|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KIV / ZNI
:
Popis předmětu
Pracoviště / Zkratka
|
KIV
/
ZNI
|
Akademický rok
|
2024/2025
|
Akademický rok
|
2024/2025
|
Název
|
Základy neuroinformatiky
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
5
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
1
[HOD/TYD]
Cvičení
2
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
6 / -
|
0 / 0
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Letní semestr
|
Vyučovaný semestr
|
Letní semestr
|
Minimum (B + C) studentů
|
10
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
0
|
Hodnotící stupnice |
1|2|3|4 |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ano
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
1|2|3|4 |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
KFI/UINSZ
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Předmět pomůže studentům porozumět rozdílům a propojením stávajících neurovědních modelů a počítačových simulací reálných neuronálních systémů se světem strojového učení a umělé inteligence. Studenti se dozvědí o současných metodách a přístupech k počítačovému popisu a simulaci reálných neuronálních systémů, simulačních nástrojích, datových a metadatových standardech, systémech rozhraní mozek-počítač a globálních neuroinformatických programech, iniciativách a infrastrukturách. Zvláštní pozornost bude věnována tzv. impulzním (spiking) neuronovým sítím (tj. sítím lépe simulujících biologické chování reálných neuronových sítí) a jejich konceptuálnímu a realizačnímu rozdílu vůči klasickým umělým neuronovým sítím (obecně současnému pojetí umělé inteligence).
|
Požadavky na studenta
|
Zápočet: úspěšné zpracování a obhájení skupinového projektu zaměřeného na jedno z nosných témat předmětu
Zkouška: znalost principů/konceptů vysvětlovaných během přednášek a cvičení
Z důvodu průběžné aktualizace předmětu je pro získání zápočtu při opakovaném zapsání předmětu (viz SZŘ čl. 24 odst. 3) nutné souhlasné vyjádření garanta předmětu.
|
Obsah
|
1. Úvod - neuroinformatika jako disciplína, vymezení a kontext oboru.
2. Lineární prostor, lineární závislost a nezávislost. Báze a dimenze prostoru.
3. Pojem grafu, orientované a neorientované grafy, cesty a vzdálenosti v grafech.
4. Teorie organizace a fungování biologických neuronálních sítí, přehled základních konceptů neurověd.
5. Základní počítačové modely biologického a umělého neuronu.
6. Základní počítačové modely neuronálních sítí.
7-8. Impulzní a umělé neuronové sítě - srovnání konceptů, přehled simulačních možností a softwarových simulátorů.
9-10. Datové a metadatové standardy v neuroinformatice.
