Obsah

Mgr. minor: Umělá inteligence

Minor umělá inteligence je vhodným doplňkem všech oborů magisterského studia. Minor lze vystudovat v případě, že student vystuduje libovolnou čtveřici povinných předmětů oboru umělá inteligence, které nejsou povinnými předměty jeho hlavního oboru. Předměty umělé inteligence se dělí především na předměty zaměřené spíše na strojové učení a datovou analýzu: Statistical Machine Learning, Symbolické strojové učení, nebo na algoritmickou umělou inteligenci: Multi-agentní systémy, Plánování pro umělou inteligenci, Logické usuzování a programování a Umělá inteligence v robotice. Zatímco pro obory jako je datová věda, počítačové vidění a digitální obraz nebo bioinformatika jsou vhodným dopňkem právě předměty algoritmické umělé inteligence, pro obor kybernetická bezpečnost se hodí spíše předměty strojového učení. Ostatní obory se dají doplňovat libovolnou kombinací oborových předmětů oboru.

Garant minor oboru


   

  • Dr. prof. Michal Pěchouček, MSc.

 

 

Doporučený průchod studiem

Předměty A4M33RZN a A4M36PAH by měl projít každý zájemce o minor specializaci umělá inteligence. Ze zbývající čtveřice předmětů si zájemce vybere dva dle osobního zájmu a hlavního profilu. Obecná charakteristika předmětů je tato:

Studenti se softwarovějším hlavním zaměřením mohou více tíhnout k předmětům A4M36MAS a A4M33AU. Předmět A4M33SAD je společným oborovým předmětem i pro počítačové vidění.

  • Předmět Pokročilé metody reprezentace znalostí (A4M33RZN) shrnuje poslední přístupy k popisu reálných objektů a jejich vztahů. Úspěchu totiž nelze dosáhnout bez paměti a vnitřního modelu světa. Zvláštní důraz klade na neurčitost vlastností objektů i souvislostí mezi objekty a jejich změny v čase. Na příkladu webu ukazuje, že způsob popisu světa předurčuje i možnosti řešení problémů. Úspěchu nelze dosáhnout ani bez schopnosti plánovat posloupnosti akcí, které agentovi umožní přechod z aktuálního stavu světa do požadovaného a pro něj výhodného.
  • Předmět Plánování a hry (A4M36PAH) prochází základní plánovací strategie a ilustruje jejich použití v prostředí her dvou a více hráčů (mj. šachy).
  • Předmět Automatické uvažování (A4M33AU) je vhodný pro studenty s dobrými teoretickými základy logiky a logického dokazování, se zájmem o hlubší matematický pohled na inteligenci. Praktičteji orientovaní studenti ocení ukázky použití automatického uvažování při testování SW a HW.
  • Předmět Biologicky inspirované algoritmy (A4M33BIA) zdůrazňuje využití analogií s nejrůznějšími jevy v přírodě či společnosti při návrhu inteligentních algoritmů. Jádrem předmětu je objasnění funkce evolučních algoritmů a neuronových sítí, pozornost bude věnována i mravenčím koloniím nebo rojům včel.
  • Předmět Strojové učení a analýza dat (A4M33SAD) studenty seznámí s technikami, které slouží k objevování znalostí z hromadných dat. Konkrétními příklady může být automatické nalezení podvodných operací s debetními kartami v datech bankovních operací, určení problematických parametrů nastavení výrobní linky z operačních průmyslových dat nebo nalezení genů, jejichž rostoucí nebo klesající aktivita souvisí s konkrétními onemocněními.
  • Zájemci o programování distribuovaných systémů si mohou zapsat předmět Multi-agentní systémy (A4M36MAS). Velkou roli zde hraje nutnost spolupráce a vyjednávání mezi agenty a jejich skupinami, studenti se naučí programovat ve speciálních jazycích pro implemetaci kognitivních agentů. Doporučení na základě hlavní specializace není jednoznačné.