====== Literatura ======

Doporučené čtení. Můžete pochopitelně použít i další knihy či on-line zdroje ke studiu. Někde je potřeba dát pozor, terminologie se může lišit. Zdrojů je hodně, kvalita kolísá, toto je náš výběr. Doporučení na další zdroje vítáme, pokud akceptujeme do našeho výběru, oceníme prémiovými body.


{[be5b33kui:Blitzstein-Hwang2019]} je dobrá kniha na úvod do pravděpodobnosti, náhodných proměnných a pod. Je volně k dispozici na on-line čtení, [[http://probabilitybook.net]]. Budeme ji potřebovat v úvodu do pravděpodobnosti, ale bude se hodit i v dalším průběhu předmětu k tu a tam nakouknutí.

Reinforcement learning (posilované učení) je dobře vysvětleno v {[be5b33kui:Sutton-Barto98]}, on-line [[http://incompleteideas.net/book/ebook/the-book.html|html]]. Druhé vydání {[be5b33kui:Sutton-Barto2018]}, on-line [[http://incompleteideas.net/book/RLbook2018.pdf|pdf]]. Kapitola 4 - Dynamic programming dobře poslouží i pro studium sekvenčního rozhodování (MDPs). Nám tedy poslouží především jako studijní materiál v 5-8 týdnu.

Kniha {[be5b33kui:LaValle2006]} je k dispozici i [[http://planning.cs.uiuc.edu|on-line]]. Pokrývá mnohem více než budeme potřebovat. Nicméně, kapitoly 2, 9, 10 s hodí i nám. Některé základní koncepty, které budeme diskutovat podrobně, jsou v knize podány kompaktně, ale někomu to může vyhovovat. Části 2.1 a 2.2 jsou kompaktně vysvětlují diskrétní prohledávací přistupy - pro nás tedy přednášky v 1. a 2. týdnu.

{[b3b33kui:Bishop2006]} ve výborná kniha/učebnice pro oblast strojového učení, klasifikátory, ROC, perceptron ... [[https://www.microsoft.com/en-us/research/uploads/prod/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf|PDF]] je k dispozici volně ke stažení. Poslouží nám v poslední třetině předmetu, v 10-13. týdnu.

Pro Python doporučujeme {[b3b33kui:Wentworth2012]}, případně [[http://python-textbok.readthedocs.io/en/1.0/index.html|Object-Oriented Programming in Python]], další zdroje viz [[https://cw.fel.cvut.cz/wiki/courses/b3b33alp/literatura|literatura pro B3B33ALP]] 

{[be5b33kui:Russell-Norvig2010]} je jednou z hlavních knih v oblasti AI. V tomto předmětu nepoužijeme zdaleka celou, nicméně, pokud to myslíte s umělou inteligencí vážněji, toto je základní kniha. Doporučujeme zvážit nákup, i když jsou některá témata vysvětlena v jiných knihách asi lépe, viz také seznam literatury výš. K dispozici je rozsáhlý on-line materiál http://aima.cs.berkeley.edu. Kniha nově jako 4. vydání {[be5b33kui:Russell-Norvig2021]}, globální vydání (zelené) lze koupit v ČR za cca 1500,-. 


You can also use multiple on-line resources:
  * [[https://edge.edx.org/courses/course-v1:BerkeleyX+CS188x-SP16+SP16/20021a0a32d14a31b087db8d4bb582fd/|Artificial Intelligence]] course at Berkeley. This course has strongly influenced/motivated our course. [[https://www.youtube.com/playlist?list=PLsOUugYMBBJENfZ3XAToMsg44W7LeUVhF|YouTube channel with lecture recordings from 2018]]

===== git/GitLab =====

For managing code revisions, we strongly suggest you learn Git and use the faculty GitLab at https://gitlab.fel.cvut.cz . This is a nice Git tutorial:
  * https://www.w3schools.com/git/default.asp?remote=gitlab
  * A practical addition to the above tutorial is learning about ''git stash'': https://opensource.com/article/21/4/git-stash
  * Do not forget to [[https://www.w3schools.com/git/git_security_ssh.asp?remote=gitlab|setup SSH keys]] for authenticating to GitLab.
  * To install Git on Ubuntu Linux or Debian, call ''sudo apt install git git-gui''. For Windows, we suggest https://gitforwindows.org/ . MacOS has some kind of autoinstall, so just try running ''git'' from command line and it should offer you Git installation.

===== AI related courses at CTU =====

If you fall in love with some parts of our course, you may dig deeper in the following courses:
  * [[https://cw.fel.cvut.cz/wiki/courses/ae4b33rpz/start|Pattern Recognition and Machine Learning]] a bachelor course at CTU goes deeper into (statistical) machine learning.
  * [[https://cw.fel.cvut.cz/wiki/courses/a4b33zui/start-english|Introduction into Artificial Intelligence]] a bachelor course at CTU studies deeper games and knowledge representation.
  * [[https://cw.fel.cvut.cz/wiki/courses/be4m33ssu/lectures|Statistical Machine Learning]] a master course at CTU goes deep into the theory of statistical machine learning. (Notably: SVM, EM algorithm, Neural Networks, Reinforcement Learning).

===== Research projects =====

You may also consider participating in **research projects** as a summer intern or doing an individual project or accomplishing a bachelor/master thesis.
  * http://cyber.felk.cvut.cz/vras
  * https://sites.google.com/site/matejhof/student-projects/open-and-ongoing
  * http://mrs.felk.cvut.cz
  * http://robotics.fel.cvut.cz/
  * https://cyber.felk.cvut.cz/study/student-projects/