Ke zvolené fakultě se vypíší všechny obory prezenční a kombinované formy studia. Zpracovávají se poslední 4 semestry. Ke každému oboru se vyberou všechna studia, která měla obor aktivní v den zahájení výuky semestru. Berou se v úvahu pouze studia, která studium zahájila řádným zápisem (tj. ignorují se studia, která zahájila přestupem apod.). Ignorují se studia, která mají více než dva uznané předměty. Zpracovávají se zápisy předmětů, které nejsou uznané, započítávají se, jsou v obvyklých semestrech. Ke každému zpracovávanému zápisu se zjistí, kolik oborů mělo studium aktivní v den zahájení výuky semestru. Pokud jeden, pak se zápis započte k tomuto jedinému oboru. Pokud má studium více aktivních oborů, hledá se, zda k zápisu je přiřazen obor. Pokud ano, použije se. Pokud ne, vyhledají se mateřské obory k předmětu. Předmět se započte jen k oborům studia, které jsou současně mateřským oborem předmětu. Pokud se žádný mateřský obor neshoduje s žádným z aktivních oborů studia v den zahájení výuky semestru, zápis se započte ke všem aktivním oborům studia. Semestr se použije ten, který SO k aktivnímu oboru studia zadalo platný ke dni zahájení výuky semestru. Procento sděluje poměr počtu všech studií majících obor za aktivní v semestru ke dni zahájení výuky semestru ke stejným studiím, které mají předmět zapsaný. Bere se v úvahu pouze první zápis předmětu ve studiu (nikoli opakovaný v případě neúspěchu). Zápisy, které má zapsáno méně než 10 % studií, se ignorují. Zobrazuje se jen tolik semestrů, kolik zahrnuje standardní doba studia oboru.

Strojové učení a umělá inteligence (navazující prezenční se specializací)

1. ročník
1. semestr
FI:IV111 Probability in Computer Science • 59 %
FI:IV126 Fundamentals of Artificial Intelligence • 59 %
FI:MA012 Statistics II • 59 %
FI:PA163 Constraint programming • 53 %
FI:PV251 Visualization • 53 %
FI:PA152 Efficient Use of Database Systems • 35 %
FI:PV056 Machine Learning and Data Mining • 29 %
FI:IA008 Computational Logic • 24 %
FI:PA039 Supercomputer Architecture and Intensive Computations • 24 %
FI:PV021 Neural Networks • 24 %
FI:PV211 Introduction to Information Retrieval • 24 %
FI:PV254 Recommender Systems • 21 %
FI:PA153 Natural Language Processing • 15 %
FI:MA018 Numerical Methods • 12 %
FI:PV027 Optimization • 12 %
2. semestr
FI:PA039 Supercomputer Architecture and Intensive Computations • 73 %
FI:IA008 Computational Logic • 69 %
FI:PA152 Efficient Use of Database Systems • 69 %
FI:PV056 Machine Learning and Data Mining • 65 %
FI:PV211 Introduction to Information Retrieval • 62 %
FI:PV254 Recommender Systems • 35 %
FI:PA228 Machine Learning in Image Processing • 31 %
FI:PV027 Optimization • 31 %
FI:PA212 Advanced Search Techniques for Large Scale Data Analytics • 23 %
FI:MA012 Statistics II • 19 %
FI:PA026 Projekt z umělé inteligence • 19 %
FI:IV126 Fundamentals of Artificial Intelligence • 15 %
FI:PA163 Constraint programming • 15 %
FI:IV111 Probability in Computer Science • 12 %
FI:PV021 Neural Networks • 12 %
FI:PV251 Visualization • 12 %
2. ročník
3. semestr
FI:PA153 Natural Language Processing • 52 %
FI:PV021 Neural Networks • 43 %
FI:IV127 Seminář laboratoře adaptabilní výuky • 30 %
FI:PV027 Optimization • 30 %
FI:PV115 Laboratoř dobývání znalostí • 30 %
FI:IA168 Algorithmic game theory • 26 %
FI:IV126 Fundamentals of Artificial Intelligence • 26 %
FI:PA228 Machine Learning in Image Processing • 26 %
FI:PA163 Constraint programming • 22 %
FF:DSBCB46 Role psa a slona ve starověku • 13 %
FI:IV111 Probability in Computer Science • 13 %
FI:IV125 Seminář laboratoře Formela • 13 %
FI:MA012 Statistics II • 13 %
FI:PA164 Machine learning and natural language processing • 13 %
FI:PV251 Visualization • 13 %
4. semestr
FI:PA228 Machine Learning in Image Processing • 56 %
FI:PA026 Projekt z umělé inteligence • 31 %
FI:IA008 Computational Logic • 25 %
FI:SDIPR Diplomová práce • 25 %
FI:PA128 Similarity Searching in Multimedia Data • 19 %
FI:PV027 Optimization • 19 %
FI:PV056 Machine Learning and Data Mining • 19 %
FI:PV115 Laboratoř dobývání znalostí • 19 %
FI:PV254 Recommender Systems • 19 %
FI:SZMGR Státní zkouška (magisterský studijní program) • 19 %
FI:IB109 Návrh a implementace paralelních systémů • 13 %
FI:IV127 Seminář laboratoře adaptabilní výuky • 13 %
FI:PB176 Základy kvality a správy kódu • 13 %
FI:PV251 Visualization • 13 %
FI:SOBHA Obhajoba závěrečné práce • 13 %
PdF:CORE071 Praktická psychologie a komunikace • 13 %
ESF:CORE011 Ekonomický styl myšlení • 13 %

Údaje byly předpočítány: 5. 10. 2024 11:31

Všechny obory fakulty