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.

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

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.

Naive Bayes metoda, statistická teorie, příklady použití.

Problematika generování dat a příklady použití.

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

Statistické hodnocení a evaluační funkce.