Na stránkách se pracuje, probíhá aktualizace pro nadcházející běh předmětu. ====== Přednášky ====== Není-li uvedeno jinak, AIMA a AIMA3 označují 2., resp. 3. vydání knihy Russel, Norvig: Artificial Intelligence- Modern Approach. /* {{:courses:a3m33ui:prednasky:matlab_demos.zip|huhu}} */ /*V případě, že bude dostatek času, lze zařadit přednášky: */ ^ T ^ Datum ^ Kdo ^ Téma ^ Materiály ^ | 1 | 18.2. | P.Pošík | {{:courses:a3m33ui:prednasky:ui_robotics_ml-slides.pdf|Souvislosti UI, strojového učení a robotiky}} ({{:courses:a3m33ui:prednasky:ui_robotics_ml-handouts.pdf|handouts}}). {{:courses:a3m33ui:prednasky:pr_bayes_nonbayes-slides.pdf|Rozpoznávání, bayesovské a nebayesovské úlohy}} ({{:courses:a3m33ui:prednasky:pr_bayes_nonbayes-handouts.pdf|handouts}}). {{:courses:a3m33ui:prednasky:learning_sup_unsup-slides.pdf|Učení, s učitelem a bez učitele}} ({{:courses:a3m33ui:prednasky:learning_sup_unsup-handouts.pdf|handouts}}). | [[#uvod|Info]] | | 2 | 25.2. | P.Pošík | {{:courses:a3m33ui:prednasky:dectrees-slides.pdf|Klasifikační stromy}} ({{:courses:a3m33ui:prednasky:dectrees-handouts.pdf|handouts}}.) | [[#klasifikacni_stromy|Info]] | | 3 | 4.3. | P.Pošík | {{:courses:a3m33ui:prednasky:linearmodels-slides.pdf|Lineární diskriminační funkce (opakování). Perceptron.}} ({{:courses:a3m33ui:prednasky:linearmodels-handouts.pdf|Handouts}}.) {{:courses:a3m33ui:prednasky:svm_adaboost-slides.pdf|Optimální rozdělující nadplocha. Support vector machine. AdaBoost.}} ({{:courses:a3m33ui:prednasky:svm_adaboost-handouts.pdf|Handouts}}.) | [[#svm_adaboost|Info]] | | 4 | 11.3. | R.Mařík | {{:courses:a3m33ui:prednasky:rules-slides.pdf|Pravidlové systémy. Klasifikační pravidla (AQ, CN2). Asociační pravidla.}} ({{:courses:a3m33ui:prednasky:rules-handouts.pdf|Handouts}}) | [[#pravidla|Info]] | | 5 | 18.3. | P.Pošík | {{:courses:a3m33ui:prednasky:featselection-slides.pdf|Selekce a extrakce příznaků, vlastnosti}} ({{:courses:a3m33ui:prednasky:featselection-handouts.pdf|Handouts}}). {{:courses:a3m33ui:prednasky:seqanal-slides.pdf|Sekvenční rozpoznávání, Waldův algoritmus}} ({{:courses:a3m33ui:prednasky:seqanal-handouts.pdf|Handouts}}). | [[#selekce_a_extrakce_priznaku|Info]] | | 6 | 25.3. | P.Pošík | {{:courses:a3m33ui:prednasky:colt-slides.pdf|Teorie učení - problémy konzistence, kapacity, PAC}}. ({{:courses:a3m33ui:prednasky:colt-handouts.pdf|Handouts}}.) | [[#teorie_uceni|Info]] | | 7 | 1.4. | P.Pošík | {{:courses:a3m33ui:prednasky:alife-slides.pdf|Umělý život, principy, algoritmy, aplikace}} ({{:courses:a3m33ui:prednasky:alife-handouts.pdf|handouts}}). | [[#umely_zivot|Info]] | | 8 | 8.4. | R.Mařík | {{:courses:a3m33ui:prednasky:ui08_htnplanning.pdf|HTN}} | [[#planovani|Info]] | | 9 | 15.4. | R.Mařík | {{:courses:a3m33ui:prednasky:ui09_rozvrhovani.pdf|Rozvrhování}} | [[#rozvrhovani|Info]] | | 10 | 22.4. | V.Mařík | {{:courses:a3m33ui:prednasky:ui10_intelligentagents.pdf|Inteligentní agenti}}{{:courses:a3m33ui:prednasky:ui10_decisiontheory.pdf|Teorie rozhodování}} | [[#agentni_systemy|Info]] | | 11 | 29.4. | | **Odpadá! Učí se čtvrtek.**{{:courses:a3m33ui:prednasky:ui11_markovdecisionprocesses.pdf|Sekvenční rozhodování / Markovské rozhodovací procesy, iterace hodnot, iterace strategie}}. | [[#sekvencni_rozhodovani|Info]] | | 12 | 6.5. | V.Mařík | {{:courses:a3m33ui:prednasky:ui12-reinforcementlearning.pdf|Učení posilováním: formulace problému, explorace vs. exploitace, problém bandity, sekvenční učení}}. | [[#uceni_posilovanim|Info]]| | 13 | 13.5. | | Odpadá (učí se středa). | | | 14 | 20.5. | V.Mařík | {{:courses:a3m33ui:prednasky:files:ui-2010-p12-agent_oriented_programming.pdf|Agentní programování: reaktivní plánování, BDI architektura, AgentSpeak, Jason}}. | [[#agentni_programovani|Info]] | /*| | | P.Pošík | {{courses:a3m33ui:prednasky:files:ui-2010-p03-bayesnets.pdf|Grafové pravděpodobnostní a Markovovské modely