Informatika - Umělá inteligence

Garantující pracoviště: Katedra teoretické informatiky a matematické logiky
Oborový garant: Prof. RNDr. Roman Barták, Ph.D.

Zaměření:

– inteligentní agenti

– strojové učení

– robotika

Cílem programu Informatika - Umělá inteligence je vychovávat absolventy, kteří dokáží používat a vyvíjet techniky umělé inteligence zejména pak v následujících oblastech: řešení úloh a rozhodovacích problémů, automatické plánování a rozvrhování, přírodou inspirované techniky, strojové učení včetně neuronových sítí a robotika včetně práce s přirozeným jazykem a obrazem. Absolvent programu dokáže aplikovat a dále rozvíjet různé techniky návrhu inteligentních systémů, jako je automatické řešení úloh, řízení autonomních agentů (jak virtuálních, tak fyzických), plánování, strojové učení a dolování dat. Je schopen analyzovat a formálně popsat komplexní rozhodovací problém, navrhnout vhodnou řešící techniku a tuto techniku také implementovat. Program má tři zaměření: inteligentní agenti, strojové učení a robotika.

Povinné předměty

Povinně volitelné profilující předměty

Je požadováno splnění povinně volitelných předmětů z následujícího seznamu v rozsahu alespoň 38 kreditů. Předměty je doporučené volit tak, aby pokrývaly zvolené studijní okruhy státní závěrečné zkoušky.

Povinně volitelné předměty rozšiřující

Je požadováno splnění povinně volitelných předmětů z následujícího seznamu v rozsahu alespoň 15 kreditů.

¹ Předmět NPFL114 byl vyučován do roku 2022/2023, předmět NPFL138 je vyučován od roku 2023/2024, předměty jsou vzájemně neslučitelné.

² Předmět NPFL122 byl vyučován do roku 2022/2023, předmět NPFL139 je vyučován od roku 2023/2024, předměty jsou vzájemně neslučitelné.

Státní závěrečná zkouška

Student si zvolí tři okruhy z nabídky daného zaměření a z každého dostane po jedné otázce. Jeden okruh si může student vybrat z nabídky jiného zaměření programu. Celkově tedy každý student dostane tři otázky.

Zaměření: Inteligentní agenti

Zkušební okruhy

1. Reprezentace znalostí a řešení úloh

2. Neprocedurální programování

3. Multiagentní systémy

4. Přírodou inspirované počítání

Zkušební požadavky

1. Reprezentace znalostí a řešení úloh
Výroková a predikátová logika; splnitelnost a dokazatelnost, strojové dokazování vět, model checking (DPLL), dopředné a zpětné řetězení, rezoluční metoda a unifikace. Podmíněná nezávislost, Bayesovské sítě, výpočet v Bayesovské síti, markovské rozhodovací procesy, částečně pozorovatelné markovské rozhodovací procesy, zpětnovazební učení. Prohledávací algoritmy; stavový prostor, stromové, grafové a lokální prohledávání, neinformované a heuristické prohledávání. Hry a základy teorie her. Splňování omezujících podmínek; konzistenční techniky, globální podmínky. Automatické plánování; plánovací doména a problém, plánovací operátory, základní plánovací techniky a algoritmy.

Doporučené předměty

2. Neprocedurální programování
Odlišnost procedurálního a neprocedurálního způsobu programování. Principy funkcionálního a logického programování. Lambda kalkulus, syntax, principy redukce. Churchova a Rosserova vlastnost a konsistence kalkulu. Věty o pevném bodu. Normální tvar objektů. Typovaný lambda kalkul. Substituce a unifikace. Hornovy klauzule, SLD-rezoluce a logické programy. Čistý Prolog, negace definovaná neúspěchem, obecné logické programy. Postačující podmínky ukončení výpočtu. Implementace Prologu. Logické programování s omezujícími podmínkami.

Doporučené předměty

3. Multiagentní systémy
Architektura autonomního agenta; percepce, mechanismus výběru akcí, paměť; psychologické inspirace. Metody pro řízení agentů; symbolické a konekcionistické reaktivní plánování, hybridní přístupy. Problém hledání cesty; navigační pravidla, reprezentace terénu. Komunikace a znalosti v multiagentních systémech, ontologie, řečové akty, FIPA-ACL, protokoly. Distribuované řešení problémů, kooperace, Nashova ekvilibria, Paretova efektivita, alokace zdrojů, aukce. Etologické motivace, modely populační dynamiky. Metody pro učení agentů; zpětnovazební učení, základní formy učení zvířat. Metodologie návrhu, jazyky a prostředí multiagentních systémů.

