Umělá
inteligence II / Artificial Intelligence II
NAIL070,
2/0 Zk, letní semestr
Roman Barták, KTIML
Počítačový program Watson vyvinutý firmou IBM porazil lidské šampiony ve hře Jeopardy! (v české verzi Riskuj!). Potřeboval k tomu rozpoznávat přirozený jazyk, schopnost učit se a skládat informace s prvkem nejistoty. Právě posledním dvěma tématům je věnováno letní pokračování přednášky z umělé inteligence.
Zdroje:
Přednáška je připravena podle knihy S. Russell, P. Norvig: Artificial Intelligence. A Modern Approach, Prentice Hall, 2003 (třetí vydání). Materiály ke knize jsou dostupné na webu, kde najdete spousty odkazů na další zdroje.
V roce 2015 je možno (z fakutních počítačů) přistupovat na PDF všech knih ze série Synthesis Lectures on Artificial Intelligence and Machine Learning vydavatelství Morgan & Claypool Publishers.
Z literatury dostupné v českém jazyce je možné čerpat například ze série knih V. Mařík, O. Štěpánková, J. Lažanský (eds.): Umělá inteligence 1-5, vycházející v nakladatelství Academia.
Některé kapitoly z přednášky jsou tématem samostatných přednášek, kde je možné své znalosti prohloubit: Strojové učení (NAIL029), Neuronové sítě (NAIL002).
Přednáška (LS 2023/2024):
Monday 12:20 - 13:50, lecture hall S4 (Malá Strana, 3rd floor)
The course is given in English.
A preliminary schedule.
lecture quiz 19. 02. 2024
Introduction to uncertainty reasoning. Probability theory.
(Chapter 13)
26. 02. 2024 Bayesian networks: construction, semantics, inference (exact and approximate).
(Chapter 14.1-14.5)04. 03. 2024 Probabilistic reasoning over time: Markov models, inference in temporal models (filtering, prediction, smoothing, most likely explanation).
(Chapter 15.1-15.3)
11. 03. 2024 Dynamic Bayesian networks, Kalman filter.
(Chapter 15.4-15.6)
18. 03. 2024 Utility theory, preferences, value of information.
(Chapter 16.1-16.4, 16.6)
25. 03. 2024
Simple rational decisions. Sequential decision problems, Markov Decision Processes, value and policy iteration.
(Chapter 16.5, 16.7, 17.1-17.4)01. 04. 2024Easter holidays
08. 04. 2024 Decisions with multiple agents, game theory, mechanism design.
(Chapter 17.5 -17.6)15. 04. 2024 Introduction to machine learning. Supervised learning: learning decision trees, regression, Support Vector Machines, ensemble learning.
(Chapter 18.1-18.3, 18.6, 18.8-18.10)22. 04. 2024
Knowledge in learning, a logical formulation of learning, version space, inductive logic programming.
(Chapter 19.1, 19.5)29. 04. 2024 Learning probabilistic models, the EM algorithm.
(Chapter 20)06. 05. 2024Cancelled due to foreign trip 13. 05. 2024 Reinforcement learning.
(Chapter 21.1-21.3)20. 05. 2024Cancelled due to foreign trip Slajdy v češtině.
Úvod, práce s neurčitostí, podmíněná pravděpodobnost Bayesovo pravidlo. Bayesovské sítě: konstrukce a sémantika. Bayesovské sítě: exaktní a aproximační odvozování. Alternativní přístupy k neurčitosti. Čas a neurčitost, skryté Markovské modely. Dynamické Bayesovské sítě, Kalmanovy filtry. Racionální rozhodování, teorie užitku. Influeční diagramy. Rozhodovaní v čase, Markovské rozhodovací procesy. Rozhodování v částečně pozorovaném prostředí a s více agenty. Úvod do strojového učení, učení s učitelem: rozhodovací stromy. Regrese, SVM, boosting Učení s předchozími znalostmi, prostor verzí, induktivní logické programování. Učení pravděpodobnostních modelů, EM algoritmus. Zpětnovazební učení.
Zkouška / Exam:
Kontakt:
prof. RNDr. Roman Barták, Ph.D.
Katedra teoretické informatiky a matematické logiky
Matematicko-fyzikální fakulta Univerzity Karlovy
Malostranské nám. 2/25, 118 00 Praha 1
Czech Republice-mail: bartak (AT) ktiml.mff.cuni.cz
tel: +420 951 554 242V případě potřeby je možné domluvit individuální konzultace k přednášce, případně témata projektů, bakalářských či diplomových prací vycházejících z témat přednášky.
Samozřejmě veškeré komentáře k přednášce, hlášení chyb, nejasných pasáží apod. jsou vítány.