ve strojovém učení}} | [[#grafove_modely|Info]] | */ ===== Doplňkové materiály ===== ==== Úvod ==== Souvislosti UI, strojového učení a robotiky. Rozpoznávání, bayesovské a nebayesovské úlohy. Učení, s učitelem a bez učitele. * Studijní texty: AIMA3 1.1, 1.4, 18.1 - 18.3 * Co dokáže UI? [[http://www.ibmwatson.com|IBM Watson]] * [[http://www.youtube.com/watch?v=3G2H3DZ8rNc|Building Watson]] - video * [[http://www.youtube.com/watch?v=12rNbGf2Wwo|Watson proti dvěma šampionům]] - video ==== Klasifikační stromy ==== * Studijní texty: AIMA3 18.3, 18.6 ==== SVM, Adaboost ==== Lineární diskriminační funkce (opakování). Perceptron. Optimální rozdělující nadplocha. Support vector machine. AdaBoost. * Studijní texty: AIMA3 18.9, 18.10 * Robert Shapire: [[http://videolectures.net/mlss05us_schapire_b/|AdaBoost]] - video tutoriál * John Shawe-Taylor: [[http://videolectures.net/acai05_taylor_svkm/|Support Vector and Kernel Methods]] - video tutoriál * Colin Campbell: [[http://videolectures.net/aop07_campbell_svm/|Support Vector Machine and Kernel Methods]] - video tutoriál ==== Pravidla ==== Pravidlové systémy. Klasifikační pravidla (AQ, CN2). Asociační pravidla. * Ryszard Michalski: [[http://videolectures.net/aaai07_michalski_iaq/|iAQ: A Program that Discovers Rules]] - krátké video ==== Selekce a extrakce příznaků ==== Selekce a extrakce příznaků, vlastnosti. Sekvenční rozpoznávání, Waldův algoritmus. * Isabelle Guyon: [[http://videolectures.net/bootcamp07_guyon_ifs/|Introduction to Feature Selection]] - video tutoriál * Isabelle Guyon: [[http://jmlr.csail.mit.edu/papers/volume3/guyon03a/guyon03a.pdf|An Introduction to Variable and Feature Selection]], Journal of Machine Learning Research, 3:1157-1182, 2003. * XuanLong Nguyen: [[http://www.stat.lsa.umich.edu/~xuanlong/Papers/seq-tutorial.ppt|Sequential analysis]] - PowerPoint ==== Teorie učení ==== Teorie učení - problémy konzistence, kapacity, PAC}}. * Studijní texty: AIMA3 18.5 * [[wp>Computational learning theory]] * [[wp>Probably approximately correct learning]] * David Haussler: [[http://www.aaai.org/Papers/AAAI/1990/AAAI90-163.pdf|Probably approximately correct learning]] - článek, AAAI, 1990. ==== Grafové modely ==== Grafové pravděpodobnostní a Markovovské modely ve strojovém učení. * Richard Neapolitan: [[http://videolectures.net/kdd07_neapolitan_lbn/|Learning Bayesian networks]] - video tutoriál ==== Plánování ==== Plánování, reprezentace plánovacího problému, lineární a nelineární plánování. ==== Hierarchické plánování ==== ==== Agentní systémy ==== Agentní systémy: Inteligentní agenti, struktura agenty, typy prostředí, základy teorie rozhodování. * studijní texty: AIMA - kapitoly 2 a 16 ==== Sekvenční rozhodování ==== Sekvenční rozhodování / Markovské rozhodovací procesy, iterace hodnot, iterace strategie. * studijní texty: AIMA - kapitola 3, [[http://webdocs.cs.ualberta.ca/~sutton/book/ebook/node40.html|RLAI - kapitola 4]] ==== Učení posilováním ==== Učení posilováním: formulace problému, explorace vs. exploitace, problém bandity, sekvenční učení * slides: {{:courses:a3m33ui:prednasky:files:ui-2010-p11-reinforcement_learning.pdf|Reinforcement Learning}} * studijní texty: AIMA - kapitola 21, [[http://webdocs.cs.ualberta.ca/~sutton/book/ebook/node14.html|RLAI - kapitola 2]] ==== Agentní programování ==== Agentní programování: reaktivní plánování, BDI architektura, AgentSpeak, Jason * slides: {{:courses:a3m33ui:prednasky:files:ui-2010-p12-agent_oriented_programming.pdf|Agent Oriented Programming}} ==== Umělý život ==== Umělý život, principy, algoritmy, aplikace. * Cleve Moler, Mathworks: * [[http://www.mathworks.com/moler/exm/chapters.html|Experiments with MATLAB]] (free ebook) - contains a chapter on Game of Life; on the page a link to the following MATLAB code can be found: * {{:courses:a3m33ui:prednasky:files:lifex.zip|Game-Of-Life Explorer}}