Průchod studijním plánem
FI SUUI Strojové učení a umělá inteligence
Název anglicky: Machine learning and artificial intelligence
navazující prezenční se specializací, vyučovací jazyk: čeština
Zahrnut v programu: FI N-UIZD Umělá inteligence a zpracování dat
navazující prezenční se specializací, vyučovací jazyk: čeština
Zahrnut v programu: FI N-UIZD Umělá inteligence a zpracování dat
Informace o studiu
- Součásti SZZ a jejich obsahStátní závěrečná zkouška sestává ze dvou odděleně klasifikovaných součástí: obhajoby diplomové práce a
odborné závěrečné zkoušky. Celá státní zkouška trvá zhruba jednu hodinu (přibližně 30 minut obhajoba, 30 minut zkoušení). Na prezentaci diplomové práce má student 15 minut, dalších 15 minut je věnováno rozboru posudků a diskuzi. V následující ústní závěrečné zkoušce student odpovídá bez přípravy na položené otázky, typicky jde o rozpravu v rozsahu dvou až tří otázek, přičemž minimálně jedna otázka je mu kladena z okruhu společného základu navazujícího studijního programu a minimálně jedna otázka ze studentem vybrané specializace.
Pro úspěšné složení závěrečné zkoušky musí student být schopen vysvětlit základní pojmy s nimiž se seznámil v profilujících předmětech programu, musí demonstrovat schopnost použití základních technik, metod a pojmů vysvětlených v profilujících předmětech programu a musí být schopen reagovat na relevantní doplňující otázky, případně, vybrané téma rozvinout do hloubky. Pokud student není schopen dostát některému z těchto požadavků, je hodnocem stupněm nevyhovující.
Podmínkou přístupu k závěrečné zkoušce je odevzdání diplomové práce. V případě negativních posudků na diplomovou práci se student může vzdát obhajoby, akceptovat hodnocení „nevyhověl“ a přejít rovnou ke zkoušení. V případě neúspěšné obhajoby není možné odstoupit od zkoušení. - Návrh témat kvalifikačních prací a témata obhájených pracíPříklady obhájených závěrečných prací:
1) Hluboké posilované učení s modelem prostředí a spojitými akcemi: https://is.muni.cz/auth/th/410446/fi_m/
2) Evaluation of Hand Micromovement Features for Continuous Authentication of Smartphone Users During Typing: https://is.muni.cz/auth/th/324709/fi_m/
3) Metody redukce dimensionality vektorových prostorů:
https://is.muni.cz/auth/th/374346/fi_m/
4) Fúze separačních metod: https://is.muni.cz/auth/th/255821/fi_m/
5) Rozpoznání anomálních uživatelů na českém Twitteru: https://is.muni.cz/auth/th/373903/fi_m/
Doporučený průchod studijním plánem
Povinné předměty studijního programu
Kód | Název | Ukončení | Kreditů | Semestr | Profilace |
FI:MA012 | Statistics II | zk | 3+2 | 1 | P |
FI:IV126 | Fundamentals of Artificial Intelligence | zk | 3+2 | 1 | Z |
FI:PA234 | Infrastuctural and Cloud Systems | zk | 3+2 | 2 | - |
FI:PA152 | Efficient Use of Database Systems | zk | 3+2 | 2 | Z |
FI:PV021 | Neural Networks | zk | 4+2 | 1 | Z |
FI:PV056 | Machine Learning and Data Mining | zk | 3+2 | 2 | Z |
FI:PV211 | Introduction to Information Retrieval | zk | 3+2 | 2 | Z |
FI:PV251 | Visualization | zk | 3+2 | 1 | Z |
FI:SOBHA | Obhajoba závěrečné práce | SZk | - | 4 | - |
FI:SZMGR | Státní zkouška (magisterský studijní program) | SZk | - | 4 | - |
41 kreditů |
Diplomová práce
Povinnost získat 20 kreditů z předmětu SDIPR.
Kód | Název | Ukončení | Kreditů | Semestr | Profilace |
FI:SDIPR | Diplomová práce | z | 20 | 4 | - |
20 kreditů |
Povinné předměty specializace
Optimalizace a numerické výpočty
Absolvovat alespoň 1 předmět ze seznamu
Kód | Název | Ukončení | Kreditů | Semestr | Profilace |
FI:PV027 | Optimization | zk | 4+2 | 3 | - |
FI:MA018 | Numerical Methods | zk | 3+2 | 3 | - |
PřF:M7PNM1 | Pokročilé numerické metody I - metody lin. algebry | zk | 4+2 | 3 | - |
17 kreditů |
Aplikace strojového učení I
Absolvovat alespoň 2 předměty z následujícího seznamu
Aplikace strojového učení II
Absolvovat alespoň 1 předmět ze seznamu
Kód | Název | Ukončení | Kreditů | Semestr | Profilace |
FI:IA267 | Scheduling | zk | 2+2 | 4 | - |
FI:PA128 | Similarity Searching in Multimedia Data | zk | 2+2 | 4 | - |
FI:PA212 | Advanced Search Techniques for Large Scale Data Analytics | zk | 2+2 | 4 | - |
FI:PV254 | Recommender Systems | k | 2+1 | 4 | - |
FI:PA164 | Machine learning and natural language processing | zk | 3+2 | 3 | - |
FI:IA168 | Algorithmic game theory | zk | 3+2 | 3 | - |
25 kreditů |
Projekty a laboratoř
Získat alespoň 4 kredity absolvováním předmětů z následujícího seznamu
Kód | Název | Ukončení | Kreditů | Semestr | Profilace |
FI:PA026 | Artificial Intelligence Project | k | 2+1 | 4 | - |
FI:PV115 | Laboratoř dobývání znalostí | z | 2 | 3 | - |
FI:IV127 | Seminář laboratoře adaptabilní výuky | k | 2+1 | 3 | - |
FI:IV125 | Seminář laboratoře Formela | k | 2+1 | 3 | - |
FI:PV253 | Seminar of DISA Laboratory | k | 2+1 | 3 | - |
FI:PV212 | Seminar on Machine Learning, Information Retrieval, and Scientific Visualization | k | 2+1 | 3 | - |
17 kreditů |
Volitelné kredity
Absolvovat další předměty tak, aby celkový zisk kreditů byl minimálně 120 kreditů za celé studium tohoto studijního programu.