460-2078/01 – Základy umělé inteligence (ZUI)
Garantující katedra | Katedra informatiky | Kredity | 3 |
Garant předmětu | prof. Ing. Roman Šenkeřík, Ph.D., DBA | Garant verze předmětu | prof. Ing. Roman Šenkeřík, Ph.D., DBA |
Úroveň studia | pregraduální nebo graduální | Povinnost | volitelný odborný |
Ročník | 3 | Semestr | letní |
| | Jazyk výuky | čeština |
Rok zavedení | 2024/2025 | Rok zrušení | |
Určeno pro fakulty | FEI | Určeno pro typy studia | bakalářské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Cílem předmětu je seznámit studenty se základy teorie a praktických aplikacích umělé inteligence (AI). Cílem je získat následující znalosti: Student vysvětlí, jak se umělá inteligence vyvíjela od svého vzniku po současnost, a identifikuje klíčové milníky. Student definuje a rozlišuje mezi typy strojového učení (supervised, unsupervised, reinforcement) a vysvětlí základní terminologii včetně architektur neuronových sítí a praktických aplikací. Student vyjmenová a vymezí klíčové techniky a modely používané v NLP (zpracování přirozeného jazyka), včetně transformer modelů jako BERT a GPT. Student uvede příklady generativních modelů, a vysvětlí jejich principy a aplikace. Student analyzuje, jak přispívá AI v řešení konfliktů, optimalizaci a rozhodování, a dále stanoví důležitost interpretability modelů AI a popíše metody pro zlepšení transparentnosti a vizualizace. Cílem je získat následující dovednosti: Student navrhne a implementuje základní algoritmy strojového učení pro jednoduché aplikace. Student sestaví a trénuje základní neuronovou síť pro řešení specifického problému. Student využije techniky generativních modelů k řešení praktické úlohy, nebo k vytvoření jednoduché aplikace, např. chatbotu. Student provede analýzu dat a využije nástroje pro zlepšení pochopení a interpretovatelnost modelů AI.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Projekt
Anotace
Kurz by měl poskytnout studentům solidní základy v teorii a praktických aplikacích AI, zahrnující historii, klíčové koncepty, algoritmy, příklady využití generativní AI, přesah a souvislosti s robotikou, teorií her, kognitivními vědami a na závěr jasně definovat důležitost interpretability dat, a otázky budoucího vývoje a etické aspekty AI.
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Odevzdání průběžných úloh vypracovávaných na cvičeních, alternativně jednoho hlavního projektového úkolu. Absolvování závěrečné zkoušky.
E-learning
Další požadavky na studenta
Další požadavky na studenta nejsou kladeny.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Úvod do umělé inteligence (AI)
- Historie a vývoj AI
- Definice a oblasti AI (strojové učení, hluboké učení, robotika, zpracování přirozeného jazyka atd.)
- Přehled aplikací AI v reálném světě
2. Základy strojového učení
- Přehled typů strojového učení: supervised, unsupervised, reinforcement
- Základní koncepty a terminologie
- Jednoduché algoritmy strojového učení a jejich aplikace
3. Stručné základy neuronových sítí, hlubokého učení a aplikace
- Základní terminologie neuronových sítí.
- Stručný přehled architektur, perceptron, vícevrstvé perceptrony, dále hluboké neuronové sítě a jejich architektury (CNN, RNN, LSTM)
- Aplikace hlubokého učení
4. Zpracování přirozeného jazyka (NLP)
- Úvod do NLP a jeho aplikace (chatboti, strojový překlad)
- Techniky a modely NLP (tokenizace, word embeddings, transformer modely)
- Úvod do BERT a GPT modelů (transformer achitektury)
5. Generativní modely v AI
- Úvod do generativních modelů a jejich principů
- Generativní adversariální sítě (GANs) a jejich aplikace
6. Generativní modely v AI II
- Generativní AI v SW inženýrství a technických oborech
- Příklady využití generativní AI v grafice, designu a dalších oblastech
7. AI a teorie her, kognitivní systémy a umělý život, robotika
- Teorie her a její vztah k AI
- Aplikace teorie her v AI pro řešení konfliktů, optimalizaci a rozhodování (obchodní strategie, sociální simulace)
- Základy kognitivních systémů a jejich inspirace lidským myšlením, vztah k AI
- Úvod do umělého života (Alife) a jeho cíle: simulace života pomocí AI, příklady Alife projektů.
- Robotika a její integrace s AI, hejnová iteligence
8. Rozhodovací systémy a optimalizace
- Úvod do rozhodovacích systémů a optimalizačních algoritmů v UI
- Příklady využití v logistice a plánování
- AI v dynamických prostředích
9. Vizualizace dat a interpretabilita
- Co je to vysvětlitelná umělá inteligence (XAI)
- Důležitost interpretability modelů AI (white box/glass box/black box)
- Příklady nástrojů a metod pro zlepšení transparentnosti a vizualizace pro lepší pochopení dat a výsledků modelů
10 Budoucnost umělé inteligence, etika a společenské dopady AI
- Trendy a výzvy v AI
- Možný vývoj a směřování AI v nadcházejících letech
- Etické dilemata (autonomní systémy, dohled)
- Bias a spravedlnost v algoritmech
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.