Umělá inteligence a zpracování přirozeného jazyka

Garant: doc. PhDr. Karel Pala, CSc.

Obor je zaměřen na získání pokročilých znalostí v oblasti umělé inteligence a rešení složitých problémů v nejrůznějších oblastech aplikované i teoretické informatiky. V rámci oboru lze studovat počítačové zpracování přirozeného jazyka, reprezentaci znalostí a jejich management, plánování a rozvrhování, agentní technologie, odvozování s neurčitostí, strojové učení a dolování z dat.

S oblastí umělé inteligence úzce souvisí počítačové zpracování přirozeného jazyka (ZPJ), které věnuje pozornost "lidským" jazykům (čeština, angličtina, ...) v psané i mluvené podobě z pohledu informatiky.

Absolventi oboru se mohou uplatnit v průmyslové praxi i v aplikovaném výzkumu např. v pozicích vyžadujících návrh inteligentních systémů, řízení a optimalizaci výrobních procesů nebo pokročilou analýzu dat.

Studenti oboru mohou absolvovat jednosemestrální pobyt na renomované zahraniční univerzitě v rámci programu Erasmus. Součástí tohoto pobytu může být i práce na projektu pod vedením školitelů z obou univerzit.

Požadavky

  • Získat nejméně 120 kreditů za celou dobu studia a složit státní zkoušku.
  • Získat 20 kreditů za předmět SDIPR a obhájit diplomovou práci, viz pokyny.
  • Kromě diplomové práce získat alespoň 80 kreditů z předmětů oboru (včetně všech povinných i volitelných předmětů).
  • Absolvovat všechny povinné a vybrané povinně volitelné předměty nejvyšší formou ukončení.

Povinné předměty

  • IA008 Computational Logic (4+2 kr.)
  • IA101 Algoritmika pro těžké problémy (2+2 kr.)
  • IV003 Algoritmy a datové struktury II (4+2 kr.)
  • PA128 Similarity Searching in Multimedia Data (2+2 kr.)
  • PA152 Efektivní využívání databázových systémů (2+2 kr.)
  • PA153 Počítačové zpracování přirozeného jazyka (2+2 kr.)

Povinně volitelné předměty

  • alespoň 1 z:
    • IV111 Probability in Computer Science (4+2 kr.)
    • MV011 Statistika I (4+2 kr.)
  • alespoň 2 z:
    • MA007 Matematická logika (3+2 kr.)
    • MA010 Graph Theory (3+2 kr.)
    • MA012 Statistika II (4+2 kr.)
    • MV008 Algebra I (4+2 kr.)
    • PřF:M4180 Numerické metody I (4+2 kr.)
    • PřF:M7130 Geometrické algoritmy (2+2 kr.)
  • alespoň 1 z:
    • PA164 Strojové učení a přirozený jazyk (3+2 kr.)
    • PV056 Strojové učení a dobývání znalostí (3+2 kr.)
  • alespoň 2 z:
    • IV109 Modelování a simulace (3+2 kr.)
    • PA163 Programování s omezujícími podmínkami (3+2 kr.)
    • PA167 Rozvrhování (2+2 kr.)
    • PA196 Pattern Recognition (4+2 kr.)
    • PV021 Neural networks (4+2 kr.)
  • alespoň 1 z:
    • PA165 Vývoj programových systémů v jazyce Java (4+2 kr.)
    • PV248 Kurz jazyka Python (2+1 kr.)
  • alespoň 1 z:
    • IA080 Seminar on Knowledge Discovery (2+1 kr.)
    • IV127 Seminář laboratoře adaptabilní výuky (2+1 kr.)
    • PA026 Projekt z umělé inteligence (2+1 kr.)
    • PA107 Projekt z korpusových nástrojů (2 kr.)
    • PB106 Projekt z korpusové lingvistiky (2 kr.)
    • PV115 Laboratoř dobývání znalostí (2 kr.)
    • PV173 Seminář zpracování přirozeného jazyka (2+1 kr.)
  • alespoň 2 z:
    • IA012 Složitost (2+2 kr.)
    • IA158 Real Time Systems (2+2 kr.)
    • PA154 Jazykové modelování (2+2 kr.)
    • PA156 Dialogové systémy (2+2 kr.)
    • PV061 Úvod do strojového překladu (2+2 kr.)
    • PV254 Recommender Systems (2+1 kr.)
  • volné předměty pro doplnění do 80 kreditů z předmětů oboru:
    • IA161 Pokročilé techniky zpracování přirozeného jazyka (2+1 kr.)
    • IV029 Úvod do transparentní intenzionální logiky (2+2 kr.)
    • IV126 Umělá inteligence II (2+2 kr.)
    • MA009 Algebra II (4+2 kr.)
    • PA039 Architektura superpočítačů a intenzivní výpočty (2+2 kr.)
    • PA055 Vizualizace komplexních dat (2+2 kr.)
    • PA081 Programování numerických výpočtů (2+2 kr.)
    • PV004 UNIX (2+2 kr.)
    • PV027 Optimalizace (2+2 kr.)
    • PV070 Digitální knihovny (2+2 kr.)
    • PV072 Seminář z asistivních technologií (2+1 kr.)
    • PV182 Human Computer Interaction (2+2 kr.)
    • PV211 Introduction to Information Retrieval (3+2 kr.)
    • PV251 Visualization (3+2 kr.)
    • PřF:M4155 Teorie množin (2+2 kr.)
    • PřF:M7190 Teorie her (4+2 kr.)
    • PřF:M9DM2 Data mining II (4+2 kr.)