Doporučené předměty

4. Přírodou inspirované počítání
Genetické algoritmy, genetické a evoluční programování. Teorie schémat, pravděpodobnostní modely jednoduchého genetického algoritmu. Evoluční strategie, diferenciální evoluce, koevoluce, otevřená evoluce. Rojové optimalizační algoritmy. Memetické algoritmy, hill climbing, simulované žíhání. Aplikace evolučních algoritmů (evoluce expertních systémů, neuroevoluce, řešení kombinatorických úloh, vícekriteriální optimalizace).

Doporučené předměty

Zaměření: Strojové učení

Zkušební okruhy

1. Strojové učení a jeho aplikace

2. Neuronové sítě

3. Dobývání znalostí

Zkušební požadavky

1. Strojové učení a jeho aplikace
Strojové učení; učení s učitelem a bez učitele, zpětnovazební učení, teoretické aspekty strojového učení. Pravděpodobnostní přístupy; neorientované grafické modely, Gaussovské procesy. Evoluční algoritmy; základní pojmy a teoretické poznatky, hypotéza o stavebních blocích, koevoluce, aplikace evolučních algoritmů. Strojové učení v počítačové lingvistice. Algoritmy pro analýzu biologických sekvencí; hledání motivů v DNA, Markovské modely a strategie pro detekci genů či predikci struktury proteinů.

Doporučené předměty

2. Neuronové sítě
Modely pro učení s učitelem; algoritmus zpětného šíření, strategie pro urychlení učení, regularizační techniky a generalizace. Asociativní paměti; Hebbovské učení a hledání suboptimálních řešení, stochastické modely. Umělé neuronové sítě založené na principu učení bez učitele. Modulární, hierarchické a hybridní modely neuronových sítí. Modely hlubokých neuronových sítí; konvoluční neuronové sítě, sítě typu DBN a LSTM-sítě. Evoluční učení neuronových sítí a jeho aplikace.

Doporučené předměty

3. Dobývání znalostí
Základní paradigmata dobývání znalostí. Příprava dat; výběr atributů a metody pro analýzu jejich relevance. Metody pro dobývání znalostí; asociační pravidla, přístupy založené na principu učení s učitelem a klastrová analýza. Metody pro extrakci charakteristických diskriminačních pravidel a měření jejich zajímavosti. Reprezentace, vyhodnocování a vizualizace získaných znalostí. Modely pro analýzu sociálních sítí; míry centrality, detekce komunit. Praktické využití technik pro dobývání znalostí a analýzu sociálních sítí.

Doporučené předměty

Zaměření: Robotika

Zkušební okruhy

1. Lokalizace a mapování

2. Řídící systémy

3. Robotické systémy

4. Plánování a navigace

Zkušební požadavky

1. Lokalizace a mapování
Základní typy lokalizace. Pravděpodobnostní lokalizace, částicové filtry, metody Monte-Carlo. Reprezentace prostředí, reprezentace map, problém korespondence, mapování v dynamickém prostředí. Vztah lokalizace a mapování, SLAM.

Doporučené předměty

2. Řídící systémy
Řídící systémy robotů. Zpracování signálu, rozpoznávání, feature matching and tracking. Systémy pro modelování, virtuální robotika, simulátory. Distribuované algoritmy, systémy řízení pro multirobotické systémy, komunikace, synchronizace, koordinace. Softwarová realizace, programování pro specifické běhové prostředí, ladící prostředky a postupy.

Doporučené předměty

3. Robotické systémy
Základní kinematický a dynamický model, inverzní kinematika a dynamika. Nízkoúrovňový hardware a software, vestavěné systémy. Typy senzorů a aktuátorů, principy a typické oblasti použití. Vysokoúrovňové robotické systémy a jejich řízení: manipulátory, mobilní robotika, autonomní robotika.

Doporučené předměty

4. Plánování a navigace
Základní navigační postupy: dead-reckoning, odometrie, triangulace a trilaterace, inerciální navigace. Navigační a prohledávací algoritmy. Plánování akcí, formulace plánovacího problému, základní plánovací algoritmy, plánování s časem a zdroji.

Doporučené předměty