BI-UI.21
Umělá inteligence
Tyto okruhy jsou určené pro studenty se studijním plánem v akreditaci Informatika 2021. Platí pouze v červnu/sprnu 2023.
| Označení | Otázka | Předmět |
|---|---|---|
| BI-UI.21-1 | Lineární zobrazení: definice a vlastnosti (hodnost, jádro, defekt, injektivita, surjektivita), matice lineárního zobrazení. | BI-LA2 |
| BI-UI.21-2 | Skalární součin a norma vektoru: definice, vlastnosti a příklady. | BI-LA2 |
| BI-UI.21-3 | Ortogonalita a ortogonální báze: definice, vlastnosti, využití při počítání vzdáleností lineárních variet. | BI-LA2 |
| BI-UI.21-4 | LU rozklad matic, řešení soustavy lineárních rovnic pomocí LU rozkladu. | BI-LA2 |
| BI-UI.21-5 | QR rozklad: výpočet a využití při výpočtu odhadu metodou nejmenších čtverců. | BI-LA2 |
| BI-UI.21-6 | QR algoritmus pro výpočet vlastních čísel. | BI-LA2 |
| BI-UI.21-7 | SVD rozklad: definice, vlastnosti, výpočet. | BI-LA2 |
| BI-UI.21-8 | Rozhodovací stromy, náhodné lesy, AdaBoost. | BI-ML1 |
| BI-UI.21-9 | Metrika - definice a příklady. Metoda nejbližších sousedů pro klasifikaci i regresi. Aglomerativní hierarchické shlukování. | BI-ML1 |
| BI-UI.21-10 | Lineární regrese – metoda nejmenších čtverců, geometrická interpretace, problém kolinearity. | BI-ML1 |
| BI-UI.21-11 | Hřebenová regrese. | BI-ML1 |
| BI-UI.21-12 | Logistická regrese – sestavení modelu pro binární klasifikaci, trénování jako MLE odhad. | BI-ML1 |
| BI-UI.21-13 | Evaluace modelů – testovací chyba a její odhad, křížová validace, vyhodnocovací metriky regrese a klasifikace. Výběr příznaků. | BI-ML1 |
| BI-UI.21-14 | Nesupervizované učení – základní prinicipy, algoritmus k-means, DBSCAN. | BI-ML1 |
| BI-UI.21-15 | Jádrová regrese – lineární model bázových funkcí, jádrový trik. | BI-ML2 |
| BI-UI.21-16 | SVM pro klasifikaci. | BI-ML2 |
| BI-UI.21-17 | Redukce dimenzionality - analýza hlavních komponent (PCA), lokálně lineární vnoření. | BI-ML2 |
| BI-UI.21-18 | Generativní modely - naivní Bayes. | BI-ML2 |
| BI-UI.21-19 | Neuronové sítě - perceptron, aktivační funkce, trénování hlubokých neuronových sítí. | BI-ML2 |
| BI-UI.21-20 | Posilované učení. | BI-ML2 |
| BI-UI.21-21 | Stavový prostor a neinformované prohledávání, stromová expanze, náhodné prohledávání, prohledávání do hloubky a do šířky. | BI-ZUM |
| BI-UI.21-22 | Heuristické prohledávání stavového prostoru, heuristiky pro odhad ceny cesty, hladové prohledávání, algoritmus A*. | BI-ZUM |
| BI-UI.21-23 | Principy lokálního prohledávání, metody typu hill-climbing. Problém lokálního minima a metody jeho zmírnění (tabu search, simulované žíhání). | BI-ZUM |
| BI-UI.21-24 | Genetický algoritmus a genetické programování. Genetické operátory (selekce, křížení, mutace). Evoluční programování a optimalizace, evoluční strategie. | BI-ZUM |
| BI-UI.21-25 | Hry v normální formě. Analýza akčních profilů: Paretovo optimum, Nashovo equilibrium. | BI-ZUM |
| BI-UI.21-26 | Prohledávání herního stromu: Algoritmus Minimax, alfa-beta prořezávání a heuristiky. | BI-ZUM |
| BI-UI.21-27 | Transformace konceptuálního schématu (v ER nebo jiné notaci) na relační. | BI-DBS |
| BI-UI.21-28 | Normalizace relačního schématu a normální formy (1., 2. 3., BCNF). | BI-DBS |
| BI-UI.21-29 | Pokročilé principy dotazování v SQL: agregace, vnější spojení, vnořené dotazy, všeobecná kvantifikace. | BI-DBS |
| BI-UI.21-30 | Náhodný vektor a jeho charakteristiky, sdružené, marginální a podmíněné rozdělení a hustoty, nezávislost náhodných veličin. | BI-PST |
| BI-UI.21-31 | Obecné bodové odhady parametrů statistických rozdělení a modelů. Momentová metoda a metoda maximální věrohodnosti pro konstrukci bodových odhadů. Příklady odhadů parametrů pro vybraná rozdělení. | BI-PST |
| BI-UI.21-32 | Obecné intervalové odhady a obecné testování statistických hypotéz o parametrech statistických rozdělení a modelů. Aplikace na odhady a hypotézy o střední hodnotě a rozptylu. | BI-PST |
📄 Tabulka je dostupná také v CSV (hodnoty oddělené středníkem).
🔙 Historii změn najdete na GitLabu.