Ceija Stojka

Praktická publikácia popisujúca využitie termovízie v stavebníctve, energetike, ekológii, telekomunikáciách, medicíne, BOZP, elektrotechnike, a predovšetkým v strojárstve. Vychádza z toho, že s rozvojom rôznych technologických a výrobných procesov vznikajú požiadavky na rozličné spôsoby merania teploty procesov. Keďže nie vždy je možné využiť priame kontaktné meranie, publikácia opisuje meranie teploty zariadení alebo procesov pomocou termovíznej techniky. Termovíznu techniku je možné využívať v celom rade ľudskej činnosti. Cieľom tejto publikácie je oboznámenie s jednotlivými druhmi bezdotykových meracích prístrojov a spôsobov merania, predovšetkým termovíznych systémov a ich uplatnenie v praxi.

Skriptá na vybrané cvičenia z predmetov Umelá inteligencia 1 a Umelá inteligencia 2. Hoci sú skriptá koncipované ako návody ku cvičeniam z konkrétnych predmetov, diskutované informácie môžu byť užitočné aj pre iných čitateľov, ktorí sa zaujímajú o metódy umelej inteligencie a strojového učenia. Každá kapitola poskytuje praktické cvičenie ku nejakej konkrétnej téme. Každé cvičenie sa po zodpovedajúcej príprave dá realizovať za menej ako dve hodiny. Prvá kapitola skrípt poskytuje stručný úvod do jazyka Python, ktorý v oblasti strojového učenia v súčasnosti bezpochyby patrí medzi najpoužívanejšie programovacie jazyky. Ďalšie kapitoly sa venujú aplikácii fuzzy regulátorov pri riadení virtuálneho autíčka v 2D počítačovej hre; aplikácii umelých neurónových sietí na klasifikáciu (dátová množina IRIS) a regresiu (sieť sa učí napodobňovať, ako virtuálne autíčko riadi človek); ďalej analýze dát pomocou nástroja RapidMiner; riešeniu hry Sudoku pomocou programovania ohraničení a nástroja MiniZinc; a automatickému hraniu hry piškvorky pomocou algoritmu minimax a alfa-beta prerezávania. Skriptá obsahujú všetky zdrojové kódy a ďalšie materiály potrebné na realizáciu cvičení.

Druhý diel vysokoškolskej učebnice ku predmetu Umelá inteligencia, venujúci sa hlbokému učeniu. Hlboké neurónové siete patria v súčasnosti medzi najperspektívnejšie prístupy v oblasti umelej inteligencie a strojového učenia. Vo viacerých aplikáciách sa pomocou nich podarilo dosiahnuť bezprecedentný pokrok, pričom v niektorých dosahujú porovnateľne dobré alebo lepšie výsledky než človek. Učebnica si kladie za cieľ oboznámiť čitateľa nielen s potrebnými teoretickými základmi z oblasti hlbokého učenia, ale aj vybudovať potrebné intuície a praktické zručnosti. Preto je výklad doplnený značným množstvom vizualizácií, na niektorých miestach animáciami a predovšetkým príkladmi s konkrétnym zdrojovým kódom v jazyku Python, ktoré umožňujú ľahko si otestovať a precvičiť diskutované metódy aj prakticky. Aby sa čitateľom uľahčilo následné štúdium ďalších zdrojov, učebnica je vybavená slovensko-anglickým slovníkom pojmov. Obsahuje tiež niekoľko kapitol, ktoré sa venujú identifikácii ďalších užitočných učebníc, článkov, nástrojov a online kurzov, ktoré je užitočné poznať. Medzi hlavné témy, ktorým sa učebnica venuje patria: kontrolované učenie v dopredných a rekurentných sieťach, vrátane hlbokých sietí; konvolučné siete a ich aplikácie v oblasti spracovania obrazu; nekontrolované metódy učenia, ako sú autoenkodéry a generatívne protivnícke siete; modely založené na energii; protivnícke príklady a neuromaľby; metódy vyhodnocovania úspešnosti učenia.

Prvý diel vysokoškolskej učebnice k predmetu Umelá inteligencia. Venuje sa dvom témam: fuzzy prístupom a umelým neurónovým sieťam. Postupne preberá základné koncepty z teórie fuzzy množín, fuzzy logiky a predstavuje ich aplikácie vo fuzzy riadení a fuzzy aritmetike. V ďalšej časti sa venuje dopredným neurónovým sieťam a predstavuje základné metódy kontrolovaného učenia v nich. Z metód nekontrolovaného učenia sa venuje konkurenčnému učeniu a samoorganizujúcim mapám. Na záver predstavuje aplikácie umelých neurónových sietí v automatickom riadení. Výklad je doplnený ilustráciami a príkladmi zdrojového kódu pre prostredie Matlab. V závere každej kapitoly je časť s odkazmi na ďalšie súvisiace odborné materiály a nástroje.