Úvod do umělé inteligence, teorie informace, systémy a modely

Grafové algoritmy: vrcholy, hrany, hodnocení hran, základní teorie a třídění grafů

Dijkstra algoritmus, A*, Teorie a důvody použití, popis algoritmu a pseudokód, praktický příklad.

Min-max algoritmus, Alpha-Beta pruning algoritmus, teorie a důvody použití, pseudokód, popis algoritmu a grafická ilustrace algoritmu. Praktický příklad.

Negascout a rozdíl oproti alternativním algoritmům. Pseudokód a popis algoritmu. Grafická ilustrace a praktický příklad.

Monte-Carlo tree search algoritmus, Monte-Carlo algoritmus sám o sobě. Popis algoritmu a pseudokód. Grafická ilustrace a praktický výpočet.

Neuronové sítě, vysvětlení základních prvků neuronových sítí (aktivační funkce, neuron, vrstvy… aj), základní odhad parametrů pomocí backpropagation a odvození odhadu parametru v jednovrstvé síti.

Rozhodování a Decision trees, Behavioral Trees, vysvětlení základních prvků, příklady použití.

Proces učení a dohad parametrů, Reinforcement learning a alternativní metody.

Problematika pseudonáhodných čísel, příklady algoritmů (a ilustrativní výpočet), testování kvality generátorů náhodných čísel.

Markovovy řetězce, statistická teorie, příklady na použití. Praktický výpočet.

Naive Bayes metoda, statistická teorie, příklady použití. Praktický výpočet.

Problematika generování dat a příklady použití

Transpoziční tabulky a paměťová náročnost algoritmů, ilustrativní příklady a praktické použití.

Statistické hodnocení a evaluační funkce.