Přednášky
1. Principy a metody umělé inteligence. Metody počítačové reprezentace znalostí a jazykové modelování. Základy fuzzy matematiky a fuzzy logiky
2. Fuzzy expertní systémy
3. Fuzzy modely a ANFIS
4. Klasifikace dat: základní metody, principy a aplikace Hierarchické a ne hierarchické metody shlukové analýzy.
5. a 6. Neuronové sítě: základní principy, topologie, typy sítí a aplikace pro klasifikaci a predikci.
7. Metody a aplikace optimalizačních metod
8. Rozhodovací stromy a lesy, náhodné stromy
9. a 10. Metody strojového učení bez neuronových sítí
11. Speciální metody strojového učení: reinforcement learning, federativní učení, transferové učení, multi-source a multi-view learning
12. Hybridní metody
13. Generativní umělá inteligence a její využití v inženýrské praxi
Počítačová cvičení
1. Matematické aplikace fuzzy matematiky
2. Design a realizace fuzzy expertních systémů
3. Aplikace fuzzy modelování na reálných příkladech
4. Implementace vybraných klasifikačních algoritmů v kontextuinženýrských aplikací
5. Design a realizace neuronových sítí v prostředí MATLAB pro řešení klasifikačních a predikčních úkolů
6. Aplikace optimalizačních technik
7. Implementace metod shlukovací analýzy pro segmentaci a klasifikaci biomedicínských dat
8. Implementace metod rozhodovacích stromů
9. Implementace metod strojového učení bez neuronových sítí
10. implementace vybraných speciálních metod strojového učení v inženýrských aplikacích
11. Implementace vybraných hybridních metod v inženýrských aplikacích
12. Experimentárium s generativní umělou inteligencí
13. Zápočtový test
1. Principy a metody umělé inteligence. Metody počítačové reprezentace znalostí a jazykové modelování. Základy fuzzy matematiky a fuzzy logiky
2. Fuzzy expertní systémy
3. Fuzzy modely a ANFIS
4. Klasifikace dat: základní metody, principy a aplikace Hierarchické a ne hierarchické metody shlukové analýzy.
5. a 6. Neuronové sítě: základní principy, topologie, typy sítí a aplikace pro klasifikaci a predikci.
7. Metody a aplikace optimalizačních metod
8. Rozhodovací stromy a lesy, náhodné stromy
9. a 10. Metody strojového učení bez neuronových sítí
11. Speciální metody strojového učení: reinforcement learning, federativní učení, transferové učení, multi-source a multi-view learning
12. Hybridní metody
13. Generativní umělá inteligence a její využití v inženýrské praxi
Počítačová cvičení
1. Matematické aplikace fuzzy matematiky
2. Design a realizace fuzzy expertních systémů
3. Aplikace fuzzy modelování na reálných příkladech
4. Implementace vybraných klasifikačních algoritmů v kontextuinženýrských aplikací
5. Design a realizace neuronových sítí v prostředí MATLAB pro řešení klasifikačních a predikčních úkolů
6. Aplikace optimalizačních technik
7. Implementace metod shlukovací analýzy pro segmentaci a klasifikaci biomedicínských dat
8. Implementace metod rozhodovacích stromů
9. Implementace metod strojového učení bez neuronových sítí
10. implementace vybraných speciálních metod strojového učení v inženýrských aplikacích
11. Implementace vybraných hybridních metod v inženýrských aplikacích
12. Experimentárium s generativní umělou inteligencí
13. Zápočtový test