Úvod do umělé inteligence: Cvičení
Cílem předmětu je poskytnout studentům přehled základních metod a konceptů umělé inteligence a ukázat studentům, jak se představené techniky prakticky používají.
Základní informace
- Přednášející je Roman Barták
- Další cvičení vede Jiří Švancara a Jakub Mestek.
- Letní semestr 2025/26
Obsah předmětu
- Zavedení pojmů, historie
- Řešení úloh prohledáváním (DFS, BFS, Dijkstra, A*)
- Splňování podmínek (Constraint satisfaction programming)
- Logické uvažování (dopředné a zpětné řetězení, rezoluce, SAT)
- Automatické plánování (PDDL)
- Pravděpodobnostní uvažování (Bayesovské sítě)
- Rozhodování
- Hry a teorie her
- Strojové učení (rozhodovací stromy, regrese, zpětnovazební učení)
- Filozofické a etické aspekty
Zápočet
Pokud se stávající situace výrazně nezmění, bude zápočet udělen za domácí úkoly. Z každého úkolu můžete získat alespoň 10 bodů a na zápočet potřebujete získat minimálně 70 bodů. Předběžně plánujeme těchto 10 domácích úkolů.- Heuristiky pro A* algoritmus
- Úplné barvení pomocí Constraint satisfaction programming (CSP)
- 3-partition pomocí logických podmínek (SAT)
- Přeprava balíků s využitím automatického plánování
- Hledání min s použitím podmíněné pravděpodobnosti
- Lokalizace robota pomocí Markovských procesů
- Hledání cesty pro rozbitého robota pomocí Bellmanovy rovnice
- Alfa-beta algoritmus pro jednoduchou hru
- Rozhodovací stromy pro zjišťování cukrovky
- Klasifikace článků neuronovou sítí
Pravidla a další podrobnosti jsou na gitu.
K organizaci cvičení budeme využívat tyto nástroje.
Žádám všechny studenty mého cvičení, aby se přihlásili do mojí skupiny v recodexu. Dále si stáhněte a pravidelně aktualizujte gitový repozitář s podklady k domácím úkolům.
Literatura
- S. Russell, P. Norvig: Artificial Intelligence. A Modern Approach, Prentice Hall, 2010
Cvičení