Detail předmětu

Pokročilé datové struktury a algoritmy

FEKT-MPC-PDAAk. rok: 2024/2025

Teorie složitosti, teorie grafů, ekvivalence grafů, teorie hromadné obasluhy, Petriho sítě a modelování pomocí Petriho sítí, Markovovy modely, pokročilé evoluční algoritmy.

Jazyk výuky

čeština

Počet kreditů

7

Vstupní znalosti

Jsou požadovány znalosti na úrovni bakalářského studia a absolvování předmětu Teoretická informatika.

Pravidla hodnocení a ukončení předmětu

závěrečná zkouška
Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Učební cíle

Cílem kurzu je seznámit studenty s pokročilou teorií složitosti, teorií grafů a jejich metod srovnání, teorií hromadné obsluhy, Petriho sítěmi a evolučními algoritmy.
Absolventi znají teorii složitosti, reprezentativní příklady a jsou schopni použít teorii grafů, teorii hromadné obsluhy, teorii Petriho sítí, Markovovy modely pro potřeby získávání informací z těchto struktur.

Základní literatura

Virius, Miroslav. Základy algoritmizace. Česká technika-nakladatelství ČVUT, 2008. (CS)
GOODFELLOW, I., BENGIO, Y., & COURVILLEe, A. (2016). Deep learning (adaptive computation and machine learning series). Adaptive Computation and Machine Learning series, 800. (EN)

Zařazení předmětu ve studijních plánech

  • Program MPC-IBE magisterský navazující, 1. ročník, zimní semestr, povinný

  • Program MPC-AUD magisterský navazující

    specializace AUDM-TECH , 2. ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

L01: Teorie složitosti
L02: Vybrané problémy složitosti
L03: Silně připojené komponenty
L04: Teorie grafů
L05: Párování a izomorfismus
L06: Průtok a řezy v grafech
L07: Neuronové sítě
L08: Konvoluční neuronové sítě
L09: Základy strojového učení
L10: Rekurentní neuronové sítě
L11: Zpětnovazební učení
L12: Neuronové sítě pro stromy a grafy
L13: Shrnutí a příprava na závěrečnou zkoušku 

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

Osnova

1) Hra tanky - opakování programování
2) Genetické algoritmy
3) Optimlizace - genetické programování
4) Komponenty grafu
5) Maďarský algoritmus, párování
6) Grafy - vyvažování zátěže
7) Neuronové sítě
8) Půlsemestrální zkouška
9) Trénování konvoluční neuronové sítě a přenesené učení
10) Rekurentní neuronové sítě 
11) Q-učení - problém zamrzlého jezera
12) Zápočtový týden - obhajoba samostatné práce
13) Zápočtový týden - obhajoba samostatné práce

Projekt

13 hod., povinná

Vyučující / Lektor

Osnova

Projekt je samostatnou prací na vybrané téma z probírané oblasti