Materiály jsou dostupné v https://lms.vsb.cz/.
Konzultace prostřednictvím MS Teams.
Aplikovaná umělá inteligence
| Typ studia | navazující magisterské |
|---|---|
| Jazyk výuky | čeština |
| Kód | 450-4049/05 |
| Zkratka | AUI |
| Název předmětu česky | Aplikovaná umělá inteligence |
| Název předmětu anglicky | Applied Artificial Intelligence Methods |
| Kreditů | 5 |
| Garantující katedra | Katedra kybernetiky a biomedicínského inženýrství |
| Garant předmětu | prof. Ing. Martin Černý, Ph.D. |
Subject syllabus
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
E-learning
Literature
KŘIVAN, Miloš. Úvod do umělých neuronových sítí. Vyd. 3., přeprac. Praha: Oeconomica, 2014. ISBN 978-80-245-2024-7.
POKORNÝ,M.,SROVNAL,V. Systémy s umělou inteligencí - Učební text a návody do cvičení. CZ.1.07/2.2.00/15.0113. VŠB - Technická univerzita Ostrava. Ostrava. 2012
MARČEK, Dušan. Neuronové sítě a fuzzy časové řady s aplikacemi v ekonomice. Opava: Slezská univerzita, 2002. ISBN 80-7248-157-6.
RICHTER, Michael M.; PAUL, Sheuli; KËPUSKA, Veton a SILAGHI, Marius. Signal processing and machine learning with applications. Cham, Switzerland: Springer, [2022]. ISBN 978-3-319-45371-2.
ARIF, Tariq M. a RAHIM, Md Adilur. Deep learning for engineers. Boca Raton: CRC Press, Taylor & Francis Group, 2024. ISBN 978-1-03-250473-5.
POKORNÝ,M.,SROVNAL,V. Systémy s umělou inteligencí - Učební text a návody do cvičení. CZ.1.07/2.2.00/15.0113. VŠB - Technická univerzita Ostrava. Ostrava. 2012
MARČEK, Dušan. Neuronové sítě a fuzzy časové řady s aplikacemi v ekonomice. Opava: Slezská univerzita, 2002. ISBN 80-7248-157-6.
RICHTER, Michael M.; PAUL, Sheuli; KËPUSKA, Veton a SILAGHI, Marius. Signal processing and machine learning with applications. Cham, Switzerland: Springer, [2022]. ISBN 978-3-319-45371-2.
ARIF, Tariq M. a RAHIM, Md Adilur. Deep learning for engineers. Boca Raton: CRC Press, Taylor & Francis Group, 2024. ISBN 978-1-03-250473-5.
Doporučená literatura
LIU, Zhen "Leo." Artificial Intelligence for Engineers: Basics and Implementations. Online. 2025. ISBN 9783031759529 . Dostupné z: https://doi.org/10.1007/978-3-031-75953-6.
TAULLI, Tom. Artificial intelligence basics: a non-technical introduction. [New York]: Apress, [2019]. ISBN 978-1-4842-5027-3.
ČERVENKA, Rudolf. Umělá inteligence: zdroje, podstata, současný stav, využití, výhled. Vydání nulté, prubířské. Prameny. Voznice: Leda, 2025. ISBN 978-80-7335-804-4.
VOLNÁ,E. Neuronové sítě. Ostravská univerzita, Ostrava. 2008
HYNEK,J. Genetické algoritmy a genetické programování. Grada, 2008. ISBN: 978-80-247-2695-3
TAULLI, Tom. Artificial intelligence basics: a non-technical introduction. [New York]: Apress, [2019]. ISBN 978-1-4842-5027-3.
ČERVENKA, Rudolf. Umělá inteligence: zdroje, podstata, současný stav, využití, výhled. Vydání nulté, prubířské. Prameny. Voznice: Leda, 2025. ISBN 978-80-7335-804-4.
VOLNÁ,E. Neuronové sítě. Ostravská univerzita, Ostrava. 2008
HYNEK,J. Genetické algoritmy a genetické programování. Grada, 2008. ISBN: 978-80-247-2695-3