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:
Počet kreditov: 6
Odporúčaný semester štúdia: ZS
Odporúčaný semester Študijný program Stupeň štúdia Metóda štúdia
3.rok ZS Informatika (INF_Bc_D_sk)
Informatika (INF_Bc_D_en)
Počítačové modelovanie (PM_Bc_D_sk)
1.
1.
1.
Prezenčná
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: 1048
  A B C D E FX  
  11% 14% 22% 28% 12% 12%  
Zabezpečuje:
prof. Ing. Peter Drotár, PhD.
prof. Ing. Juraj Gazda, PhD.
doc. Ing. Branislav Sobota, PhD.
Dátum poslednej zmeny: 31.08.2023
Schválil: osoba/osoby zodpovedné za študijný program