Vedlejší specializace: Inteligentní systémy (4IQ)

Inteligentní systémy jsou umělé systémy, schopné provádět vysoce komplexní úkoly tak, že jejich vzorem jsou způsoby, jakými k těmto úkolům přistupují lidé na základě své inteligence. Inteligentním systémům je vlastní zájem o problémy, k jejichž řešení člověk využívá schopnosti obecně nazývané inteligencí. Inteligentní systémy založené na klasických expertních systémech k řešení problému používají znalosti deklarativně vyjádřené ve znalostní bázi, znalosti srozumitelné člověku, jak konstruktéru, tak i uživateli. Využívá-li inteligentní systém k dosažení svého cíle neuronovou síť, pak „znalosti“ z oblasti zájmu jsou roztroušeny v parametrech neuronové sítě a nikdo jim není schopen porozumět. Inteligentní chování může projevovat také systém, jehož činnost je založena na vzájemné kooperaci velkého množství jednoduchých „neinteligentních“ elementů; v tom případě se hovoří o distribuovaných inteligentních systémech.

Inteligentní systémy nacházejí uplatnění v celé řadě oblastí; rychle se rozšiřuje i použití inteligentních systémů v ekonomice: predikce vývoje směnných kurzů nebo kurzů akcií, hodnocení bonity klienta banky, analýza marketingových studií, doporučení obchodní strategie firmy, podpora auditu, nebo sledování podezřelých finančních transakcí.

Oblastí zájmu inteligentních systémů jsou také potenciální zdroje obrovského množství znalostí, kterými jsou rozsáhlé datové sklady, kolekce textových dokumentů nebo Internet. V této souvislosti se mluví o dobývání znalostí z databází (data mining), z textů (text mining) a webu (web mining). Rozsáhlost sítě Internet vylučuje možnost důkladného prohledávání této sítě jinými než automatickými metodami. Proto se v posledních letech pozornost odborníků na umělou inteligenci zcela přirozeně obrátila na studování možnosti vytvořit prostředky automatického vyhledávání relevantních informačních zdrojů v počítačových sítích.

Tvorbou inteligentních systémů pro tyto účely se v současné době zabývá řada výzkumných pracovišť jak univerzitních, která jsou zapojena do mezinárodních výzkumných projektů – Advanced Research Projects Agency (ARPA) a Message Understanding Conference (MUC), tak i soukromých, jako například firma Microsoft.

Cílem vedlejší specializace „Inteligentní systémy“ je poskytnout studentům příležitost seznámit se s těmito moderními a perspektivními metodami práce s daty a informacemi.

Určeno studentům všech fakult kromě posluchačů studijního programu Znalostní a webové technologie. Kapacita není omezena.

Povinné předměty – 18 ECTS kr.
4IZ410	Teorie informace a inference *	6 ECTS
4IZ430	Principy inteligentních systémů **	6 ECTS
4IZ450	Dobývání znalostí z databází ***	6 ECTS

* Předmět je zaměnitelný s 4IZ411 Umělá inteligence 2.

** Předmět je zaměnitelný s 4IZ431 Umělá inteligence 1.

*** Předmět je zaměnitelný s 4IZ451 Dobývání znalostí z databází (v angličtině).

Studijní plán pro přijaté od šk. roku 2024/25

Volitelné předměty – 12 ECTS kr. (od šk. roku 2024/25 – 9 ECTS)
4IZ421	Metody a nástroje zpracování textových informací	3 ECTS
4IZ440	Propojená data na webu	6 ECTS
4IZ460	Pokročilé přístupy k DZD	6 ECTS
4IZ470	Dolování znalostí z webu	6 ECTS
4IZ520	Aplikovaná lingvistika	3 ECTS
4IZ525	Teorie kódování a šifrování	6 ECTS
4IZ531	Logické programování a jeho aplikace	3 ECTS
4IZ560	Data mining – praktické aplikace	3 ECTS
4IZ561	Umělé neuronové sítě	3 ECTS
4IZ566	Programovací jazyky pro data science – Python a R *	6 ECTS
4IZ570	Trendy ve znalostních technologiích (anglicky)	3 ECTS
4IT420	Základy neurověd	3 ECTS
4IT436	Business Intelligence	6 ECTS
4EK421	Teorie her a ekonomické rozhodování	6 ECTS
4ST303	Analýza kategoriálních dat	3 ECTS
4ST512	Vícerozměrná statistika	6 ECTS
5FI404	Kognitivní věda	6 ECTS
5FI430	Znalosti a ontologické inženýrství	6 ECTS

* Předmět je zaměnitelný s 4IZ565 Programovací jazyky pro data science – Python a R (v angličtině).

Okruhy otázek (pokrývají povinné předměty):

1. Entropie a informace.
2. Rozhodovací tabulky a stromy.
3. Inference v klasické logice.
4. Inference ve fuzzy logice.
5. Bayesovské sítě.
6. Řešení úloh ve stavovém prostoru.
7. Rozhodování za rizika a neurčitosti.
8. Metody reprezentace a zpracování znalostí.
9. Práce s neurčitostí v inteligentních systémech.
10. Strojové učení a adaptace.
11. Multiagentní systémy.
12. Proces a úlohy dobývání znalostí.
13. Metody a algoritmy dobývání znalostí.
14. Způsoby hodnocení modelů získaných metodami dobývání znalostí.
15. Metody předzpracování dat pro algoritmy dobývání znalostí.
16. Dobývání znalostí z textů a webu.

Literatura:

• BERKA, P.: Inteligentní systémy. Praha, VŠE 2008. ISBN 978-80-245-1436-9.
• BERKA, P.: Dobývání znalostí z databází. Praha, Academia 2003. 366 s. ISBN 80-200-1062-9.
• IVÁNEK, J.: Základy matematické informatiky I: Informace a automaty. Praha, VŠE 1991. ISBN 80-7079-673-1.
• JIRKŮ, P. – VEJNAROVÁ, J.: Formální logika: Neformální výklad základů formální logiky. Praha, VŠE 2000. ISBN 80-245-0054-X.
• JIROUŠEK, R.: Metody reprezentace a zpracování znalostí v umělé inteligenci. Praha, VŠE 1995. ISBN 80-7079-701-0.

Aby se student mohl přihlásit na konkrétní termín souborné zkoušky z vedlejší specializace, musí si zapsat kurz odpovídající souborné zkoušce: 4IQS Inteligentní systémy (dílčí státní zkouška):