FI SUUI Strojové učení a umělá inteligence
Název anglicky: Machine learning and artificial intelligence
navazující prezenční se specializací, vyučovací jazyk: čeština čeština
Zahrnut v programu: FI N-UIZD Umělá inteligence a zpracování dat

Informace o studiu

  • Součásti SZZ a jejich obsah
    Státní 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 prací
    Příklady 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 Garant Ukončení Rozsah Kreditů Semestr Profilace
FI:MA012Statistics II O. Pokorazk 2/2/03+2 1P
FI:IV126Fundamentals of Artificial Intelligence H. Rudovázk 2/0/13+2 1Z
FI:PA234Infrastuctural and Cloud Systems T. Rebokzk 2/2/03+2 2-
FI:PA152Efficient Use of Database Systems V. Dohnalzk 2/0/13+2 2Z
FI:PV021Neural Networks T. Brázdilzk 2/0/24+2 1Z
FI:PV056Machine Learning and Data Mining L. Popelínskýzk 2/0/13+2 2Z
FI:PV211Introduction to Information Retrieval P. Sojkazk 2/1/03+2 2Z
FI:PV251Visualization B. Kozlíkovázk 2/1/03+2 1Z
FI:SOBHAObhajoba závěrečné práce D. SvobodaSZk 0/0/0- 4-
FI:SZMGRStátní zkouška (magisterský studijní program) D. SvobodaSZk 0/0/0- 4-
41 kreditů

Diplomová práce

Povinnost získat 20 kreditů z předmětu SDIPR.

Kód Název Garant Ukončení Rozsah Kreditů Semestr Profilace
FI:SDIPRDiplomová práce D. Svobodaz 0/0/020 4-
20 kreditů

Povinné předměty specializace

Kód Název Garant Ukončení Rozsah Kreditů Semestr Profilace
FI:IV111Probability in Computer Science V. Řehákzk 2/2/03+2 1P
FI:IA008Computational Logic A. Blumensathzk 2/2/03+2 2-
FI:PA163Constraint programming H. Rudovázk 2/1/03+2 1-
15 kreditů

Optimalizace a numerické výpočty

Absolvovat alespoň 1 předmět ze seznamu

Kód Název Garant Ukončení Rozsah Kreditů Semestr Profilace
FI:PV027Optimization T. Brázdilzk 2/1/14+2 3-
FI:MA018Numerical Methods J. Zelinkazk 2/2/03+2 3-
PřF:M7PNM1Pokročilé numerické metody I - metody lin. algebry J. Koláčekzk 2/2/04+2 3-
17 kreditů

Aplikace strojového učení I

Absolvovat alespoň 2 předměty z následujícího seznamu

Kód Název Garant Ukončení Rozsah Kreditů Semestr Profilace
FI:PA153Natural Language Processing P. Rychlýzk 2/0/02+2 3-
FI:PA228Machine Learning in Image Processing P. Matulazk 2/2/14+2 2-
FI:PA230Reinforcement Learning P. Novotnýzk 2/0/13+2 3-
15 kreditů

Aplikace strojového učení II

Absolvovat alespoň 1 předmět ze seznamu

Kód Název Garant Ukončení Rozsah Kreditů Semestr Profilace
FI:IA267Scheduling H. Rudovázk 2/02+2 4-
FI:PA128Similarity Searching in Multimedia Data P. Zezulazk 2/0/02+2 4-
FI:PA212Advanced Search Techniques for Large Scale Data Analytics J. Sedmidubskýzk 2/0/02+2 4-
FI:PV254Recommender Systems R. Pelánekk 1/1/02+1 4-
FI:PA164Machine learning and natural language processing V. Nováčekzk 2/1/03+2 3-
FI:IA168Algorithmic game theory T. Brázdilzk 2/0/13+2 3-
25 kreditů

Projekty a laboratoř

Získat alespoň 4 kredity absolvováním předmětů z následujícího seznamu

Kód Název Garant Ukončení Rozsah Kreditů Semestr Profilace
FI:PA026Artificial Intelligence Project A. Horákk 0/2/02+1 4-
FI:PV115Laboratoř dobývání znalostí L. Popelínskýz 0/0/22 3-
FI:IV127Seminář laboratoře adaptabilní výuky R. Pelánekk 0/2/02+1 3-
FI:IV125Seminář laboratoře Formela A. Kučerak 0/2/02+1 3-
FI:PV253Seminar of DISA Laboratory P. Zezulak 0/2/02+1 3-
FI:PV212Seminar on Machine Learning, Information Retrieval, and Scientific Visualization P. Sojkak 0/2/02+1 3-
17 kreditů

Volitelné kredity

Absolvovat další předměty tak, aby celkový zisk kreditů byl minimálně 120 kreditů za celé studium tohoto studijního programu.