Předmět Expert Systems (INM / NAEXS)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu INM / NAEXS - Expert Systems, Obchodně-podnikatelská fakulta v Karviné, Slezská univerzita v Opavě (SU).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
| Materiál | Typ | Datum | Počet stažení |
|---|
Další informace
Obsah
Obsah:1. Umělá inteligence.2. Oblasti výzkumu umělé inteligence.3. Reprezentace znalostí.4. Expertní systémy.5. Prezentace expertního systému.6. Architektura a budování expertního systému.7. Získávání znalostí8. Případové studie9. Zpracování neurčitosti10. Fuzzy množiny11. Dobývání znalostí z databází12. Rozhodovací stromy13. Asociační pravidla1. Umělá inteligence: historie, základní pojmy, umělá inteligence jako vědní disciplína.2. Oblasti výzkumu umělé inteligence: rozpoznávání, strojové vidění, robotika, porozumění přirozenému jazyku, znalostní inženýrství.3. Reprezentace znalostí: data, informace, znalosti, definice, základní pojmy, zdroje, zpracování, reprezentace znalostí, sémantické sítě, rámce, pravidla IF-THEN, praktické příklady.4. Expertní systémy: definice, základní pojmy, báze znalostí, báze dat, inferenční mechanizmus, využití expertních systémů v praxi, příklady.5. Prezentace expertního systému: expertní systém NEST, moduly pro reprezentaci báze znalostí, vysvětlování a další funkce.6. Architektura a budování expertního systému: postup při budování expertního systému, struktura báze znalostí, druhy atributů a pravidel, testování, praktické příklady.7. Získávání znalostí: metody získávání znalostí od expertů, metodika vytváření báze znalostí.8. Případové studie: oblasti vhodné pro aplikaci expertních systémů, testování a ladění expertního systému.9. Zpracování neurčitosti: základní přístupy zpracování neurčitosti, míry důvěry, bayesovské odvozování, algebraické pojetí.10. Fuzzy množiny: fuzzy operace, konjunkce, disjunkce, implikace, negace, odvozování ve fuzzy logice, logický inferenční mechanismus.11. Dobývání znalostí z databází: observační data, metodika CRISP-DM, základní metody dobývání znalostí z databází, case-based reasoning.12. Rozhodovací stromy: rozhodovací tabulky a stromy, přímý algoritmus TDIDT pro konstrukci rozhodovacího stromu z dat.13. Asociační pravidla: vyhodnocování nákupního košíku, metoda GUHA.
Získané způsobilosti
Studenti získají znalosti z vědních disciplín - Umělá inteligence, Expertní systémy a Znalostní systémy. Hlavní důraz je kladen na využití umělé inteligence a expertních systémů pro podporu rozhodování manažera na jednotlivých úrovních řízení.
Literatura
GIARRATANO, J. C., RILEY, G. Expert Systems: Principles and Programming. PWS Publishing Co. Boston, MA, USA, 2004. ISBN 0-534-38447-1.JACKSON, P. Introduction to expert systems. Addison-Wesley, Boston, MA, USA, 1998. ISBN 0-201-87686-8.CLARK, B., FOKOUE, E., ZHANG, H. H. Principles and theory for data mining and machine learning. Springer, New York, 2009. ISBN 978-0-387-98134-5.
Požadavky
Seminární práce, zkouška, min 70% účast na seminářích.Ostatní studijní zátěž: vyhledávání a zpracování zdrojů na Internetu.
Garant
Prof. RNDr. Jiří IVÁNEK, CSc.
Vyučující
Ing. Jan GÓRECKIProf. RNDr. Jiří IVÁNEK, CSc.