|
|
Order | Course title |
Topic 1 (TO1) select 1 | |
1 | Základy umělé inteligence |
Topic 2 (TO2) select 1 | |
2 | Robotika |
3 | Strojové učení |
4 | Zpracování přirozeného jazyka |
|
||
Last update: Mgr. Dina Novotná Obeidová (07.02.2024)
Požadavky znalostí ke státní závěrečné zkoušce společné pro všechny specializace
Matematika
1. Základy diferenciálního a integrálního počtu Posloupnosti reálných čísel a jejich limity. Řady. Reálné funkce jedné reálné proměnné. Derivace a její aplikace. Integrály a jejich aplikace.
2. Algebra a lineární algebra Algebraické struktury. Soustavy lineárních rovnic. Matice. Vektorové prostory. Lineární zobrazení. Skalární součin. Determinanty. Vlastní čísla a vlastní vektory. Positivně semidefinitní a positivně definitní matice.
3. Diskrétní matematika Relace. Ekvivalence a rozkladové třídy. Částečná uspořádání. Funkce. Permutace a jejich základní vlastnosti. Kombinační čísla a vztahy mezi nimi, , binomická věta a její aplikace. Princip inkluze a exkluze. Hallova věta o systému různých reprezentantů a její vztah k párování v bipartitním grafu.
4. Teorie grafů Základní pojmy teorie grafů. Základní příklady grafů. Souvislost grafů, komponenty souvislosti, vzdálenost v grafu. Stromy, jejich vlastnosti, ekvivalentní charakteristiky stromů. Rovinné grafy. Barevnost grafů. Hranová a vrcholová souvislost grafů. Orientované grafy, silná a slabá souvislost. Toky v sítích.
5. Pravděpodobnost a statistika Pravděpodobnostní prostor, náhodné jevy, pravděpodobnost. Náhodné veličiny a jejich rozdělení. Limitní věty. Bodové odhady. Intervalové odhady: metoda založená na aproximaci normálním rozdělením. Testování hypotéz.
6. Logika Syntaxe. Sémantika. Extenze teorií. Dokazatelnost. Věty o kompaktnosti a úplnosti výrokové a predikátové logiky. Rozhodnutelnost.
Informatika
1. Automaty a jazyky Regulární jazyky. Bezkontextové jazyky. Rekurzivně spočetné jazyky. Chomského hierarchie.
2. Algoritmy a datové stuktury Časová složitost algoritmů. Třídy složitosti. Metoda rozděl a panuj. Binarní vyhledávací stromy. Třídění. Grafové algoritmy.
3. Programovací jazyky Koncepty pro abstrakci, zapouzdření a polymorfizmus. Primitivní a objektové typy a jejich reprezentace. Generické typy a funkcionální prvky. Manipulace se zdroji a mechanizmy pro ošetření chyb. Životní cyklus objektů a správa paměti. Vlákna a podpora synchronizace. Implementace základních prvků objektových jazyků. Nativní a interpretovaný běh, řízení překladu a sestavení programu.
4. Architektura počítačů a operačních systémů Základní architektura počítače, reprezentace čísel, dat a programů. Instrukční sada, vazba na prvky vyšších programovacích jazyků. Podpora pro běh operačního systému. Rozhraní periferních zařízení a jejich obsluha. Základní abstrakce, rozhraní a mechanizmy OS pro běh programů, sdílení prostředků a vstup/výstup. Paralelismus, vlákna a rozhraní pro jejich správu, synchronizace vláken. *************************** Studenti specializace Umělá inteligence budou navíc zkoušeni z tematických okruhů, které si závazně vybírají při přihlašování se ke státní závěrečné zkoušce.
Základy umělé inteligence Řešení úloh prohledáváním. Splňování omezujících podmínek. Logické uvažování. Pravděpodobnostní uvažování. Reprezentace znalostí. Automatické plánování. Markovské rozhodovací procesy (MDP). Hry a teorie her. Strojové učení.
Robotika Kinematika. Řídicí systémy. Pohyb, senzorika. Lokalizace a mapování. Zpracování obrazu a počítačové vidění.
Strojové učení Učení s~učitelem. Učení založené na příkladech. Lineární regrese. Logistická regrese. Rozhodovací stromy. Metoda podpůrných vektorů. Kombinace více modelů. Statistické testy. Učení bez učitele.
Zpracování přirozeného jazyka Roviny popisu jazyka, morfologická a asyntaktická analýza. Základy teorie pravděpodobnosti a teorie informace. Statistické metody zpracování přirozeného jazyka, jazykové modely. Strojové učení, klasifikace, regrese. Odhad generalizační chyby, přetrénování, regularizace. Vektorové reprezentace slov, základy hlubokého strojového učení. Aplikace zpracování přirozeného jazyka, příklady evaluačních měr.
|