UMIN-notes

[CZ] Tyto poznámky slouží pro studenty praktické části kurzu KMI/UMIN (Umělá inteligence) vyučované na Katedře informatiky Univerzity Palackého v Olomouci. Cílem tohoto kurzu je seznámit studenty se základy umělé inteligence.

Stručný obsah hodin

1. Organizační záležitosti, Preprocessing, Perceptron
2. Neuronové sítě a jejich učení
3. Rozdělení dat, Přeučení a podučení, Normalizace
4. Rekurentní neuronové sítě, Předzpracování textu
5. Konvoluční neuronové sítě, Transfer learning
6. Seq2seq modely, Attention, Transformery, Generativní modely (VAE, GAN)
7. Word2Vec, Zpracování přirozeného jazyka
8. Současný a možný budoucí stav AI, Nejpoužívanější transformer modely, Etika v AI
9. Reinforcement Learning, RLHF, Deep RL
10. Evoluční algoritmy

Další obsah hodin bude doplněn v průběhu semestru.

---

[EN] These notes are for students of the practical part of the KMI/UMIN (Artificial Intelligence) course taught at the Department of Computer Science at Palacký University in Olomouc. The aim of this course is to introduce students to the basics of artificial intelligence.

Curricular content

1. Organizational matters, Preprocessing, Perceptron
2. Neural networks and how to train them
3. Splitting data for training, Overfitting and underfitting, Data normalization
4. Recurrent neural networks, Text preprocessing
5. Convolutional neural networks, Transfer learning
6. Seq2seq models, Attention, Transformers, Generative models (VAE, GAN)
7. Word2Vec, Natural Language Processing
8. State-of-art AI and transformers, Possible future of AI, AI Ethics
9. Reinforcement Learning, RLHF, Deep RL
10. Evolutionary algorithm

Further content of the lessons will be added during the semester.

---

Created by Bc. Marek Brodacký