrhování robotů ve výrobě, plánování pohybu robota a pohyb.
Literatura
  • RUSSELL, Stuart J. a Peter NORVIG. Artificial intelligence : a modern approach. Fourth edition. Hoboken: Pearson, 2021, xvii, 1115. ISBN 9780134610993. info
  • 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 bude realizováné na základě písemného zkoušení (80 bodů), řešení praktických příkladů za domácí úkoly (20 bodů celkem za 2 úkoly) a bonusových bodů za aktivní účast (až 12 bodů dle počtu přednášek). Pro úspěšné absolvování předmětu je nutné získat vice než 40 bodů za závěrečnou písemnou práci (prokázat nadpoloviční znalost problematiky) a alespoň 8 bodů za domací úkoly. Každý student může získat 1 bonusový bod za aktivitu na přednášce (např. reakce na více jednoduchých dotazů nebo dotazy studentky/a na vyjasnění látky, reakce na jeden složitější dotaz). Hodnocení předmětu je následující: A více než 90, B 89-80, C 79-70, D 69-60, E 59-50.
Informace učitele
http://www.fi.muni.cz/~hanka/ai
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích jaro 2015, jaro 2017, jaro 2018, jaro 2019, podzim 2019, podzim 2020, podzim 2022, podzim 2023, podzim 2024.