11. Systémy rozhraní mozek-počítač - koncept a využití.
12. Aktuální výzvy neuroinformatiky. Globální neuroinformatické iniciativy, projekty a infrastruktury.
|
Aktivity
|
|
Studijní opory
|
- online kurs
- výuková videa
- vybrané výukové materiály organizace International Neuroinformatics Coordinating Facility
- výzkumné výsledky (články, zprávy, software, funkční vzorky prototypy) neuroinformatické skupiny KIV
- vybrané aktuální odborné články
- vybavení neuroinformatické laboratoře NTIS
|
Garanti a vyučující
|
|
Literatura
|
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Kontaktní výuka
|
13
|
Praktická výuka [vyjádření počtem hodin]
|
26
|
E-learning [dáno e-learningovým kurzem]
|
12
|
Příprava na zkoušku [10-60]
|
30
|
Projekt týmový [20-60 / počet studentů]
|
50
|
Celkem
|
131
|
|
Předpoklady
|
Odborné znalosti - pro úspěšné zvládnutí předmětu se předpokládá, že je student před zahájením výuky schopen: |
- orientovat se v matematice středoškolské úrovně
- rozumět základním konceptům umělé inteligence
- rozumět základním principům programovacího jazyka a programování
- orientovat se v základních pojmech spojených s organizací a fungováním biologických neuronálních systémů (lidského mozku) |
Odborné dovednosti - pro úspěšné zvládnutí předmětu se předpokládá, že student před zahájením výuky dokáže: |
- aplikovat znalosti středoškolské matematiky v běžných úlohách
- vysvětlit základní koncepty/pojmy umělé inteligence
- vytvořit jednoduchý počítačový program v alespoň v jednom programovacím jazyce
- popsat základní strukturu a fungování biologických neuronálních systémů (lidského mozku) |
Obecné způsobilosti - před zahájením studia předmětu je student schopen: |
bc. studium: své učení a pracovní činnost si sám plánuje a organizuje, |
bc. studium: kriticky přistupuje ke zdrojům informací, informace tvořivě zpracovává a využívá při svém studiu a praxi, |
bc. studium: vytváří hypotézy, navrhuje postupné kroky, zvažuje využití různých postupů při řešení problému nebo ověřování hypotézy, |
bc. studium: používá s porozuměním odborný jazyk a symbolická a grafická vyjádření informací různého typu, |
bc. studium: prezentuje vhodným způsobem svou práci i sám sebe před známým i neznámým publikem, |
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
- rozumět vybraným teoriím z neurověd a jejich počítačovým modelům a simulacím
- popsat rozdílné modely neuronu a neuronálních struktur
- rozumět rozdílům a propojením stávajících neurovědních modelů a počítačových simulací reálných neuronálních systémů se světem strojového učení a umělé inteligence
- identifikovat rozdíly, společné rysy a oblasti použití impulzních (spiking) a umělých neuronových sítí
- orientovat se v aktuálních datových a metadatových standardech užívaných v neuroinformatice
- popsat základní koncept rozhraní mozek-počítač
- orientovat se v aktuálních trendech v neuroinformatice s ohledem na stávající globální iniciativy, infrastruktury a projekty |
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
- použít vybraný softwarový simulátor a provést simulaci jednoduché neuronové sítě
- provést jednoduchou programovou úpravu při simulacích neuronových sítí
- identifikovat a přečíst vybraný neuroinformatický datový/metadatový standard
- provádět vybranou praktickou činnost při nastavování/ovládání rozhraní mozek-počítač |
Obecné způsobilosti - po absolvování předmětu je student schopen: |
mgr. studium: samostatně a odpovědně se rozhodují v nových nebo měnících se souvislostech nebo v zásadně se vyvíjejícím prostředí s přihlédnutím k širším společenským důsledkům jejich rozhodování, |
mgr. studium: plánují, podporují a řídí s využitím teoretických poznatků oboru získávání dalších odborných znalostí, dovedností a způsobilostí ostatních členů týmu, |
- přečíst a kriticky zhodnotit jednodušší odborný text |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Výstupní projekt, |
Odborné dovednosti - odborné dovednosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Výstupní projekt, |
Demonstrace dovedností (praktická činnost), |
Skupinová prezentace, |
Obecné způsobilosti - obecné způsobilosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Výstupní projekt, |
Demonstrace dovedností (praktická činnost), |
Skupinová prezentace, |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
Přednáška založená na výkladu, |
Přednáška s demonstrací, |
E-learning, |
Výuka podporovaná multimédii, |
Analyticko-kritická práce s textem, |
Projektová výuka, |
Cvičení (praktické činnosti), |
Odborné dovednosti - pro dosažení odborných dovedností jsou užívány vyučovací metody: |
Řešení problémů, |
Cvičení (praktické činnosti), |
Projektová výuka, |
Samostatná práce studentů, |
Prezentace práce studentů, |
Obecné způsobilosti - pro dosažení obecných způsobilostí jsou užívány vyučovací metody: |
Přednáška založená na výkladu, |
Přednáška s demonstrací, |
E-learning, |
Cvičení (praktické činnosti), |
Projektová výuka, |
Samostatná práce studentů, |
Prezentace práce studentů, |
Řešení problémů, |
|
|
|
|