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
- 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