INMNPEXS Expertní systémy

Obchodně podnikatelská fakulta v Karviné
zima 2016
Rozsah
2/1/0. 4 kr. Ukončení: zk.
Vyučující
Ing. Jan Górecki, Ph.D. (přednášející)
prof. RNDr. Jiří Ivánek, CSc. (přednášející)
Ing. Jan Górecki, Ph.D. (cvičící)
Garance
prof. RNDr. Jiří Ivánek, CSc.
Katedra informatiky a matematiky – Obchodně podnikatelská fakulta v Karviné
Kontaktní osoba: doc. Mgr. Petr Suchánek, Ph.D.
Předpoklady
K absolvování předmětu nejsou vyžadovány žádné podmínky a předmět může být zapsán nezávisle na jiných předmětech.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V předmětu získají studenti jak teoretické, tak praktické poznatky z oborů: Umělá inteligence, Expertní systémy a Znalostní inženýrství. Hlavní důraz je kladen na využití umělé inteligence a expertních systémů pro podporu rozhodování manažera na jednotlivých úrovních řízení v obchodu a marketingu, ekonomice podniku, v bankovní a finanční sféře a ve veřejném sektoru. Rovněž se studenti seznámí s vybranými prostředky pro vytváření expertních systémů a získávání znalostí jejich dobýváním z databází.
Osnova
  • 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 znalostí
    8. Případové studie
    9. Zpracování neurčitosti
    10. Fuzzy množiny
    11. Dobývání znalostí z databází
    12. Rozhodovací stromy
    13. Asociační pravidla
    1. 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.
Literatura
    povinná literatura
  • 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. info
  • IVÁNEK, Jiří, Robert KEMPNÝ a Vladimír LAŠ. Znalostní inženýrství. Karviná: Obchodně podnikatelská fakulta v Karviné Slezská univerzita v Opavě, 2007. info
  • GIARRATANO, J. C., RILEY, G. Expert Systems: Principles and Programming. PWS Publishing Co. Boston, MA, USA, 2004. ISBN 0-534-38447-1. info
  • DVOŘÁK. J. Expertní systémy. FSI VUT, 2004. info
  • BERKA, P. Dobývání znalostí z databází. Academia, Praha, 2003. ISBN 80-200-1062-9. info
  • JACKSON, P. Introduction to expert systems. Addison-Wesley, Boston, MA, USA, 1998. ISBN 0-201-87686-8. info
    doporučená literatura
  • MAŘÍK, V., ŠTĚPÁNKOVÁ, O., LAŽANSKÝ, J. a kol. Umělá inteligence 1-5. Academia, Praha, 1993. info
Výukové metody
Demonstrace dovedností
Seminární výuka
Metody hodnocení
Známkou
Informace učitele
Seminární práce, zkouška, min 70% účast na seminářích.
Ostatní studijní zátěž: vyhledávání a zpracování zdrojů na Internetu.

AktivityNáročnost [h]
Ostatní studijní zátěž40
Přednáška26
Seminář13
Zkouška40
Celkem119
Další komentáře
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 2014, zima 2015, zima 2017, zima 2018, zima 2019.