Umělá
inteligence II / Artificial Intelligence II
NAIL070,
2/0 Zk, letní semestr
Roman Barták, KTIML
Počítačový program Watson vyvinutý firmou IBM porazil lidské šampiony ve hře Jeopardy! (v české verzi Riskuj!). Potřeboval k tomu rozpoznávat přirozený jazyk, schopnost učit se a skládat informace s prvkem nejistoty. Právě posledním dvěma tématům je věnováno letní pokračování přednášky z umělé inteligence.
Zdroje:
Přednáška je připravena podle knihy S. Russell, P. Norvig: Artificial Intelligence. A Modern Approach, Prentice Hall, 2003 (třetí vydání). Materiály ke knize jsou dostupné na webu, kde najdete spousty odkazů na další zdroje.
V roce 2015 je možno (z fakutních počítačů) přistupovat na PDF všech knih ze série Synthesis Lectures on Artificial Intelligence and Machine Learning vydavatelství Morgan & Claypool Publishers.
Z literatury dostupné v českém jazyce je možné čerpat například ze série knih V. Mařík, O. Štěpánková, J. Lažanský (eds.): Umělá inteligence 1-5, vycházející v nakladatelství Academia.
Některé kapitoly z přednášky jsou tématem samostatných přednášek, kde je možné své znalosti prohloubit: Strojové učení (NAIL029), Neuronové sítě (NAIL002).
Přednáška (LS 2024/2025):
Tuesday 12:20 - 13:50, lecture hall S5 (Malá Strana, 2nd floor)
The course is given in English.
A preliminary schedule.
lecture quiz 18. 02. 2025
Introduction to uncertainty reasoning. Probability theory.
(Chapter 13)
25. 02. 2025 Bayesian networks: construction, semantics, inference (exact and approximate).
(Chapter 14.1-14.5)04. 03. 2025Cancelled due to foreign trip
11. 03. 2025 Probabilistic reasoning over time: Markov models, inference in temporal models (filtering, prediction, smoothing, most likely explanation).
(Chapter 15.1-15.3)
18. 03. 2025 Dynamic Bayesian networks, Kalman filter.
(Chapter 15.4-15.6)
25. 03. 2025 Utility theory, preferences, value of information.
(Chapter 16.1-16.4, 16.6)
01. 04. 2025
Simple rational decisions. Sequential decision problems, Markov Decision Processes, value and policy iteration.
(Chapter 16.5, 16.7, 17.1-17.4)08. 04. 2025 Decisions with multiple agents, game theory, mechanism design.
(Chapter 17.5 -17.6)15. 04. 2025
Introduction to machine learning. Supervised learning: learning decision trees, regression, Support Vector Machines, ensemble learning.
(Chapter 18.1-18.3, 18.6, 18.8-18.10)22. 04. 2025
Knowledge in learning, a logical formulation of learning, version space, inductive logic programming.
(Chapter 19.1, 19.5)29. 04. 2025 Learning probabilistic models, the EM algorithm.
(Chapter 20)06. 05. 2025 Reinforcement learning.
(Chapter 21.1-21.3)13. 05. 2025Cancelled due to Rector's Day 20. 05. 2025Cancelled due to foreign trip Slajdy v češtině.
Úvod, práce s neurčitostí, podmíněná pravděpodobnost Bayesovo pravidlo. Bayesovské sítě: konstrukce a sémantika. Bayesovské sítě: exaktní a aproximační odvozování. Alternativní přístupy k neurčitosti. Čas a neurčitost, skryté Markovské modely. Dynamické Bayesovské sítě, Kalmanovy filtry. Racionální rozhodování, teorie užitku. Influeční diagramy. Rozhodovaní v čase, Markovské rozhodovací procesy. Rozhodování v částečně pozorovaném prostředí a s více agenty. Úvod do strojového učení, učení s učitelem: rozhodovací stromy. Regrese, SVM, boosting Učení s předchozími znalostmi, prostor verzí, induktivní logické programování. Učení pravděpodobnostních modelů, EM algoritmus. Zpětnovazební učení.
Zkouška / Exam:
Kontakt:
prof. RNDr. Roman Barták, Ph.D.
Katedra teoretické informatiky a matematické logiky
Matematicko-fyzikální fakulta Univerzity Karlovy
Malostranské nám. 2/25, 118 00 Praha 1
Czech Republice-mail: bartak (AT) ktiml.mff.cuni.cz
tel: +420 951 554 242V případě potřeby je možné domluvit individuální konzultace k přednášce, případně témata projektů, bakalářských či diplomových prací vycházejících z témat přednášky.
Samozřejmě veškeré komentáře k přednášce, hlášení chyb, nejasných pasáží apod. jsou vítány.