INFORMAČNÝ LIST PREDMETU

Vysoká škola: Technická univerzita v Košiciach

Fakulta: Fakulta elektrotechniky a informatiky

Pracovisko: Katedra počítačov a informatiky

Kód predmetu: 26001010

Názov predmetu: Inteligentné systémy v informatike

Druh, rozsah a metóda vzdelávacích činností:
Forma výučby: Prednáška, Cvičenie laboratórne
Odporúčaný rozsah výučby (v hodinách):
Denná forma štúdia (hodiny za týždeň): 2,2
Externá forma štúdia (hodiny za semester): ZS 26,26
Metóda štúdia: Prezenčná, Kombinovaná

Počet kreditov: 6

Odporúčaný semester štúdia: ZS

Odporúčaný semester

Študijný program

Stupeň štúdia

Metóda štúdia

3.rok ZS

Počítačové modelovanie (PM_Bc_D_sk)
Informatika (INF_Bc_D_KM)
Informatika (INF_Bc_D_en)
Informatika (INF_Bc_D_sk)

1.
1.
1.
1.

Prezenčná
Kombinovaná
Prezenčná
Prezenčná

Stupeň štúdia:

Podmieňujúce predmety:

Podmienky na absolvovanie predmetu:
Spôsob hodnotenia a skončenia štúdia predmetu: Zápočet a skúška
Priebežné hodnotenie (PH): Študent prospeje v PH a získa zápočet, keď splní podmienku získať min. 21% z 40%.
Zápočet
Záverečné hodnotenie (ZH): Študent prospeje v ZH a úspešne vykoná skúšku, keď splní podmienku získať min. 31% z 60%.
Skúška
Celkové hodnotenie: CH je suma hodnotení získaných študentom za hodnotené obdobie. Celkový výsledok sa stanoví v súlade s vnútornými predpismi TUKE. (študijný poriadok, vnútorný predpis zásady doktorandského štúdia)

Výsledky vzdelávania:
Študent sa oboznámi so základnými princípmi, jednotlivými krokmi a algoritmami spracovania dát a strojového učenia. Predmet je zameraný na získanie praktických znalostí pre riešenie štandardných problémov dolovania dát a použitie nástrojov pre dolovanie dát. Študent získa znalosti potrebné pre praktické aplikácie ako je návrh spamového filtra, analýza správania zákazníka (basket analysis), rozpoznávanie tváre, detekcia nelegálnych bankových operácií. Študent rovnako získa základné zručnosti pre riešenie vybraných praktických problémov (jednoduché počítačové hry a logické rébusy) využitím vyhľadávacích problémov (A*, UCS a iných). Študent bude analyzovať výkonnosť jednotlivých algoritmov z pohľadu časovej a pamäťovej náročnosti. Pre vybrané problémy na základe získaných vedomostí vyberie sadu algoritmov, analyzuje ich, implementuje a prevedie komplexnú komparatívnu analýzu.

Stručná osnova predmetu:
1. Úvod do strojového učenia. Nástroje spracovania dát.
2. Strojové učenie s učiteľom (perceptron, metóda podporných vektorov, rozhodovacie stromy, k-najbližších susedov).
3. Predspracovanie dát (imputácia, škálovanie).
4. Validácia a evaluácia modelov, ladenie parametrov modelu (krížová validácia, meranie výkonnosti modelu).
5. Klastrovanie (K-means, DBSCAN).
6. Výber premenných, redukcia vysokých rozmerov a praktické aspekty návrhu inteligentných systémov.
7. Agentové systémy – typy agentov, stavový priestor a rozhodovanie agentov.
8. Vyhľadávacie algoritmy bez prídavnej informácie – depth-first search (DFS), bread-first search (BFS) , uniform-cost search (UCS) a iteratívne hĺbenie (iterative deepening).
9. Vyhľadávacie algoritmy s prídavnou heuristikou – vyhľadávanie typu Greedy a A*, návrh prípustných heuristík.
10. Riešenie identifikačných problémov s ohraničeniami využitím agentových systémov – algoritmy typu spätné prehľadávanie, dopredná filtrácia a konzistencia hrany.
11. Stochastické optimalizačné algoritmy a ich využitie v riešení identifikačných problémoch s ohraničeniami - optimalizačný algoritmus ACO (Ant Colony Optimization), hill-climbing, simulované žíhanie a lokálne vyhľadávanie.
12. Hybridné prístupy (aplikácia biológiou inšpirovaných algoritmov s multi-agentovými systémami).

Odporúčaná literatúra:
Python for Data Analysis, Wes McKinney, O'Reilly Media, 2012
Machine Learning: An algorithmic perspective, Stephen Marsland, CRC Press, 2015
Agent Based and Individual based modelling, Steven F. Railsback and Volker Grimm, Princeton Press, 2012
Artificial Intelligence for Humans, Jeff Heaton, Heaton Research, 2014

Odporúčané voliteľné súčasti programu:

Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu:

Poznámky: Pre úspešné absolvovanie predmetu sa od študenta očakáva aktívna účasť na vzdelávacích činnostiach priamej výučby (prednášky, cvičenia), ako aj samostatné štúdium a samostatná tvorivá činnosť pri spracovaní semestrálnych projektov (zadaní) na stanovenú tému. Časová náročnosť: 8hod/týždeň.

Hodnotenie predmetov:
Celkový počet hodnotených študentov: 1255

10%

14%

24%

29%

11%

Zabezpečuje:
prof. Ing. Peter Drotár, PhD.
doc. Ing. Branislav Sobota, PhD.
Ing. Miroslav Imrich
prof. Ing. Juraj Gazda, PhD.
Ing. Eugen Šlapak, PhD.
Ing. Marcel Vološin, PhD.

Dátum poslednej zmeny: 01.09.2024

Schválil: osoba/osoby zodpovedné za študijný program