Doporučení

Studentům, kteří v předchozím studiu neabsolvovali některý úvodový předmět do Umělé inteligence, doporučujeme kurz PB016 Umělá inteligence I (3+2 kr.).

Doporučený průchod studiem

1. semestr

  • PA165 Vývoj programových systémů v jazyce Java (4+2 kr.) nebo PV248 Kurz jazyka Python (2+1 kr.)
  • IA008 Computational Logic (4+2 kr.)
  • MA010 Graph Theory (3+2 kr.)
  • PA153 Počítačové zpracování přirozeného jazyka (2+2 kr.)
  • PA163 Programování s omezujícími podmínkami (3+2 kr.)
  • PV021 Neural networks (4+2 kr.)

2. semestr

  • IV003 Algoritmy a datové struktury II (4+2 kr.)
  • IV109 Modelování a simulace (3+2 kr.)
  • MV011 Statistika I (4+2 kr.)
  • PA167 Rozvrhování (2+2 kr.)
  • PV056 Strojové učení a dobývání znalostí (3+2 kr.)
  • PřF:M4180 Numerické metody I (4+2 kr.)

3. semestr

  • 1-2 prakticky orientované předměty (např. PB106 Projekt z korpusové lingvistiky (2 kr.), PV115 Laboratoř dobývání znalostí (2 kr.), PV173 Seminář zpracování přirozeného jazyka (2+1 kr.))
  • IA101 Algoritmika pro těžké problémy (2+2 kr.)
  • MA012 Statistika II (4+2 kr.)
  • PV027 Optimalizace (2+2 kr.)
  • PV254 Recommender Systems (2+1 kr.)
  • SDIPR Diplomová práce (10 kr.)

4. semestr

  • PA154 Jazykové modelování (2+2 kr.) nebo 1-2 prakticky orientované předměty (např. PV248 Kurz jazyka Python (2+1 kr.), PA055 Vizualizace komplexních dat (2+2 kr.), PV182 Human Computer Interaction (2+2 kr.))
  • PA128 Similarity Searching in Multimedia Data (2+2 kr.)
  • PA152 Efektivní využívání databázových systémů (2+2 kr.)
  • PV251 Visualization (3+2 kr.)
  • SDIPR Diplomová práce (10 kr.)

Odpovědný kontakt: prof. RNDr. Jiří Barnat, Ph.D.: Ji%C5%99%C3%AD%20Barnat%20%3Cprodekan(dot)prog%40fi(dot)muni(dot)cz%3E