Předmět: Neuronové sítě a evoluční strategie

« Zpět
Název předmětu Neuronové sítě a evoluční strategie
Kód předmětu KKY/NSES
Organizační forma výuky Přednáška + Cvičení
Úroveň předmětu Magisterský
Rok studia nespecifikován
Semestr Zimní
Počet ECTS kreditů 6
Vyučovací jazyk Čeština
Statut předmětu Povinný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Adamec Petr, Ing. Ph.D.
  • Císařová Jana, doc. Dr. Ing.
  • Kneppo Lukáš, Ing. Ph.D.
  • Schwabik Miroslav, Ing. Ph.D.
Obsah předmětu
Biologický neuron, Umělý neuron, Umělá neuronová síť, Trénování a inference neuronových sítí, Učení neuronových sítí pomocí algoritmu backpropgation, typy neuronových vrstev (plně propojená, konvoluční, residuální), Rekurentní neuronové sítě, Transformer, Generativní modely (GAN, VAE, Stable Diffusion), Velké jazykové modely, Evoluční strategie, Genetické algoritmy, Genetické programování.

Studijní aktivity a metody výuky
Studium metodou řešení problémů, Samostatná práce studentů, Samostudium literatury, Přednáška s demonstrací, Cvičení
  • Příprava na zkoušku [10-60] - 51 hodin za semestr
  • Kontaktní výuka - 39 hodin za semestr
  • Praktická výuka [vyjádření počtem hodin] - 26 hodin za semestr
  • Vypracování seminární práce v bakalářském studijním programu [5-40] - 40 hodin za semestr
Předpoklady
Odborné znalosti
využít znalosti z matematické analýzy a lineární algebry
znalost jazyka Python výhodou
Odborné dovednosti
aplikovat znalosti z matematické analýzy a lineární algebry
programování v jazyce Python výhodou
Obecné způsobilosti
bc. studium: své učení a pracovní činnost si sám plánuje a organizuje,
bc. studium: uplatňuje při řešení problémů vhodné metody a dříve získané vědomosti a dovednosti, kromě analytického a kritického myšlení využívá i myšlení tvořivé s použitím představivosti a intuice,
Výsledky učení
Odborné znalosti
vysvětlit princip evoluční technik a genetických algoritmů
zdůvodnit vhodnost použití konkrétní umělé neuronové sítě pro řešení konkrétní praktické úlohy
vysvětlit výsledky dosažené umělými neuronovými sítěmi a genetickými algoritmy v konkrétních úlohách
vysvětlit činnost základních typů umělých neuronových sítí
Odborné dovednosti
aplikovat evoluční techniky a genetické algoritmy při řešení reálných úloh
vyhodnotit a analyzovat výsledky dosažené umělými neuronovými sítěmi a genetickými algoritmy v konkrétních úlohách
aplikovat vhodný typ umělé neuronové sítě pro konkrétní praktickou úlohu
analyzovat činnost základních typů umělých neuronových sítí
Obecné způsobilosti
bc. studium: srozumitelně a přesvědčivě sdělují odborníkům i laikům informace o povaze odborných problémů a vlastním názoru na jejich řešení,
Vyučovací metody
Odborné znalosti
Přednáška založená na výkladu,
Přednáška s demonstrací,
Cvičení (praktické činnosti),
Samostudium,
Samostatná práce studentů,
Odborné dovednosti
Přednáška s demonstrací,
Řešení problémů,
Cvičení (praktické činnosti),
Přednáška založená na výkladu,
Obecné způsobilosti
Přednáška založená na výkladu,
Přednáška s demonstrací,
Cvičení (praktické činnosti),
Samostatná práce studentů,
Hodnotící metody
Odborné znalosti
Kombinovaná zkouška,
Seminární práce,
Odborné dovednosti
Seminární práce,
Kombinovaná zkouška,
Demonstrace dovedností (praktická činnost),
Obecné způsobilosti
Seminární práce,
Demonstrace dovedností (praktická činnost),
Kombinovaná zkouška,
Doporučená literatura
  • Umělá inteligence.
  • Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton. ImageNet classification with deep convolutional neural networks. 2012.
  • Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin. Attention Is All You Need. 2017.
  • Ian Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, and Yoshua Bengio. Generative adversarial networks. 2014.
  • K. He, X. Zhang, S. Ren and J. Sun. Deep Residual Learning for Image Recognition. 2016.
  • Mařík, Vladimír a kol. Umělá inteligence (2). Praha: Academia, 1997.
  • Mařík, Vladimír a kol. Umělá inteligence (3). Praha: Academia, 2001.
  • Mařík, Vladimír a kol. Umělá inteligence (4). Praha: Academia, 2003.
  • Mařík, Vladimír. Umělá inteligence (1).
  • Sepp Hochreiter and Jürgen Schmidhuber. Long Short-Term Memory. 1997.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr