Biological sequence analysis : Probabilistic models of proteins and nucleic acids / Richard Durbin ... [et al.]. Cambridge : Cambridge University Press, 1998
Understanding bioinformatics / Marketa Zvelebil, Jeremy O. Baum. New York : Garland Science, 2008
Priebežné hodnotenie: domáce úlohy (30%), týždenné kvízy (10%), skupinový projekt (10%).
Skúška: písomná (50%).
Stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%. Bližšie informácie na stránke predmetu.
slovenský, anglický
Predmet je určený pre študentov informatických študijných programov (vrátane bioinformatiky a dátovej vedy). Študenti biologických, fyzikálnych a chemických študijných programov si zapisujú 2-AIN-501.
Základné pojmy z molekulárnej biológie, algoritmov a strojového učenia. Sekvenovanie a zostavovanie genómov. Hľadanie génov. Zarovnávanie sekvencií. Evolučné modely a fylogenetické stromy. Komparatívna a populačná genomika. Štruktúra RNA. Hľadanie motívov a analýza expresie génov. Štruktúra a funkcia proteínov. Vybrané aktuálne témy.
Študenti informatických študijných odborov sa budú venovať najmä metódam informatiky a matematického modelovania uvedených problémov.
https://fmfi-compbio.github.io/mbi/
50/50
Po absolvovaní predmetu budú študenti poznať základné problémy a metódy bioinformatiky, budú vedieť voliť vhodnú metódu na riešenie daného biologického problemu a interpretovať jej výsledky.
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov, pri mierne pokročilých dôraz na čítanie odborných textov a prezentáciu odborných príspevkov; práca s odbornými slovníkmi, využívanie francúzskych internetových stránok.
Capelle Guy, Menand Robert: Le Nouveau taxi 1, Hachette FLE Paris, France 2009, ISBN 978-2-01-155548 - 9
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Predmet sa vyučuje v dvoch úrovniach obtiažnosti: začiatočník a mierne pokročilý. Študent si sám volí úroveň podľa toho, či chce získať základy nového cudzieho jazyka alebo udržať a prehĺbiť už existujúcu znalosť francúzštiny.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov, pri mierne pokročilých dôraz na čítanie odborných textov a prezentáciu odborných príspevkov; práca s odbornými slovníkmi, využívanie francúzskych internetových stránok.
Capelle Guy, Menand Robert: Le Nouveau taxi 1, Hachette FLE Paris, France 2009, ISBN 978-2-01-155548 - 9
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Predmet sa vyučuje v dvoch úrovniach obtiažnosti: začiatočník a mierne pokročilý a svojím obsahom nadväzuje na predmet Francúzsky jazyk 1.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne skupiny.
test
test, zadania (domáce úlohy)
Podmienky absolvovania predmetu
hthttps://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
slovenský, nemecký
Predmet sa vyučuje v troch stupňoch náročnosti: začiatočník, mierne pokročilý, pokročilý. Študent si sám volí úroveň podľa toho, či chce získať základy nového cudzieho jazyka, alebo udržať a zvýšiť už existujúcu znalosť nemčiny.
Cieľom kurzu je vládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne skupiny.
test
test, zadania (domáce úlohy)
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
slovenský, nemecký
Predmet sa vyučuje v troch stupňoch náročnosti: začiatočník, mierne pokročilý, pokročilý. Študent si sám volí úroveň podľa toho, či chce získať základy nového cudzieho jazyka, alebo udržať a zvýšiť už existujúcu znalosť nemčiny.
Cieľom kurzu je zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Zvládnuť základy všeobecného ruského jazyka. Kurz ponúka základy jazyka na úrovni A1. Ovládnutie azbuky, získanie lexikálno-gramatického a konverzačného "optima", pohotovosti pri čítaní autentických ruských textov a stratégií práce s neznámymi slovami, schopnosti chápať jednoduché texty bez slovníka.
Učebnica: Точка Ру A1 (Ольга Долматова, Екатерина Новачац), рracovné karty Падежи 1 (Л.С. Безкоровайная, В.Е. Штыленко).
test
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Zvládnuť základy všeobecného ruského jazyka. Kurz ponúka základy jazyka na úrovni A1. Ovládnutie azbuky, získanie lexikálno-gramatického a konverzačného "optima", pohotovosti pri čítaní autentických ruských textov a stratégií práce s neznámymi slovami, schopnosti chápať jednoduché texty bez slovníka.
Obsahom predmetu je ruština pre začiatočníkov.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Základná komunikácia v ruštine, rozvíjanie ostatných jazykových zručností ruského jazyka- počúvanie s porozumením, čítanie a písanie.
Zvládnuť základy všeobecného ruského jazyka. Ovládnutie azbuky, získanie lexikálno-gramatického a konverzačného "optima", pohotovosti pri čítaní autentických ruských textov a stratégií práce s neznámymi slovami, schopnosti chápať jednoduché texty bez slovníka.
Učebnica: Точка Ру A1 (Ольга Долматова, Екатерина Новачац), рracovné karty Падежи 1 (Л.С. Безкоровайная, В.Е. Штыленко).
Absolvovanie predmetu Ruský jazyk (1)
test
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Zvládnuť základy všeobecného ruského jazyka. Ovládnutie azbuky, získanie lexikálno-gramatického a konverzačného "optima", pohotovosti pri čítaní autentických ruských textov a stratégií práce s neznámymi slovami, schopnosti chápať jednoduché texty bez slovníka.
Obsahom predmetu je ruština pre začiatočíkov a predmet tématicky nadväzuje na Ruský jazyk 1.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Základná komunikácia v ruštine, rozvíjanie ostatných jazykových zručností ruského jazyka- počúvanie s porozumením, čítanie a písanie.
Krížom-Krážom Slovenčina 1, doplňujúce materiály vypracované vyučujúcim podľa potreby účastníkov kurzu.
testy
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Náplňou predmetu je osvojenie základov slovenského jazyka. Jazyková úroveň kurzu zodpovedá stupňu A1 (Začiatočníci).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/slovensky-jazyk-pre-zahranicnych-studentov/
100/0
Kurz je zameraný pre zahraničných študentov na osvojenie základov slovenského jazyka s dôrazom na základnú komunikáciu v slovenčine ako aj rozvíjanie ostatných jazykových zručností slovenského jazyka- počúvanie s porozumením, čítanie a písanie.
Krížom-Krážom Slovenčina 1, doplňujúce materiály vypracované vyučujúcim podľa potreby účastníkov kurzu.
testy
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Náplňou predmetu je osvojenie základov slovenského jazyka. Jazyková úroveň kurzu zodpovedá stupňu A1 (začiatočníci).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/slovensky-jazyk-pre-zahranicnych-studentov/
100/0
Kurz je zameraný pre zahraničných študentov na osvojenie základov slovenského jazyka s dôrazom na základnú komunikáciu v slovenčine ako aj rozvíjanie ostatných jazykových zručností slovenského jazyka- počúvanie s porozumením, čítanie a písanie.
Zdokonalenie jazykových zručností, zameraných hlavne na hovorenie, počúvanie ako aj písomný prejav. Dôraz sa kladie na diskurzné prvky, lexikálny a tematický materiál, rozšírenie komunikatívnej a odbornej slovnej zásoby relevantnej pre absolventov vysokej školy. Kurz je doplnkom ku kurzom odborného jazyka.
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne jednotlivých skupín.(populárno –vedné príspevky - zdroj- The Guardian, The Herald Morning Sun. The Nine News, The West Australian, BBC News and podcasts, CNN podcasts).
1-MXX-232 Anglický jazyk (4)
testy, prezentácie, eseje
testy, prezentácie, eseje
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Náplňou predmetu je všeobecná angličtina. Jazyková úroveň kurzu zodpovedá stupňu B2/C1 (Upper-Intermediate/Lower Advanced).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/konverzacny-kurz-aj/
100/0
Zdokonalenie jazykových zručností, zameraných hlavne na hovorenie, počúvanie ako aj písomný prejav. Dôraz sa kladie na diskurzné prvky, lexikálny a tematický materiál, rozšírenie komunikatívnej a odbornej slovnej zásoby relevantnej pre absolventov vysokej školy. Kurz je doplnkom ku kurzom odborného jazyka.
test
Zdokonalenie jazykových zručností, zameraných hlavne na hovorenie, počúvanie ako aj písomný prejav. Dôraz sa kladie na diskurzné prvky, lexikálny a tematický materiál, rozšírenie komunikatívnej a odbornej slovnej zásoby relevantnej pre absolventov vysokej školy. Kurz je doplnkom ku kurzom odborného jazyka.
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne jednotlivých skupín.(populárno –vedné príspevky - zdroj- The Guardian, The Herald Morning Sun. The Nine News, The West Australian, BBC News and podcasts, CNN podcasts).
1-MXX-232 Anglický jazyk (4)
testy, prezentácie, eseje
testy, prezentácie, eseje
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Náplňou predmetu je všeobecná angličtina. Jazyková úroveň kurzu zodpovedá stupňu B2/C1 (Upper-Intermediate/Lower Advanced).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/konverzacny-kurz-aj/
100/0
Zdokonalenie jazykových zručností, zameraných hlavne na hovorenie, počúvanie ako aj písomný prejav. Dôraz sa kladie na diskurzné prvky, lexikálny a tematický materiál, rozšírenie komunikatívnej a odbornej slovnej zásoby relevantnej pre absolventov vysokej školy. Kurz je doplnkom ku kurzom odborného jazyka.
test
Zdokonalenie všeobecného jazyka, prehĺbenie odbornej terminológie, čítanie odborných textov, prezentácia odborných, populárno-vedných príspevkov.
Capelle Guy, Menand Robert: Le Nouveau taxi 1, Hachette FLE Paris, France 2009, ISBN 978-2-01-155548 - 9
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Obsahom predmetu je francúzština pre mierne pokročilých. Okrem všeobecného jazyka predmet poskytuje študentovi aj skúsenosť s odbornou francúzštinou.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Zdokonalenie všeobecného jazyka, prehĺbenie odbornej terminológie, čítanie odborných textov, prezentácia odborných, populárno-vedných príspevkov.
Menand Robert: Le Nouveau taxi 2, Hachette FLE, Paris, France 2009, ISBN 978-2-01-155551 - 9
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Obsahom predmetu je francúzština pre mierne pokročilých a kurz tématicky nadväzuje na predmet Francúzsky jazyk 3. Okrem všeobecného jazyka obsahuje aj úvod do odbornej francúzštiny.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Prehĺbenie vedomostí z oblasti všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne skupiny.
test
test, zadania (domáce úlohy)
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
slovenský, nemecký
Predmet sa vyučuje v dvoch úrovniach náročnosti: mierne pokročilý a pokročilý, a svojím obsahom nadväzuje na predmety Nemecký jazyk 1 a Nemecký jazyk 2
Cieľom je prehĺbenie vedomostí z oblasti všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Prehĺbenie vedomostí z oblasti všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov).
Študijné materiály poskytuje vyučujúci v závislosti od jazykovej úrovne skupiny.
test
test, zadania (domáce úlohy)
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
slovenský, nemecký
Predmet sa vyučuje v dvoch úrovniach obtiažnosti: mierne pokročilý a pokročilý, a svojím obsahom nadväzuje na predmety Nemecký jazyk 1 - 3.
Cieľom je prehĺbenie vedomostí z oblasti všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov).
https://fmph.uniba.sk/microsites/kjp/informacie-o-katedre/ostatne-cudzie-jazyky-okrem-aj/nemecky-jazyk/
100/0
Zvládnuť základy všeobecného jazyka a základnej odbornej terminológie jednotlivých študijných odborov (v závislosti od pokročilej úrovne študentov)
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Точка Ру A2 (Ольга Долматова, Екатерина Новачац) a Short Stories in Russian (Olly Richards, Alex Rowlings)
Absolvovanie predmetov R (1) a R (2), prípadne dvoch až štyroch rokov výučby ruštiny pre začiatočníkov v iných kurzoch
test
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Predmet "Ruština pre mierne pokročilých" nadväzuje na kurz "Ruština pre začiatočníkov". Náplňou predmetu je všeobecná ruština v rozsahu primeranom danému stupňu znalosti ruštiny.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Základná komunikácia v ruštine, rozvíjanie ostatných jazykových zručností ruského jazyka- počúvanie s porozumením, čítanie a písanie.
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Точка Ру A2 (Ольга Долматова, Екатерина Новачац) a Short Stories in Russian (Olly Richards, Alex Rowlings)
Absolvovanie predmetov R (1) , R (2) a R (3), prípadne dvoch až štyroch rokov výučby ruštiny pre začiatočníkov v iných kurzoch.
test
test
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Predmet "Ruština pre mierne pokročilých" nadväzuje na kurz "Ruština pre začiatočníkov". Náplňou predmetu je všeobecná ruština v rozsahu primeranom danému stupňu znalosti ruštiny.
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/obsah-kurzov-a-pouzivane-ucebnice/
100/0
Ovládnutie písaného písma, ďalší rozvoj jazykových návykov a zručností, oboznámenie sa s ruskou kultúrou, históriou a reáliami, ďalšie prehlbovanie znalosti gramatiky a lexiky.
Krížom-Krážom Slovenčina 2, doplňujúce materiály vypracované vyučujúcim podľa potreby účastníkov kurzu.
testy
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Kurz nadväzuje na Kurz slovenského jazyka (2). Náplňou predmetu je pokračovanie osvojenia základov slovenského jazyka. Jazyková úroveň kurzu zodpovedá stupňu A 2 (mierne pokročilí).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/slovensky-jazyk-pre-zahranicnych-studentov/
100/0
Kurz je zameraný pre zahraničných študentov na kontinuálne osvojovanie základov slovenského jazyka s dôrazom na rozvíjanie všetkých jazykových zručností slovenského jazyka- počúvanie s porozumením, čítanie, písanie a hovorenie.
Krížom-Krážom Slovenčina 2, doplňujúce materiály vypracované vyučujúcim podľa potreby účastníkov kurzu.
testy
Podmienky absolvovania predmetu
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/poziadavky-na-udelenie-priebezneho-hodnotenia-aj1aj2aj3-ostatne-kurzy/
Kurz nadväzuje na Kurz slovenského jazyka (3). Náplňou predmetu je pokračovanie osvojenia základov slovenského jazyka. Jazyková úroveň kurzu zodpovedá stupňu A 2 (mierne pokročilí).
https://fmph.uniba.sk/microsites/kjp/katedra-jazykovej-pripravy/mgr-aneta-barnes/slovensky-jazyk-pre-zahranicnych-studentov/
100/0
Kurz je zameraný pre zahraničných študentov na kontinuálne osvojovanie základov slovenského jazyka s dôrazom na rozvíjanie všetkých jazykových zručností slovenského jazyka- počúvanie s porozumením, čítanie, písanie a hovorenie.
Priebežné hodnotenie: Počet kreditov a podmienky splnenia sú dané pravidlami zahraničnej univerzity.
Skúška: písomná, ústna
slovenský, anglický
Predmet z oblasti informačných systémov. Predmet je určený iba pre študentov, ktorí časť štúdia absolvujú na zahraničných univerzitách v rámci študijných pobytov na základe dohody. Výber predmetu je podmienený súhlasom garanta študijného programu. Počet kreditov a podmienky splnenia sú dané pravidlami zahraničnej univerzity.
100/0
Schopnosť udržiavať kontakt s najnovším vývojom vo svojej disciplíne v rámci predmetov. Po absolvovaní predmetu bude študent poznať spôsob štúdia v zahraničí, vytvorí si nové kontakty v svojom odbore, na ktorých môže budovať svoj odborný rast, spozná nové kultúrne prostredie osvojí si spôsob prispôsobenia sa cudziemu kolektívu, zdokonalí si komunikačné schopnosti.
Biere, A., Heule, M. and van Maaren, H. eds., 2009. Handbook of satisfiability (Vol. 185). IOS
press.
Björk, M., 2011. Successful SAT encoding techniques. Journal on Satisfiability, Boolean Modeling
and Computation, 7(4), pp.189-201.
Sterling, L. and Shapiro, E.Y., 1994. The art of Prolog: advanced programming techniques. MIT
press.
Baral, C., 2003. Knowledge representation, reasoning and declarative problem solving. Cambridge
university press.
Stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
Hodnotenie zo semestra:
- aktivita na cvičeniach 10b (min 5b)
- domáce úlohy 10b (min 5b)
- midterm 10b
- projekt 30b (min 15b)
Skúška:
- ústna skúška s písomnou prípravou 40b (min 20b)
slovenský, anglický
- Klasická výroková logika (opakovanie)
- Kódovanie problémov do SATu, využitie SAT solverov
- Logické programovanie (syntax, SLDNF rezolvencia, stabilné modely)
- Kódovanie problémov do logických programov a využitie LP solverov (Prolog, ASP)
http://courses.matfyz.sk/complog
60/40
Kurz sa zaoberá riešením problémov metódami výpočtovej logiky s využitím modelovania a automatickej inferencie. Poslucháči sa oboznámia s modelovaním problémov v klasickej logike (SAT), a v logickom programovaní (Prolog, ASP). Kurz sa zameriava na reprezentačnú silu jednotlivých formalizmov, ako aj na algoritmické aspekty (výpočet vyplývania, jeho správnosť a výpočtová zložitosť). Poslucháči tiež nadobudnú prehľad o implementáciách jednotlivých inferenčných algoritmov a praktickú zručnosť s ich používaním.
Parallel program design : A Foundation / K. Mani Chandy , Jayadev Misra. Reading : Addison-Wesley, 1988 An introduction to parallel algorithms / Joseph Jájá. Boston : Addison-Wesley, 1992 C. Stirling: Modal and Temporal Properties of Processes, Springer 2001 Elektronické poznámky k prednáške, http://ii.fmph.uniba.sk/~gruska/udpp/Beziacaudppprednaska2014.pdf
Priebežné hodnotenie: odovzdanie všetkých domácich úloh a písanie dvoch testov.
Skúška: skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Na začiatku sa študenti zoznámia s jednoduchým spôsobom ako zapisovať algoritmy paralelných a distribuovaných výpočtov, tak aby boli tieto zápisy použiteľné pre rôzne typy architektúr. Ďalej získajú základy logiky, ktorá sa bude využívať na vyjadrovanie a dokazovanie vlastností programov. Potom sa oboznámia so základnými architektúrami paralelných a distribuovaných systémov. Jadro kurzu tvoria vybrané základné algoritmy paralelných a distribuovaných systémov (napr. Najkratšia cesta, Reader-Writers problém, Večerajúci filozofi, Koordinácia schôdzí, Pijúci filozofi, Triedenie, Faulty channels, Global snapshots, Detekovanie stabilných vlastností, Byzantská dohoda). Ich zonam sa prípadne môže rozširovať v závoslosti na vývoji v predmetnej oblasti. Na záver kurzu bude prehľad rôznych programovacích jazykov a paradigiem a logík.
80/20
Absolventi predmetu budú oboznámení s problematikou paralelného a distribuovaného programovania. Zoznámia sa základnými algoritmami používanými v praxi, i s metódami ako dokazovať správnosť prípadne efektivitu algoritmov. Získajú prehľad základných paralelných a distribuovaných architektúr, stručný prehľad rôznych paradigiem a programovacích jazykov.
Web Style Guide, 4th ed. / P.J. Lynch, S. Horton. Yale University Press, 2016. Dostupné online:
http://webstyleguide.com/
Mobile First. L. Wroblewski, A Book Apart, 2011
Priebežné hodnotenie: projekt 60b, záverečný test 15b (minimum 50%)
Skúška: ústna skúška 25b (podmienka pripustenia na skúšku 60b zo semestra)
Podmienka absolvovania: 50b z celkového počtu bodov z zároveň 50% zo záverečného testu
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
- Prehľad o webových technológiách a architektúre webu
- Informačná architektúra, typy webových stránok, aplikácií, komponentov a rozhraní
- Význam klientských platforiem (mobil, tablet, desktop) a dôsledky na návrh a tvorbu webu
- Metodiky vývoja webových stránok a aplikácií (vodopádový model, agilné metodiky)
- Metodiky dizajnu používateľskej interakcie (výskum a modelovanie používateľov, iteratívny
prototypový dizajn, testovanie prototypov)
- Zásady a metodiky tvorby webového obsahu
- Testovanie, optimalizácia a správa webových aplikácií a webového obsahu
- Miery kvality webových stránok a aplikácií
http://courses.matfyz.sk/webdesign
75/25
Prehľad webových technológií v súvislosti s ich účelom a ich aplikáciami na rôzne ciele. Zásady a
metodiky navrhovania webových stránok, aplikácií, webových používateľských rozhraní, a
webového obsahu.
Počítačové videnie. Detekcia a rozpoznávanie objektov Elena Šikudová, Zuzana Černeková, Vanda Benešová, Zuzana Haladová, Júlia Kučerová:, vydavateľstvo Wikina, Praha, ISBN: 978-80-87925-06-5
Image processing, analysis, and machine vision / Milan Sonka, Vaclav Hlavac, Roger Boyle. [Stamford] : Cengage Learning, 2008
Digital image processing / Rafael C. Gonzalez, Richard E. Woods. Beijing : PEARSON; 4th edition, 2018
Computer Vision: Algorithms and Applications, Richard Szeliski, The University of Washington, 2nd ed. 2021
Image processing : The fundamentals / Maria Petrou, Costas Petrou. Chichester : John Wiley, 2010
Na získanie hodnotenia A je potrebné získať najmenej 90% bodov, na hodnotenie B najmenej 80% bodov, na hodnotenie C najmenej 70% bodov, na hodnotenie D najmenej 60% bodov a na hodnotenie E najmenej 50% bodov.
Za semester môže študent získať 30% za cvičenia, 20% za projekt.
Záverečná písomná skúška má váhu 50%. Študent musí získať aspoň 30 bodov (z 50) za cvičenia a projekt, aby mohol absolvovať záverečnú písomnú skúšku.
slovenský, anglický
Snímanie obrazu.
Vlastnosti digitalizovaného obrazu.
Obrazové transformácie
Metódy predspracovania obrazu, detekcia hrán, Houghova transformácia
Fourierova transformácia - DFT, FFT, filtre vo frekvenčnej doméne
Krátkodobá Fourierová transformacia (STFT - Short time fourier transform)
Waveletová transformácia
Odstraňovanie šumu
Matematická morfológia binárna a šedotónová
Segmentácia. Snake, watershed, zhlukovanie
vylepšovanie obrazu
Spracovanie textúr
https://dai.fmph.uniba.sk/w/Course:Pokrocile_spracovanie_obrazu/sk
50/50
Absolvent bude ovládať pokročilé techniky spracovania obrazu, ako sú obrazové transformácie, filtrovanie, vylepšovanie obrazu, pokročilé techniky segmentácie (pomocou aktívnej contúry - snake, segmentácia povodím) atď.
Druh, rozsah a metóda vzdelávacích činností: 2 / 2 (prednáška / cvičenie) Počet kreditov: 6 Odporúčaný semester/trimester štúdia: aplikovaná informatika 3/L Stupeň štúdia: I Podmieňujúce predmety: žiadne Podmienky absolvovania predmetu: Skúška: skúška je písomná a ústna, dva programátorské príklady a jedna teoretická otázka Priebežné hodnotenie: 0 Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50% Váha priebežného / záverečného hodnotenia: 0/100
[1] Hájek, P. (1998). Metamathematics of fuzzy logic. Trends in Logic, vol. 4, Kluwer Academic Publishers.
[2] Klement, E. P., Mesiar, R., (2005). Logical, Algebraic, Analytic and Probabilistic Aspects of Triangular Norms, Elsevier.
[3] U. Schoening, J. Toran (2013), The Satisfiability Problem: Algorithms and Analyses, ser. Mathematik fuer Anwendungen. Lehmanns Media.
[4] Jantzen J. (2013). Foundations of Fuzzy Control: A Practical Approach, 2nd Edition, Wiley. ISBN: 978-1-118-50622-6.
[5] Novák, V., Perfilieva, I., & Dvorak, A. (2016). Insight into fuzzy modeling. John Wiley & Sons.
[6] Guller D. (2019). Hyperresolution for Goedel Logic with Truth Constants. Fuzzy Sets and Systems. 363: 1-65.
Type of educational activities: 2/2 (lecture/exercise) Number of credits: 6 Recommended semester: applied informatics 3/S Educational level: I Prerequisites: none Course requirements: Examination: examination is in written and oral form, two programmning tasks and one theoretical question Continuous assessment: 0 Approximate evaluation scale: A 90%, B 80%, C 70%, D 60%, E 50% Scale of assessment (preliminary/final): 0/100
16. Reziduované zväzy - základné vlastnosti, triangulárne (ko-)normy, reziduácie, spojitosť, mnohohodnotové (manyvalued - MV), Goedelove (G), produktové (P) algebry/variety.
17. Mnohohodnotové (fuzzy) logiky a výpočtové formalizmy (Lukasiewiczova, Goedelova, produktová), Davis–Putnam–Logemann–Loveland (DPLL) procedúra, binárna rezolúcia, hyper-rezolúcia.
18. Fuzzy množiny, fuzzy čísla a aritmetika, diskrétne fuzzy množiny, modifikátory fuzzy množín (hedges).
19. Fuzzy aproximačné modely, fuzzy (F) transform, fuzzy cluster analýza.
20. Fuzzy inferencia, kompozičné pravidlo inferencie (compositional rule of inference - CRI), fuzzy pravidlá - Mamdani-ho typu, Sugeno-Takagi-ho typu, lingvistická premenná, Zadehov prístup,
fuzzifikácia/defuzzifikácia, fuzzy inferenčné systémy, fuzzy riadiče (lineárne fuzzy proporčno-integračno-derivačné (proportional-integral-derivative - PID) a inkrementálne riadenie).
Skúška: skúška je písomna a ústna, dva programátorské príklady a jedna teoretická otázka
Priebežné hodnotenie:
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
1) Pravidlové systémy, DPLL-procedúra, binárna rezolúcia, hyper-rezolúcia.
2) Neurčitosť a jej formalizácia, triangulárne (ko-)normy, spojitosť.
3) Viachodnotové (fuzzy) logiky a výpočtové formalizmy (Lukasiewiczova, Goedelova, produktová).
4) Fuzzy množiny.
5) Fuzzy čísla a aritmetika.
6) Modifikátory fuzzy množín (hedges).
7) Fuzzy aproximačné modely, F-transform, fuzzy cluster analýza.
8) Fuzzy inferencia, kompozičné pravidlo inferencie (CRI).
9) Fuzzy pravidlá - Mamdani-ho typu.
10) Fuzzy pravidlá - Sugeno-Takagi-ho typu.
11) Lingvistická premenná, Zadehov prístup.
12) Fuzzifikácia.
13) Defuzzifikácia.
14) Fuzzy inferenčné systémy, fuzzy riadiče.
http://dai.fmph.uniba.sk/~guller/clips/
0/100
Teoretické a praktické základy výpočtovej fuzzy logiky, modelovania a systémov
Numerická matematika pre informatika : Riešené príklady v programe Mathematica / Roman Ďurikovič, Vladimír Ďurikovič. Trnava : Univerzita sv. Cyrila a Metoda, 2011
Numerické metódy / Jela Babušíková, Marián Slodička, Juraj Weisz. Bratislava : Univerzita Komenského, 2000
Priebežné hodnotenie (100% =90 bodov): 3 písomky po 15 bodov, í individuálnych zadaní po 5 bodov
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Výpočtový model v numerickej matematike. Numerická stabilita a robustnosť, analýza chýb. Teória aproximácie. Numerická algebra. Riešenie veľkých sústav lineárnych rovníc. Hľadanie koreňov nelineárnych rovníc. Numerická derivácia a integrácia. Optimalizácia - formulácia úlohy, základy konvexnej analýzy, numerické metódy hľadania minima - gradientné metódy. Diferenčné metódy a metóda konečných prvkov. Úvod do numerického riešenia diferencálnych rovníc. Knižnice numerických metód a práca s nimi.
100/0
Po absolvovaní predmetu by študenti mali poznať metódy a nástroje na numerické výpočty potrebné vo vyššej počítačovej grafike (fyzikálne modelovanie a animácia, globálny osvetľovací problém, špeciálne modelovanie).
Premeny školy v digitálnom veku / Ivan Kalaš a kolektív. Bratislava : Slovenské pedagogické nakladateľstvo - Mladé letá, 2013
T. Plomp, N. Nieveen et al. Educational Design Research. Slo 2013
vlastné elektronické texty zverejňované na webovej stránke, resp. v prostredí Moodle
Priebežné hodnotenie: práca na cvičeniach, recenzia softvéru, písomný test, dva projekty
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Význam digitálnych technológií v poznávacom procese, vo vyučovaní a učení sa.
Definícia a klasifikácia pedagogického softvéru, kritériá jeho evaluácie.
Vzdelávacie aplikácie na vyučovanie informatiky pre žiakov na základnej a strednej škole.
Informačné systémy používané na vzdelávanie.
Softvér pre vzdelávanie a vývinové fázy poznania.
Návrh GUI a využitie HCI pri programovaní vzdelávacieho softvéru.
Multimédiá a ich miesto v poznávacom procese. Akčný výskum – žiaci a učitelia ako spoluautori návrhu softvéru pre vzdelávanie.
Princípy tvorby softvéru pre vzdelávanie.
Softvér pre vzdelávanie pre žiakov so špeciálnymi potrebami.
http://sluzby.fmph.uniba.sk/moodle/2-AIN-115
75/25
Študent dokáže posúdiť vhodnosť konkrétneho edukačného softvéru na vyučovanie informatiky na ZŠ, SŠ, resp. VŠ. Je schopný klasifikovať edukačný softvér. Dokáže uviesť príklady softvéru, ktorý je vhodný na vzdelávanie pre určenú vekovú skupinu žiakov. Zrecenzuje edukačný softvér. Dokáže aplikovať základy softvérového inžinierstva na tvorbu pedagogického softvéru. Vytvorí tím s niektorým svojim kolegom a spoločne špecifikuje softvérový projekt na vyučovanie informatiky. Zrealizuje funkčný prototyp projektu.
Functional programming : practice and theory / Bruce J. MacLennan. Reading : Addison-Wesley,
1989
Haskell the craft of functional programming / Simon Thompson. Harlow : Pearson, 1999
Abstract computing machines : A lambda calculus perspective / W. Kluge. Berlin : Springer,
2005
Funkcionálne programovanie - úvodná prednáška
Funkcionálna Java (Streams&Lambdas Java8)
Základné funkcionály/QuickCheck
Funkcie a funkcionály
Lambda kalkul
Churchove čísla
Logika kombinátorov
Jednoducho typovaný lambda kalkul
Syntaktická analýza
Monadické parsery a Parsec
Monády - (maybe, list, error, output, state)
Priebežné hodnotenie: domáce úlohy
Skúška: písomná
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Funkcionálne perly, R.Bird
Transformácia funkcionálnych programov
Funkcionálne morfizmy a schémy rekurzie
Úvod do lambda kalkulu
Vlastnosti lambda teórie
Interpreter lambda kalkulu
Typovacie systémy
Logika kombinátorov
Syntaktická analýza
Monadické parsery
Monády
http://dai.fmph.uniba.sk/courses/FPRO/
70/30
študenti budú vedieť, čo je funkcionálne programovanie, základy teórie lambda kalkulu a pokročilejšie techniky funkcionálneho programovania
Modern operating systems / Andrew S. Tanenbaum. Upper Saddle River : Prentice Hall International, 2001
Priebežné hodnotenie: domáce úlohy, projekt
Skúška: písomná
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Systémové volania, komunikácia s HW, práca so súborovým systémom, sieťou; spúšťanie programov, dynamické knižnice, procesy a vlákna, synchronizačné mechanizmy; systémové služby (services), bezpečnosť (autentifikácia, oprávnenia, ochrana proti chybám a útokom), userspace vs kernelspace, ovládače (driver, modul)
https://dai.fmph.uniba.sk/w/Course:OsProg/sk
60/40
Po absolvovaní predmetu budú študenti vedieť vytvárať systémové a nízkoúrovňové programy a služby, ktoré komunikujú priamo s operačným systémom resp. hardvérom. Získajú prehľad o rozhraniach medzi operačným systémom a použivateľským kódom a o prístupoch a technikách vhodných na tvorbu systémových programov.
Priebežné hodnotenie: Počet kreditov a podmienky splnenia sú dané pravidlami zahraničnej univerzity.
Skúška: písomná, ústna
slovenský, anglický
Predmet je určený iba pre študentov, ktorí časť štúdia absolvujú na zahraničných univerzitách v rámci študijných pobytov na základe dohody. Výber predmetu je podmienený súhlasom garanta študijného programu. Počet kreditov a podmienky splnenia sú dané pravidlami zahraničnej univerzity.
100/0
Predmet z oblasti pokročilej matematiky, numerických a optimalizačných metód. Schopnosť udržiavať kontakt s najnovším vývojom vo svojej disciplíne v rámci predmetov. Po absolvovaní predmetu bude študent poznať spôsob štúdia v zahraničí, vytvorí si nové kontakty v svojom odbore, na ktorých môže budovať svoj odborný rast, spozná nové kultúrne prostredie osvojí si spôsob prispôsobenia sa cudziemu kolektívu, zdokonalí si komunikačné schopnosti.
Priebežné hodnotenie: Počet kreditov a podmienky splnenia sú dané pravidlami zahraničnej univerzity.
Skúška: písomná, ústna
slovenský, anglický
Predmet z oblasti pokročilej počítačovej grafiky a spracovania obrazov. Predmet je určený iba pre študentov, ktorí časť štúdia absolvujú na zahraničných univerzitách v rámci študijných pobytov na základe dohody. Výber predmetu je podmienený súhlasom garanta študijného programu. Počet kreditov a podmienky splnenia sú dané pravidlami zahraničnej univerzity.
100/0
Schopnosť udržiavať kontakt s najnovším vývojom vo svojej disciplíne v rámci predmetov. Po absolvovaní predmetu bude študent poznať spôsob štúdia v zahraničí, vytvorí si nové kontakty v svojom odbore, na ktorých môže budovať svoj odborný rast, spozná nové kultúrne prostredie osvojí si spôsob prispôsobenia sa cudziemu kolektívu, zdokonalí si komunikačné schopnosti.
Moderní počítačová grafika / Jiří Žára ... [et al.]. Brno : Computer Press, 2010
Realistic image synthesis using photon mapping / Henrik Wann Jensen ; Foreword by Pat Hanrahan. Natick : A K Peters, 2001
Elektronické poznámky k prednáške, https://dai.fmph.uniba.sk/w/CG2_2014/en
Priebežné hodnotenie: písomne skúšky, domáce úlohy, projekty na cvičeniach
Skúška: elektronický test a ústna skúška
Orientačná stupnica hodnotenia: A 92%, B 84%, C 76%, D 68%, E 60%
Za semester môže študent získať 50% za cvičenia, 10% bonus, 10% za domáce úlohy, záverečná skúška sa skladá z testu s váhou 20% a ústna skúška je za 20%. Študent musí vyriešiť každú domácu úlohu aspoň na 30%, aby mohol absolvovať záverečnú písomnú skúšku. Známkovanie: 92-100 A, 84-91 B, 76-83 C, 68-75 D, 60-67 E. Podrobne na stránke predmetu.
slovenský, anglický
Fixný grafický kanál - Výber viditeľných objektov, odvrátené steny, viditeľný priestor kamery, Grafický kanál§ súrednicové systémy a transformácie
Programovateľný grafický kanál - Vertex Shader, Tessellation Shaders, Geometry Shader, Geometry Postprocessing and Rasterization, Fragment Shader
Operácie v obrazovom priestore a zmiešavanie farieb
Osvetľovacie modely. Renderovacia rovnica. Radiometria, svetlo, farby, transport svetla.
Osvetľovacie modely lokálne, BRDF, fyzikálne BRDF modely
Ray-tracing, riešenie globálneho problému metódou sledovania lúča, kanál metódy sledovania lúča, prienik lúča a objektu, dátová štruktúra lúčov, výpočet zložiek, optimalizácia na hierarchických stromových štruktúrach.
Globálny osvetľovací model. (definícia problému, metódy riešenia problému Neumanovou postupnosťou, Radiosity metóda s rovnicou a popisom, form-factor, metóda sledovania fotónov).
Problém viditeľnosti a tieňa. (Z-buffer, definícia tieňového lúča, tiene vo Phongovom modeli, projekčné tiene, tieňové telesá, definícia hrany siluety, stencil bufer, mäkké tieňové telesá, metóda kompozícia tieňov pomocou Z bufra (shadow mapping))
Metódy zobrazenia scény množinou obrázkov. (Problém textúrovania, bump-mapping, definícia plenoptickej funkcie a jej tvorba, popis IBR (Image Based Rendering) metód ako sú Svetelné polia (Light Field), geometrické IBR metódy, aliasing a výpočet hustoty obrázkov, metóda svetelných polí na ploche objektu (Surface Light Fields))
Pojem a rovnica radiosity, model vyžarovania, form-faktory. Základné kroky pri výpočte. Porovnanie ray-tracingu a radiosity z hľadiska kvality renderingu. Sférické harmoniky.
https://dai.fmph.uniba.sk/w/Course:Advanced_Computer_Graphics/sk
60/40
Študent po absolvovaní bude poznať nadstavbové techniky fotorealistickej počítačovej grafiky. Bude vedieť riešiť výpočet farby, výpočet tieňov a renderovať pohlady na scénu zo vstupných obrázkov. Študenti si osvoja základy programovania grafických problémov v C#.
Real-time rendering / Tomas Akenine-Möller, Eric Haines, Naty Hoffman. Wellesley : A. K. Peters, 2008
Za semester môže študent získať 70% hodnotenia za projekt. Študent musí vypracovať projekt aspoň na 50%, aby mohol absolvovať záverečnú ústnu skúšku. Známkovanie: 92-100 A, 84-91 B, 76-83 C, 68-75 D, 60-67 E. Podrobnejšie pravidlá na stránke predmetu.
slovenský, anglický
1. Grafícký zobrazovací kanál - popis architektúry grafického hardvéru, možností programovania grafických kariet, súradnicové systémy, programovateľné časti zobrazovacieho kanála, spôsoby popisu a zadávania virtuálnej scény pri vykreslení, popis OpenGL API
2. Animácie - popis reprezentácie pózy objektu (pozícia, rotácia, škála), matice a kvaternióny, lineárna a kubická interpolácia pre animáciu
3. Osvetlenie - popis osvetlovacích modelov a ich implementácia pomocou shaderov, textúry v osvetľovacom modely, priame a defferred osvetľovanie, použitie renderovania do textúry a tiene, aproximácia globálnych osvetľovacích metód
4. Post-proces efekty - popis algoritmov pre finálne vylepšenie kvality výstupného obrázku, efekty motion blur, depth of field, SSAO, relections and refractions, HDRI, bloom, toon shading
5. Image-based rendering - použitie textúr pre urýchlenie výpočtov osvetlenia, pre reprezentáciu pozadia a zložitých objektov (bilboarding), algoritmy spracovania obrazu na GPU, volumetrická grafika
6. Urýchľovacie algoritmy - popis algoritmov a štruktúr pre urýchlenie vykresľovania zložitej scény, orezávacie techniky, použitie úrovni detailu, detekcia kolízií
7. GPGPU - popis použitia výkonu grafickej karty pre všeobecné výpočty, jazyky CUDA a OpenCL, spracovanie obrazu a videa, simulácia fyzikálnych javon na GPU, meóda sledovania lúča na GPU
http://dai.fmph.uniba.sk/w/Course:Real_time_computer_graphics/en
70/30
Predmet predstaví kľúčové témy, princípy a techniky používané pri vykresľovaní virtuálnych scén v reálnom čase. Tieto postupy sa najčastejši používajú pri tvorbe 3D hier, ale aj pri rôznych vedeckých vizualizáciáách ako napr. vizualizácia medicínskych dát. Po absolovaní premetu budú študenti schopní analyzovať a implementovať aktuálne postupy, algoritmy, efekty pre programovania grafických kariet a tvorby vizualizačných aplikácií. Vedomosti z predmetu budú môcť študenti uplatniť v praxi pri tvorbe herných aplikácií na rôznych platformách, v aplikáciach virtuálnej či zmiešanej reality ako aj pri tvorbe vizualizácií medicínskych dát.
Priebežné hodnotenie: Počet kreditov a podmienky splnenia sú dané pravidlami zahraničnej univerzity.
Skúška: písomná, ústna
slovenský, anglický
Predmet z oblasti umelej inteligencie a informatiky. Predmet je určený iba pre študentov, ktorí časť štúdia absolvujú na zahraničných univerzitách v rámci študijných pobytov na základe dohody. Výber predmetu je podmienený súhlasom garanta študijného programu. Počet kreditov a podmienky splnenia sú dané pravidlami zahraničnej univerzity.
100/0
Schopnosť udržiavať kontakt s najnovším vývojom vo svojej disciplíne v rámci predmetov. Po absolvovaní predmetu bude študent poznať spôsob štúdia v zahraničí, vytvorí si nové kontakty v svojom odbore, na ktorých môže budovať svoj odborný rast, spozná nové kultúrne prostredie osvojí si spôsob prispôsobenia sa cudziemu kolektívu, zdokonalí si komunikačné schopnosti.
Java EE 8 Tutorial
JAVA EE 7 wtih GlassFish 4 Application Server (David Heffelfinger), Packt Publishing 2014
Java EE 7 Essentials (Arun Gupta), O'Reily, 2013
The Java EE 7 Tutorial, vol1, vol2 (Eric Jendrock, Ricardo Cervera-Navarro, Ian Evans, Kim Haase, William Markito), Oracle, 2014
Java a XML pro Javu 5 i 6 (Pavel Herout), v knižnici
Sun Certified Enterprise Architect for Java EE, Study Guide, 2nd ed. (Mark Cade, Humphrey Sheil)
1-AIN-172 Programovanie (4)
Priebežné hodnotenie: práca na cvičeniach
Skúška: projekty
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
- Využitie technológií XML a JSON
- Sieťové aplikácie client/server, master/slave
- java.nio
- Práca s relačnými databázami z Javy
- jednoduché šifrofanie a podpisovanie
- Servlety
- JSF
- Websocket
- JPA
- JMS
- batch
- JAXWS, JAXRS
- Webové aplikácie v Jave
https://dai.fmph.uniba.sk/w/Course:JavaEE/sk
60/40
Študenti sa budú vedieť dobre orientovať v pokročilých technológiách jazyka Java a JakartaEE: spracovanie xml a json, programovanie sieťových aplikácií, prístup do relačnej databázy, mail, bezpečnosť, Servlety, JSF, websocket, JPA, JMS, batch, objektovo-relačné mapovanie, webové služby SOAP a REST, tvorba webových aplikácií v Jave.
Neural networks and learning machines / Simon Haykin. Upper Saddle River : Pearson education, 2009
Úvod do teórie neurónových sietí / Vladimír Kvasnička ... [et al.]. Bratislava : Iris, 1997
Neural networks (slajdy k prednáškam), Igor Farkaš, Knižničné a edičné centrum FMFI UK v Bratislave, 2011.
Goodfellow I., Bengio Y., Courville A. (2016). Deep Learning. MIT Press.
Zhang A. et al. (2020). Dive into Deep Learning. An interactive deep learning book with code, math, and discussions, based on the NumPy interface.
Priebežné hodnotenie: samostatné projekty
Skúška: písomno-ústna skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Úvod, inšpirácia z biológie, stručná história, NS s logickými neurónmi.
Binárny/spojitý perceptrón: pojem učenia s učiteľom, klasifikácia vzorov.
Jednovrstvové NS: lineárna autoasociácia, klasifikácia, chybové funkcie.
Viacvrstvový perceptron: metóda spätného šírenia chyby, trénovacia a testovacia množina, zovšeobecňovanie, selekcia modelu, validácia.
Modifikácie gradientových metód, optimalizácia druhého rádu, regularizácia. Problémy optimalizácie.
Učenie bez učiteľa, extrakcia príznakov, analýza hlavných komponentov, samoorganizujúca sa mapa, vizualizácia dát.
Modelovanie sekvenčných dát: dopredné NS, vzťah k n-gramom, čiastočne a úplne rekurentné modely, model SRN, algoritmy BPTT, RTRL.
Expanzia skrytej reprezentácie: NS s radiálnymi bázovými funkciami (RBF), sieť s echo stavmi (ESN).
Hlboké učenie, konvolučné neurónové siete: úvod.
Moderné rekurentné NS: autoenkódery, GRU, LSTM.
Hopfieldov model: deterministická dynamika, atraktory, autoasociatívna pamäť.
Stochastické rekurentné modely NS: základy teórie pravdepodobnosti a štatistickej mechaniky, Boltzmannov stroj, RBM model, Deep Belief Network.
Najnovšie trendy v NS.
https://dai.fmph.uniba.sk/w/Course:Neural_networks/sk
70/30
Po absolvovaní predmetu bude študent/ka rozumieť základným princípom konekcionizmu (umelých neurónových sietí), poznať základné modely neurónových sietí a vedieť ich vhodne použiť pri riešení rôznych úloh (napr. rozpoznávanie obrazcov, klasifikácia, predikcia časových radov, zapamätávanie vzorov a iných). Prednášky sú kombinované s počítačovým modelovaním na cvičeniach v jazyku Python.
SK
Po absolvovaní predmetu budú študenti schopní používať základne metódy a techniky agilnej metodológie extrémneho programovania: párové programovanie, tvorba a používania jednotkových testov, testmi riadené programovanie, techniky a stratégie písania čistého kódu, princípy code review, refaktorizácia, práca so zdedeným kódom. Preberú sa základy používania ChatGPT v programovaní, výhody a úskalia. Oboznámia sa s princípmi riadenia projektov agilnou metodológiou extrémneho programovania.
EN
After completing the course, students will be able to use the methods and techniques Extreme Programming methodology: pair programming, writing and using unit tests, test driven programming, clean code, refactoring, code review, working with legacy code. Agile using of ChatGPT – advantages and drawbacks. Principles of agile project management methodology in the form of extreme programming.
Beck, Kent, 1999: Extreme Programming Explained, Addison-Wesley Professional, Martin, Robert C. 2008: Clean Code: A Handbook of Agile Software Craftsmanship, Pearson; 1st edition, Fowler, Martin, 2018: Refactoring: Improving the Design of Existing Code, Addison-Wesley
Langr, Jeff, 2013: Modern C++ Programming with Test-Driven Development, The Pragmatic programmers, LLC Amr Noaman, 2018: Refactoring to Clean Code. Concepts and Techniques for Taming Wild Code, The Pragmatic Bookshelf, Dallas, http://leanpub.com/RefactoringToCleanCode Feathers, Michael C, 2005: Working Effectively with Legacy Code, Prentice Hall Bernstein, David Scott, 2015: Beyond Legacy Code, Nine Practices to Extend the Life (and Value) of Your Software, The Pragmatic Bookshelf, Dallas, Texas – Raleigh, North Carolina Whittaker, James A., 2011, Exploratory Software Testing, Addison-Wesley, Callaghan, Michael D., 2023, Pair Programming with ChatGPT, Independently published
žiadna
Priebežné hodnotenie: cvičenia, prezentácie a domáce úlohy (50%), skúška (30%), záverečná práca (20%). Stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
História softvérového inžinierstva, životný cyklus programových systémov, tradičné metodológie a agilné metodiky, dôvody a princípy extrémneho programovania (XP), párové programovanie, testmi riadené programovanie, typológia testov a ich využitie, refaktorizácia a jej techniky, princípy písania čistého kódu, práca so zdedeným kódom, základné princípy riadenia projektov v XP. Používanie ChatGPT pri agilnom programovaní.
https://dai.fmph.uniba.sk/~gyarfas
50/50
Po absolvovaní predmetu budú študenti schopní používať metódy a techniky agilnej metodológie extrémneho programovania: párové programovanie, tvorba a používanie jednotkových testov, testmi riadené programovanie, čistý kód, refaktorizácia, code review, práca so zdedeným kódom. Zoznámia sa s využívaním ChatGPT pri programovaní: výhody a nedostatky. Budú schopní organizovať prácu podľa metodológie formou extrémneho programovania.
Curves and Surfaces for computer-Aided geometric design : A practical Guide / Gerald E. Farin. San Diego : Academic Press, 1997
Priebežné hodnotenie: implementácia projektu
Skúška: ústna
Za semester môže študent získať 50% za cvičenia, záverečná skúška formou prezentácie kapitly z knihy má váhu 50%. Študent musí vyriešiť každú úlohu na cviččeniach aspoň na 30%, aby mohol absolvovať záverečnú skúšku. Známkovanie: 92-100 A, 84-91 B, 76-83 C, 68-75 D, 60-67 E. Podrobne na stránke predmetu.
slovenský, anglický
1. Polygonálne siete - popis štruktúr pre reprezentáciu polygonálnych sietí, zjdenodušovanie, kompresia a vyhladzovanie sietí, výpočty nad sieťami (kostra, normály, krivosť), parametrizácia a triangularizácia, interaktívne techniky pre modelovanie sietí
2. Parametrické krivky a plochy - polynomické a splajnové reprezentácie, konštrukcia a modelovanie, teselácia, prerozdeľovacie krivky a plochy
3. Implicitná, Frep a volumetrická reprezentácia - klasifikácia, modelovanie, množinové operácia, konverzia na polygonálne siete
4. Mračná bodov - reprezentácia neorganizovanej množiny bodov, hľadanie najbižšieho suseda v množine bodov, proximity grafy, rekonštrukcia povrchov, viacpohľadová geometria
5. Procedurálne modelovanie - L-systémy, generovanie terénu, procedurálne budovy a mestá
https://dai.fmph.uniba.sk/w/Course:Geometrical_Modelling_in_CG/sk
50/50
Po absolvovaní predmetu budú študenti schopní rozlišovať medzi jednotlivými aktuálnymi metódami a možnosťami pre vytváranie, reprezentáciu a modelovanie digitálnych trojrozmerných objektov. Zároveň bude absolvent predmetu schopný tieto štruktúry a postupy implementovať poprípade používať a modifikovať v rámci existujúcich modelovacích náastrojov.
Premeny školy v digitálnom veku / Ivan Kalaš a kolektív. Bratislava : Slovenské pedagogické nakladateľstvo - Mladé letá, 2013
T. Plomp, N. Nieveen et al. Educational Design Research. Slo 2013
vlastné elektronické texty zverejňované na webovej stránke, resp. v prostredí Moodle
Priebežné hodnotenie: kontrolné etapy pri návrhu, vývoji a testovaní vznikajúceho edukačného softvéru
Skúška: ústna
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Spolupráca medzi učiteľom (zadávateľom) a programátorom edukačného softvéru, UML ako nástroj ich komunikácie.
Požiadavky na edukačný softvér na vyučovanie konkrétnej témy na ZŠ, SŠ alebo VŠ – interaktívnosť, multimédiá, otvorenosť softvéru (nastavenia, úlohy, obrázky, editor pre učiteľa, prihlasovanie žiakov, tabuľky a diagramy hodnotenia žiakov...).
Vývoj softvéru v štyroch etapách. Hodnotenie softvéru z pohľadu učiteľa a žiakov – vývoj softvéru metódami akčného výskumu.
Desktopové programy vs. webové aplikácie vs. mobilné aplikácie pri vývoji a používaní edukačného softvéru. Platformová nezávislosť edukačného softvéru.
http://sluzby.fmph.uniba.sk/moodle/2-AIN-136
100/0
Študent, podľa požiadaviek učiteľa z praxe, navrhne a vyvinie edukačný softvér. Na jeho vývoji pracuje v tíme s jedným alebo dvoma kolegami. Program navrhuje a testuje v štyroch kontrolných etapách. Výsledkom poslednej etapy je funkčný program. Softvér vyvíja metódami akčného výskumu (Design-based Research). Študent napíše používateľskú príručku pre učiteľa.
Artificial intelligence : A modern approach / Stuart J. Russell, Peter Norvig. Englewood Cliffs : Prentice-Hall, 1995
Artificial intelligence a new synthesis / Nils J. Nilsson. San Francisco : Morgan Kaufmann, 1998
Priebežné hodnotenie: vypracovanie projektov k cvičeniam
Skúška: písomná
Orientačná stupnica hodnotenia: A 95%, B 88%, C 79%, D 68%, E 55%
slovenský, anglický
1. Krátke zhrnutie základných techník v UI: agent, prehľadávanie, CSP problém, logickí agenti.
2. Plánovanie I. definícia, základné algoritmy (STRIPS, POP,TOP, Graphplan, critical path metóda), základy plánovania s časovou dimenziou.
3. Plánovanie II. Problémy plánovania (hierarchické plánovanoie, pravdepodobnostné plánovanie, inkrementálne hľadanie plánu, plánovanie v prípade nedeterministických akcií)
4. Pravdepodobnosť V UI I: zhrnutie základných pojmov, úvod do Monte Carlo metód, základné príklady. Metódy samplingu v MC, použitie MC metód v UI (samplovanie, umelé dáta, Monte Carlo tree search).
5. Pravdepodobnosť v UI II: Bayesovské siete, bayesovská inferencia, príklady. Presné a približné výpočty v bayesovských sieťach : direct sampling, rejection sampling, likehood weighting. Použitie bayesovských sietí v UI (klasifikačné a diagnostické metódy)
6. Časové rady I. Klasická analýza časových radov, metódy hľadania trendu a periódicity v časových radoch , spektrálna anlýza, stacionárny časový rad, nelineárne časové rady.
7. Časové rady II. Box Jenkinsova analýza časových radov (AR, MA, ARMA modely), úvod do časových radov s neurčitosťou.
8. Časové rady III. Časové rady s neurčitosťou, Markovovské procesy, filtračná a predikčná úloha, Vitterbiho algoritmus, použitie na riešenie problémov, Kálmanov filter.
9. Teória rozhodovania I. Úvod, jednoduché a zložité rozhodovanie, príklady, funkcie utility. Markov decision problem, optimálna stratégia, value iteration algoritmus, Belmanova rovnica.
10. Teória rozhodovania II. Rozhodovanie v hrách, dominantná stratégia , Nashova rovnováha, hry s opakovaním, analýza grim trigger a tit for tat stratégií. Kooperácia v hrách.
11. Teória učenia I : učenie bez učiteľa a s učiteĺom, rozhodovacie stromy a učenie, PAC learning, lineárne modely, regresia a klasifikácia.
12. Teória učenia II : Bayesovské učenie , naivné modely, maximum likehood učenie a spojité modely, učenie bayesovských sietí so skrytými parametrami.
http://sluzby.fmph.uniba.sk/moodle/2-AIN-137
30/70
Po absolvovaní predmetu by študenti mali mať dobrý prehľad o teoretických metódach využívaných v umelej inteligencii. Mali by byť schopní používať tieto metódy v praxi, pri programovaní inteligentných systémov, mali by ich vedieť tvorivo obohatiť a využiť.
[1] Stanoyevitch, A. (2011) Discrete Structures with Contemporary Applications, CRC Press.
[2] Gersting, J.L. (2007) Mathematical Structures for Computer Science, 6th edition, W.H.Freeman and Company, NY.
[3] Gallian, J.A. (2012) Contemporary Abstract Algebra, 8th edition, Brooks/Cole, Boston
[4] Cormen, T.H. - Leiserson, C.E. - Rivest, R.L.- Stein,C. (2009) Introduction to Algorithms, 3nd edition, The MIT Press.
[5] Yamamura, A. - Jajcayová, T. - Kurokawa, T. (2005) Oblivious transfer and private information retrieval using homomorphic encryption functions, In: Proceedings of the 2005 Symposium on Cryptography and Information Security, Vol. 1. - Tokyo
[6] Jajcayová, T. (2019): Representations of permutation groups and semigroups on combinatiorial structures
In: Fifth Russian Finnish Symposium on Discrete Mathematics. S. 137-145. - ISBN 978-5-89896-704-8
Skúška: skúška pozostávajúca z písomnej a ústnej časti
Priebežné hodnotenie: projekt, test Študent musí získať aspoň 55% bodov zo semestra, aby mohol absolvovať záverečnú skúšku.
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
Váha priebežného / záverečného hodnotenia: 50/50
slovenský, anglický
1)Vybrané kapitoly z elementárnej teórie čísel, testy primality
2) Modulárna aritmetika, kongruencie, malá Fermatova veta, Eulerova veta
3) Algebraické štruktúry: grupy, okruhy, konečné polia – praktické príklady
4) Rád prvku, rád grupy, primitívne korene
6) Číselné systémy: kongruencie, rýchla modulárna exponenciácia,
7) Čínska zvyšková veta, riešenie systémov lineárnych kongruencií, aplikácia: error detekujúce a samoopravujúce kódy
8) Pseudo-náhodné čísla: lineárny congruentálny generátor
9) Maticová algebra, lineárne transformácie
5) Quaterniony
10) Modulárne matice, aplikácia: Hillov cryptosystém
11) Determinanty, aplikácia: Vandermondov determinant – zdieľanie tajomstva
12) Jednosmerné funkcie, diskrétny logaritmus, jednosmerné funkcie v algebraickych štruktúrach
13)Aplikácie grúp, konečných polí, kongruencií: RSA kryptosystem, Knapsack kryptosystem,
14)Matematický concept symetrie: grupy automorfizmov, izomorfizmy, permutácie
http://sluzby.fmph.uniba.sk/moodle/2-AIN-138
50/50
Teoretické základy, metódy a nástroje z algebry a diskrétnych štruktúr používané v informatike a počítačovej grafike s príkladmi a praktickými aplikáciami.
[1] Aho, Alfred V. [et al.]: Compilers : Principles, techniques, & tools. Boston : Pearson/Addison-Wesley, 2007
[2] Scott, Michael L.: Programming language pragmatics. Amsterdam ; Boston : Elsevier/Morgan Kaufmann Pub., 2009
Požaduje sa aktívna práca na cvičeniach, na ktorých študent rieši zadané úlohy. Ak študent absolvuje aspoň 80% cvičení, je pripustený na záverečnú skúšku. V rámci záverečnej skúšky študent rieši písomný test a podľa dosiahnutých bodov získa hodnotenie: A (90%), B (80%), C (70%), D (60%), E (50%) alebo FX (za menej ako 50% bodov).
slovenský, anglický
Úvod do programovacích jazykov, kompilátorov a interpretrov
Virtuálny počítač, programový kód, správa pamäte
Abstraktný syntaktický strom a iné reprezentácie
Lexikálna analýza
Syntaktická analýza
Menné priestory
Generovanie kódu
Spracovanie chýb
Algoritmy pre kompilovanie jazykových konštrukcií, údajových štruktúr a výrazov
https://www.edu.fmph.uniba.sk/~salanci/Kompilatory/
0/100
Po absolvovaní predmetu dokáže študent analyzovať, hodnotiť programovací jazyk a navrhnúť a vytvoriť kompilator alebo interpreter jednoduchého programovacieho jazyka.
1. Buschmann F. et al.: Pattern-oriented software architecture: a pattern language for distributed computing, Vol. 4. New York : John Wiley & Sons, 2007. BUSCHMANN, F. -- HENNEY, K. -- SCHMIDT, D. Pattern-oriented software architecture: a pattern language for distributed computing, vol. 4. New York : John Wiley & Sons, 2007.
2. Shaw M L., Garlan D.: Software architecture: Perspectives on an emerging discipline.
Prentice Hall, 1996. SHAW, M L. -- GARLAN, D. Software architecture: Perspectives on an emerging discipline.
Upper Saddle River : Prentice Hall, 1996.
3. Arlow J., Neustadt I. UML 2 and the Unified Process: Practical Object-Oriented Analysis and Design. Addison-Wesley, 2006.
4. Kerievsky J.: Refactoring to Patterns. Addison Wesley, 2008.
5. Gamma E. et al.: Design Patterns. Elements of Reusable Object-Oriented Software.
Addison Wesley, 1994.
6. Fowler M.: Refactoring. Improving the Design of Existing Code. Wesley Longmann, 2000.
7. Pugh K.: Prefactoring, O'Reilly, 2005
8. Coplien O. J., Bjornvig G.: Lean Architecture for Agile Software Development. J. Wiley, 2014.
9.
SOMMERVILLE, I. Software engineering. Harlow : Pearson Education Limited, 2004.
ARLOW, J. -- NEUSTADT, I. UML 2 and the Unified Process: Practical Object-Oriented Analysis and Design. New Jersey : Addison-Wesley, 2006. 592 p. ISBN 0-321-32127-8.KERIEVSKY, J. Refactoring to Patterns. Boston: Addison Wesley, 2008.
GAMMA, E. -- HELM, R. -- JOHNSON, R. -- VLISSIDES, J. Design Patterns. Elements of Reusable Object-Oriented Software. Boston : Addison Wesley, 1994. 395 p. ISBN 0-201-63361-2.
FOWLER, M. Refactoring. Improving the Design of Existing Code. Boston: Wesley Longmann, 2000.
Pugh K.:Prefactoring, O'Reilly, 2005
Priebežné hodnotenie: midterm
Skúška: ústna alebo písomná skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Stručná osnova predmetu:
1. Architektonické štýly I. (Garlan & Shaw: Abstract Machine, Pipes and Filters, Client-Server,
Object Model, Repository, Blackboard)
2. Architektonické štýly II. (Interpreter, Modern Canonical Compiler, Rule-Based System,
Aspect Oriented Architectures, MVC, Mickrokernel)
3. Distribuované architektúry, CORBA, Service Oriented Architectures.
4. Architektonické vzory I (Buschmann: POSA IV: Pattern Oriented Software Architecture
for Distributed Computing).
5. Architektonické vzory II. (Reactor, Proactor, Requestor, Invoker, Acceptor, Connector, ACT,
Facade, Master-Slave, ...)
6. Architektonické vzory III (Memento, Context Object, DTO, Adapter, Iterator, Interceptor, ...)
7. Návrhové vzory I (úroveň modelu aj zdrojového kódu, Gamma et al.).
Tvorivé vzory (Builder, Abstract Factory, Factory method, ...)
8. Návrhové vzory II. Štrukturálne vzory (Bridge, Decorator, Composite, Proxy, ...)
9. Návrhové vzory III. Behaviorálne vzory (Command, Mediator, State, Strategy, Visitor,
Observer, ...)
10. Od refaktorovania ku vzorom (Kerievsky).
11. Refaktoring and Prefaktoring (Fowler a Pugh).
12. UML a jeho nové vlastnosti. Nadstavba, infraštruktúra, metamodely a jazyk OCL.
Konzistencia a prepojenie modelov. XMI, HUTN and PlantUML. 3DUML and xDUML.
13. Agilné modelovanie a vývojový proces. Odľahčená architektúra (Coplien).
40/60
Hlbšie znalosti softvérového inžinierstva, architektonických štýlov a vzorov, návrhových vzorov,
tvorby modelov a modelovania architektúr. Po tomto kurze budú študenti schopní študovať
a implementovať štýly a vzory, používať prefactoring a refactoring na optimalizáciu návrhu softvéru.
Wojciech Samek, Gregoire Montavon, Andrea Vedaldi, Lars Kai Hansen, and Klaus-Robert Muller. 2019. Explainable AI: Interpreting, Explaining and Visualizing Deep Learning (1st. ed.). Springer Publishing Company, Incorporated.
Molnar, C. (2025). Interpretable Machine Learning: A Guide for Making Black Box Models Explainable (3rd ed.). christophm.github.io/interpretable-ml-book/
Hodnotenie: projekt, skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
- Dôveryhodná a vysvetliteľná UI
- Subsymbolová, symbolová and neuro-symbolová UI
- Robustnosť a adverziálne útoky
- Post-hoc metódy – vysvetlitelnosť pre black-box (LIME, SHAP, Saliency mapy)
- Intrinsické metódy – samo-vysvetliteľné
- Symbolové metódy (Regresia a učenie sa pravidiel, abdukcia, sociálny výber, argumentácia)
- Hybridné metódy (DeepProbLog, Rozpoznávanie aktivačných vzorov, embedovanie báz znalostí)
- Subsymbolové metódy (Grad-CAM, xDNNs, LEN)
Váha priebežného / záverečného hodnotenia: 50/50
Po absolvovaní kurzu budú študenti dobre rozumieť kľúčovým pojmom, ako sú vysvetliteľnosť, dôveryhodnosť a transparentnosť v aplikáciách strojového učenia, a ako tieto súvisia so širšou oblasťou etickej AI. Okrem toho získajú praktické skúsenosti s implementáciou niektorých z najpoužívanejších algoritmov navrhnutých na zlepšenie týchto vlastností v symbolických aj subsymbolických systémoch AI.
Van Harmelen, F., Lifschitz, V. and Porter, B. eds., 2008. Handbook of knowledge representation.
Elsevier.
Baader, F., Horrocks, I., Lutz, C. and Sattler, U., 2017. Introduction to description logic.
Cambridge University Press.
Baader, F., Calvanese, D., McGuinness, D., Patel-Schneider, P. and Nardi, D. eds., 2003. The
description logic handbook: Theory, implementation and applications. Cambridge university press.
Staab, S. and Studer, R. eds., 2010. Handbook on ontologies. Springer Science & Business Media.
Výber aktuálnych článkov z oblasti.
Stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
Hodnotenie zo semestra:
- aktivita na cvičeniach 10b (min 5b)
- domáce úlohy 10b (min 5b)
- midterm 10b
- projekt 30b (min 15b)
Skúška:
- ústna skúška s písomnou prípravou 40b (min 20b)
slovenský, anglický
- Reprezentácia znalostí a inferencia
- Ontológie a znalostné bázy
- Deskripčné logiky ako logický fundament pre reprezentáciu a inferenciu s ontológiami
- Inferenčné algoritmy pre deskripčné logiky (dedukcia)
- Dopytovanie dát cez ontológie
- Indukcia a abdukcia
- Hľadanie vysvetlení
- Praktické uplatnenie reprezentácie znalostí a inferencie
http://courses.matfyz.sk/KRR
60/40
Predmet sa zameriava na metódy riešenia problémov s využitím reprezentácie znalostí logickými
formalizmami a automatickej inferencie: ontológie a význam ontológií pre reprezentáciu znalostí,
modelovanie znalostí v ontológiách a znalostných bázach, deskripčné logiky, dedukcia, indukcia,
abdukcia, hľadanie vysvetlení. Po absolvovaní predmetu študenti získajú vhľad do jednotlivých
metód inferencie po sémantickej ako aj algoritmickej stránke.
Feature extraction : Foundations and applications / Isabelle Guyon ... [et al.] (eds.). Berlin : Springer, 2006 Algorithms for image processing and computer vision / J. R. Parker. New York : Wiley, 1997 Shape classification and analysis : Theory and practice / Luciano da Fontoura Costa, Roberto Marcondes Cesar, Jr.. Boca Raton, Fla. : CRC Press, 2009 Elena Šikudová, Zuzana Černeková, Vanda Benešová, Zuzana Haladová, Júlia Kučerová: Počítačové videnie. Detekcia a rozpoznávanie objektov, vydavateľstvo Wikina, Praha, ISBN: 978-80-87925-06-5
Priebežné hodnotenie: projekty Skúška: písomná skúška Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Príznaky a ich extrakcia (Nízko, Stredne a Vysoko úrovňové)
Kategórie príznakov a ich využitie (Tvarové, Farebné, Textúrne...)
Detekcia objektov (Template matching, histogram of oriented gradients, detekcia a klasifikácia tvárí)
Lokálne príznaky (detektory, deskriptory, matching, Ransac, Bag of visual words)
Dynamický rozsah snímkov, Tone Mapping a Gamut mapping
Vyhodnocovanie kvality obrazu (SSIM a modifikácie)
Eye tracking (metódy a aplikácie)
Machine Vision a priemyselné použitie počítačového videnia (Laser line triangulation senzory, multispektralne kamery)
Sledovanie objektov (Tracking by detection, Optical flow)
https://dai.fmph.uniba.sk/w/Course:Pocitacove_videnie/sk
40/60
Absolvent bude ovládať nadstavbové techniky počítačového videnia, spracovania a rozpoznávania obrazu, ako sú extrakcia príznakov z obrazov, detekcia a sledovanie tvárí, určovanie významných oblastí v obrazoch, atď.
Ma, Yi, et al. An invitation to 3-d vision: from images to geometric models. New York: Springer, 2004.
Hartley, Richard and Zisserman, Andrew. Multiple View Geometry in Computer Vision. 2 New York: Cambridge University Press, 2003.
Durrant-Whyte, Hugh, and Tim Bailey. "Simultaneous localization and mapping: part I." IEEE robotics & automation magazine 13.2 (2006): 99-110.
Chang, Will, et al. "Computing correspondences in geometric data sets. Eurographics Tutorial" (2011).
Larsson, Viktor, Kalle Astrom, and Magnus Oskarsson. "Efficient solvers for minimal problems by syzygy-based reduction." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017.
“RANSAC in 2020, CVPR Workshop,” 2020. [Online]. Available: http://cmp.felk.cvut.cz/cvpr2020-ransac-tutorial/
Priebežné hodnotenie: domáce úlohy, projekty, body na cvičeniach
Skúška: ústna skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
Váha priebežného / záverečného hodnotenia: 50/50
slovenský, anglický
Matematický aparát - vektorové priestory, maticové reprezentácie grúp (GL, SL, O, SO, A, E, SE), vlastnosti matíc, SVD
Jednopohľadová geometria - projekcia obrazu, vnútorné parametre kamery, transformácie obrazu, obrazy bodov a priamok, úbežníky, kalibrácia kamier
Dvojpohľadová geometria - epipóly, fundamentálna a esenciálna matica, špeciálne druhy pohybu, degenerované konfigurácie, homografie, 7-bodový algoritmus, 8-bodový algoritmus, rekonštrukcia scény
Viacpohľadová geometria - registrácia, rekonštrukcia scény, ICP, SLAM
Pokročilá nelineárna optimalizácia - Levenberg-Marquardt, bundle adjustment
Robustné algoritmy - RANSAC a jeho varianty (MLESAC, PROSAC, USAC, GC-RANSAC, MAGSAC++), kernel voting, metódy založené na mediáne
Minimálne problémy - formulácia, riešenie, automatické riešiče systémov polynomiálnych rovníc, počítačová algebra
Diferencovateľné a hybridné prístupy - deep learning, stratové funkcie, siete ekvivariantné voči permutácii vstupu, detekcia 6D pozície objektov, odhad hĺbky
50/50
Absolvent*ka sa bude orientovať v problematike viacpohľadovej geometrie, robustných a optimalizačných algoritmov v počítačovom videní.
Základná:
Šešera, Ľ.: Aplikačné architektúry softvérových systémov. STU v Bratislave FIIT, 2010. 276 s.
ISBN 978 80 227 3245 1.
Slajdy z prednášok.
Odporúčaná:
Bittner, K., Spence, I.: Use Case Modeling. Addison Wesley. 2002.
Lankhorst, M.: Enterprise Architecture at Work: Modelling, Communication and Analysis, 4th Edition, Springer 2017.
Cadle J., Debra P., Turner, P.: Business Analysis Techniques: 123 essential tools for success. 3nd Edition. British Computer Society 2021.
Object Management Group: The Business Process Model and Notation (BPMN) specification. Version 2.0.2. 2013. https://www.omg.org/spec/BPMN/2.0.2/PDF.
The Open Group: ArchiMate 3.1 Specification. https://publications.opengroup.org/standards/archimate/c197.
The Open Group: The TOGAF standard – Version 9.2. https://publications.opengroup.org/standards/togaf/c182
International Institute of Business Analysis: A Guide to the Business Analysis Body of Knowledge®
(BABOK® Guide) version 3. 2015.
Priebežné hodnotenie: príklady na cvičeniach
Skúška: ústna alebo písomná skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
Váha priebežného / záverečného hodnotenia: 40/60
slovenský, anglický
V rámci predmetu sa budeme venovať týmto skupinám techník a modelov:
1. Techniky a modely softvérovej analýzy: use cases, UML, BPMN.
2. Techniky, metódy a modely enterprise architektúry: ArchiMate.
3. Techniky biznis analýzy: prioritizácia požiadaviek, cost-benefit analýza, interview, workshop
a ďalšie.
Stručná osnova prednášok:
1. Use cases – Funkcionálna špecifikácia systémov. Typy a formy use case-ov.
2. UML sekvenčný diagram – Modelovanie komunikácie systémov
3. UML diagram tried – Pokročilé techniky dátového modelovania. Všeobecné analytické dátové
vzory.
4. Analytické dátové vzory pre bankovníctvo: Účty a transakcie.
5. Medzibankové a zahraničné platby, okamžité platby, peer-to-peer platby,
digitálne EURO (SIPS, ECB T2, EBA Clearing, ECB TIPS, Wise)
6. Analytické dátové vzory pre bankovníctvo: Úvery pre fyzické osoby, komerčné úvery
7. BPMN – Jazyk na procesné modelovanie.
8. ArchiMate – Jazyk na modelovanie enterprise architektúry.
9. Archimate – Architektonické pohľady. Príklad enterprise modelovania vkladových produktov.
10. Typické príklady softvérových systémov v banke. Modelovanie ich integračnej
architektúry v ArchiMate.
11. Vybrané techniky biznis analýzy (frameworku BASF): Porter Five Forces, SWOT, RAG,
Power/interest, MoSCoW, CBA, mind maps, interview, workshop
Príklady modelov riešených na cvičeniach:
1. Scan&Go (Use cases)
2. Modelovanie správy hotovosti bankovej pobočky (UML diagram tried)
3. Digitalizácia platobných kariet – digitálna peňaženka (UML, sekvenčný diagram)
4. Schvaľovanie hypotekárnych úverov v banke (BPMN)
5. Enterprise model hypotekárnych úverov (ArchiMate)
Váha priebežného / záverečného hodnotenia: 40/60
Cieľom predmetu je, aby študenti:
1. získali prehľad o technikách analýzy používané pri tvorbe reálnych softvérových systémov;
2. mali možnosť vidieť príklady aplikácie týchto techník v oblasti finančných informačných systémov, predovšetkým v bankovníctve;
3. aktívne dokázali použiť základné z týchto techník a vytvárať analytické modely.
V predmete budú ukázané zjednodušené a zabstraktnené modely z reálnych softvérových projektov.
Predmet je určený predovšetkým študentom, ktorý svoju budúcnosť nespájajú s vytváraním programového kódu, ale chcú pôsobiť ako softvéroví analytici vo významných spoločnostiach, či už v softvérových firmách alebo v zákazníckych spoločnostiach, ako sú banky, poisťovne či telekomunikační operátori. Vďaka spojeniu schopnosti abstrakcie, ktorú študenti FMFI získali počas doterajšieho štúdia s kvalitnými základmi programovania, majú absolventi FMFI, oproti absolventom iných informatických fakúlt vysokých škôl, výraznú konkurenčnú výhodu uplatniť sa v praxi na pozíciách softvérového analytika.
Prednášajúci pôsobí ako hlavný analytik v softvérovej firme. Bol vedúcim analytikom viacerých softvérových projektov pre veľké spoločnosti, napríklad Tatra banku, VÚB banku, ČSOB banku, Volksbank Slovensko, poisťovne skupiny VIG a ďalšie.
Indrasiri, K., Suhothayan, S.: Design patterns for cloud native applications. O’Reilly 2021.
Kralj, M.: Road the Cloud-Native Era: More than just Datacenters in the Sky. OpenSlava 2018.
Burns, B., Beda, J., Hightower, K.: Kubernetes: Up and Running, 2nd edition. O’Reilly. 2019.
Clingan, J., Finnigan, K.: Kubernetes Native Microservices with Quarkus and MicroProfile. Manning Publications 2021.
Richardson, R.: Microservices Patterns: With Examples in Java. Manning Publications 2019.
Tiež na: https://microservices.io/
Gammelgaard, C. H.: Microservices in .NET, Second Edition. Manning Publications 2021.
Freeman, A.: Pro ASP.NET Core 3. Develop Cloud-Ready Web Applications Using MVC, Blazor,
and Razor Pages. 8th Edition. Apress 2020.
Spring Boot: https://docs.spring.io/spring-boot/docs/current/reference/htmlsingle/
Spring Cloud: https://docs.spring.io/spring-cloud/docs/current/reference/html/
Kubernetes: https://kubernetes.io
MicroProfile: https://microprofile.io/
Amazon AWS: https://aws.amazon.com/products/
Amazon AWS Architecture center: https://aws.amazon.com/architecture/
Microsoft Azure Architecture Center: https://docs.microsoft.com/en-us/azure/architecture/
Microsoft Azure Portal: https://azure.microsoft.com/en-us/features/azure-portal/
Stopford, B.: The Data Dichotomy: Rethinking the Way We Treat Data and Services.
https://www.confluent.io/blog/data-dichotomy-rethinking-the-way-we-treat-data-and-services/
What every software engineer should know about real-time data's unifying abstraction - https://engineering.linkedin.com/distributed-systems/log-what-every-software-engineer-should-know-about-real-time-datas-unifying
https://kafka.apache.org/documentation/
Kreuzberger, D., Kühl, N., Hirschl, S.: Machine Learning Operations (MLOps):
Overview, Definition, and Architecture. Draft paper.
Lecture slides.
Je odporúčané absolvovanie predmetu 2-AIN-275/22 Vývoj veľkých softvérových aplikácií. Nie je to však striktná prerekvizita.
Priebežné hodnotenie: midterm
Skúška: ústna alebo písomná skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
1. Princípy natívnych aplikácií pre cloud.
2. Mikroslužby
3. Kontajnerizácia (Docker/Podman).
4. Orchestrácia kontajnerov (Kubernetes)
5. Java pre natívne cloud aplikácie (MicroProfile, SpringBoot, Quarkus).
6. Návrhové vzory pre mikroslužby a cloud-native aplikácie
7. Základný prehľad služieb v Amazon AWS Cloud
8. Serverless programovanie v AWS cloude
9. Data streaming a KAFKA.
10. MLOps a cloud
Témy cvičení:
1. SpringBoot
2. Docker/Podman
3. Kubernetes
4. Quarkus
5. Amazon AWS EC2
6. Amazon AWS API Gateway, AWS Lambda
7. KAFKA
40/60
Cieľom predmetu je, aby študenti:
1. Porozumeli princípom natívnych aplikácií pre cloud
2. Naučili sa princípy kontajnerizácie aplikácií
3. Naučili sa princípy mikroslužieb a ich integrácie
4. Naučili sa princípy serverless programming v cloude
5. Naučili sa princípy data streaming
6. Získali prehľad o základných službách cloud (na príklade Amazon AWS)
7. Získali praktické skúsenosti s vybranými technológiami na kontajnerizáciu, mikroslužby, data streaming a serverless programming v cloude.
- Date, C: An Introduction to Database Systems, Pearson; 8th edition, 2004.
- Zaniolo, C. et al.: Advanced database systems. Morgan Kaufmann Publishers, 1997.
- Smith, G.: PostgreSQL 9.0 High Performance, Packt Publishing, 2010.
- Winand, M.: SQL Performance Explained, 2012.
- Sadalage, P. J., Fowler, M.: NoSQL Distilled, A Brief Guide to the Emerging World of Polyglot Persistence, Addison-Wesley, 2012.
- Gheorghe, R., Hinman, M.L, Russo, R.: Elasticsearch in Action, Manning Publications Co., 2015.
Priebežné hodnotenie: vypracovanie a odovzdanie všetkých zadaní s minimálnou úrovňou kvality v stanovených termínoch + osobne na konzultácii
Skúška: písomná skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
Váha priebežného / záverečného hodnotenia: 50/50
slovenský, anglický
1. Cost-Based Optimalizátor a indexovanie
2. Viacstĺpcové indexy, join a agregácie
3. Práca s geodátami
4. Priestorové indexovanie
5. Pokročilé dátové štruktúry
6. Rekurzívne SQL
7. ACID
8. Fulltextové vyhľadávanie v SQL
9. NoSQL, distribuované databázy, motivácia a prehľad
10. Distrubuované počítanie (Hadoop), stĺpcové databázy
11. Dokumentové databázy (Elasticsearch)
12. Key-Value databázy (Redis)
13. Grafové databázy (Neo4j)
Váha priebežného / záverečného hodnotenia: 50/50
Študent získa vedomosti o princípoch spracovania SQL dopytov v prostredí relačnej databázy, rozumie spôsobu ako plánovač transformuje logický SQL dopyt do konkrétneho plánu vykonávania a rozumie jednotlivým krokom plánu, ich obmedzeniam, výhodám a nevýhodám. Rozumie rôznym spôsobom indexovania, vie použiť vhodný typ indexu vo vhodnej situácii a vie písať efektívne SQL dopyty. Študent dokáže použiť pokročilé vlastnosti relačných databáz: prácu s geografickými dátami, prácu s XML a JSON dátami a dokáže napísať zložitý rekurzívny SQL dopyt. Vie implementovať efektívne fulltextové vyhľadávanie v prostredí relačnej databázy ako aj v prostredí špecializovanej databázy Elasticsearch. Rozumie konceptu NoSQL databáz, ich výhodám a obmedzeniam a dokáže kvalifikovaným spôsobom vybrať vhodnú databázu pre konkrétny spôsob použitia.
1. Sutherland, J., Coplien, J.: A Scrum Book: The Spirit of the Game. Pragmatic Programmers, O’Reilly. 2019
2. Davis J., Daniels R.: Effective DevOps: Building a Culture of Collaboration, Affinity, and Tooling at Scale, O’Reilly, 2016
3. Desfray P., Raymond G.: Modeling Enterprise Architecture with TOGAF, O'Reilly, 2014
4. Coplien O. J., Bjornvig G.: Lean Architecture for Agile Software Development. J. Wiley, 2014.
5. Cockburn A., Writing Effective Use Cases. Addison-Wesley, 2000.
6. Arlow J., Neustadt I. UML 2 and the Unified Process: Practical Object-Oriented Analysis and Design. Addison-Wesley, 2006.
7. Kerievsky J.: Refactoring to Patterns. Addison Wesley, 2008.
8. Fowler M.: Refactoring. Improving the Design of Existing Code. Wesley Longmann, 2000.
9. Pugh K.: Prefactoring, O'Reilly, 2005
10. Buschmann F. et al.: Pattern-oriented software architecture: a pattern language for distributed computing, Vol. 4. New York : John Wiley & Sons, 2007.
Priebežné hodnotenie: aktivita a prezentácia medzivýsledkov
Skúška: písomná alebo ústna skúška, prezentácia a obhajoba výsledkov spoločného projektu
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
1. Agile development a SCRUM, práca s GitHub a Jira
2. DevOps, manažment softvérových projektov (Pert, CPM, Gantt, COCOMO)
3. Intenzívne modelovanie v UML a TOGAF
4. Tvorba efektívnych prípadov použitia
5. Návrh systémov, architektonické štýly a vzory, analytické a návrhové vzory
6. Refaktoring
7. Tvorba aplikácií v 3D priestore, virtuálnej a rozšírenej realite
8. Risk manažment, softvérové metriky, kvalita softvéru, ISO pre softvérové inžinierstvo,
kvalita rozhrania a celkovej funkcionality, UX evaluácia
9. Kvalita programového kódu, defenzívne programovanie a testovanie
10. Deployment a prevádzka distribuovaných a webových aplikácií
Cvičenia:
Dohodnuté témy projektov sa budú riešiť v tímoch cca 4 študentov podľa metodiky Agile Development a SCRUM.
40/60
Cieľom predmetu je získať praktické skúsenosti z tímového vývoja softvérového systému. V rámci predmetu si študenti tiež prehĺbia svoje znalosti UML a návrhu systémov. Po tomto kurze budú študenti schopní lepšie viesť ľudí a projekty, spolupracovať v tíme, odhadnúť priebeh projektu a hroziace problémy a optimalizovať postup vývoja softvéru.
Introduction to evolutionary computing / A. E. Eiben, J. E. Smith. Berlin : Springer, 2003
Evolučné algoritmy / Vladimír Kvasnička, Jiří Pospíchal, Peter Tiňo. Bratislava : Slovenská technická univerzita, 2000
Priebežné hodnotenie: vypracovanie projektov k cvičeniam
Skúška: skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
(1) Optimalizačné problémy a ich riešenie. Biologická inšpirácia pre evolučné algoritmy.
(2) Darwinova evolúcia ako algoritmus, kódovanie, lokálne prehľadávanie.
(3) Genetický algoritmus, genetické programovanie, teoretické základy, použitie na riešenie kombinatoriálnych problémov.
(4) Metóda evolučnej stratégie, metóda simulovaného žíhania.
(5) Zložitejšie evolučné algoritmy.
(6) Umelý život.
100/0
Oboznámiť študentov so základnými metódami evolučných algoritmov. Ukázať problémy, ktoré sa pomocou nich dajú riešiť,poukázať na výhody a nevýhody jednotlivých typov evolučných algoritmov a ich vhodnosť na riešenie tých ktorých optimalizačných problémov. Naučiť študentov prakticky riešiť takéto problémy na základe vypracovaných projektov.
Oboznámiť študentov s problematikou fromálnymi metódami tvorby softvéru.
Formal Development of programs and proofs / ; edited by Edsger Wybe Dijkstra. Reading : Addison-Wesley, 1990
Základy formální logiky / Vladimír Janák. Praha : Státní pedagogické nakladatelství, 1973
Reactive systems : Modelling, specification and verification / Luca Aceto ... [et al.]. Cambridge : Cambridge University Press, 2007
D. Gruska, elektronické štúdijné materiály k predmetu, http://ii.fmph.uniba.sk/~gruska/MCS/Prednaska2014MCS-1Print.pdf
Priebežné hodnotenie: cvičenia
Skúška: skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Študenti sa zoznámia so základnými modelmi na formálnu špecifikáciu systémov (Procesové algebry, Petriho siete, Časové automaty atď) ,
zoznámia sa s ich syntaxov i sémantikou, reflektujúcou rôzne použitie pri formálnej špecifikácii systémov. Zároveň sa zoznámia s rôznymi logickými kalkulmi (zvlášť založenými na modálnej a temporálnej logike) ktoré sa používajú na formálnu špecifikáciu vlastností systémov. Študenti sa zoznámia s ich vzájomnou prepojenosťou. Zároveň sa dozvedia základné informácie súvisiace s problematikou model checking.
40/60
Absolventi tohoto predmetu budú poznať vybrané základné modely, formalizmy a techniky používané v oblasti formálných metód špecifikácií a verifikácií.
skúška
Software engineering : The production of quality software / Shari Lawrence Pfleeger. New York : Macmillan, 1987
Priebežné hodnotenie: priebežné odovzdávanie vypracovaných častí projektu
Záver priebežného hodnotenia: vypracovanie projektu
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
1. Životný cyklus vývoja softvéru
2. Súvislosť s modelom vývoja informačného sýstemu
3. Nasadenie softvéru do prevádzky
4. Verziovanie vydaní
5. Údržba softvéru – plánovanie
6. Údržba softvéru – procesy
7. Údržba softvéru – kategorizácia
8. Podpora zákazníkov – nástroje a metódy
9. Reverzné inžinierstvo
10. Integrácia
http://dai.fmph.uniba.sk/courses/zcis/
100/0
Študenti sa budú dôkladne orientovať v neskorších fázach životného cyklu informačného systému – zabezpečenie prevádzky a podpory, tvorba aktualizácii na projekte, ktorý vývojári prevzali od inej vývojovej skupiny a podobne.
Introduction to algorithms / Thomas H. Cormen ... [et al.]. Cambridge, Mass. : MIT Press, 2001
Approximation algorithms / Vijay V. Vazirani. Berlin : Springer, 2001
Randomized algorithms / Rajeev Motwani, Prabhakar Raghavan. New York : Cambridge University Press, 1995
1-AIN-105 Efektívne algoritmy a zložitosť OR 1-INF-310 Tvorba efektívnych algoritmov
Priebežné hodnotenie: domáce úlohy (28% celkového hodnotenia), písomka (22% celkového hodnotenia)
Skúška: písomná skúška a ústna konzultácia (50% celkového hodnotenia)
Na skúške musí študent dosiahnuť aspoň polovicu bodov.
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Úvod do aproximačných algoritmov. Pojem neaproximovateľnosti. Pravdepodobnostné algoritmy a analýza ich zložitosti. Las Vegas a Monte Carlo. Celočíselné lineárne programovanie. Prehľad a hierarchie tried zložitosti. Demonštrácie na príkladoch.
http://compbio.fmph.uniba.sk/vyuka/artp
50/50
Po absolvovaní tohto predmetu budú študenti schopní používať metódy na riešenie ťažkých algoritmických úloh, najmä aproximačné algoritmy, pravdepodobnostné algoritmy a celočíselné lineárne programovanie. Študenti budú schopní pracovať s rozšírenou paletou metód analýzy algoritmov a tried zložitosti.
Visual Quantum mechanics : Selected Topics with Computer/Generated animations of Quantum-Mechanical phenomena / Bernd Thaller. New York : Springer, 2000
Computer facial animation / Frederic I. Parke, Keith Waters. Wellesley : A. K. Peters , 1996
SIGGRAPH tutorialy dostupné na http://dl.acm.org/dl.cfm?CFID=412417535&CFTOKEN=50913605
Dostupné texty k prednáške. http://www.sccg.sk/~durikovic/classes/CGAnim/ca_syllabus.html
Priebežné hodnotenie: domáce úlohy, cvičenia
Orientačná stupnica hodnotenia: A 92%, B 84%, C 76%, D 68%, E 60%
Za semester môže študent získať 10% za cvičenia, 60% za domáce úlohy, záverečná písomná skúška s váhou 30% ústna záverečná skúška je dobrovoľná s váhou 20%. Študent musí vyriešiť každú domácu úlohu aspoň na 30%, aby mohol absolvovať záverečnú písomnú skúšku. Známkovanie: 92-100 A, 84-91 B, 76-83 C, 68-75 D, 60-67 E. Podrobne na stránke predmetu.
slovenský, anglický
Časticové systémy, rovnice pohybu prvého rádu, integračné metódy na výpočet rýchlosti a pozície, stavový vektor systému, vonkajšie sily, obmedzujúce podmienky – constraints, sily odozvy, kolízie častica - rovina.
Numerické riešenie diferenciálnych rovníc, Eulerova metóda, Runge-Kuta metóda, podmienka stability na voľbu časového kroku.
Lagrangeove metódy bez sietí, modelovanie a animovanie mračnom bodov, SPH, deformácie
Animácie pohybu a orientácie, interpolačný spline na animáciu pohybu, reparametrizácia splinu podľa dĺžky krivky, quaternion a orientácia, interpolácie dvoch a viacerých quaternionov.
Detekcie kolízie, Z buffer algoritmus, nutná a postačujúca podmienka kedy nie sú dve telesá v kolízii, deliaca rovina, hierarchie obálok, sily odozvy (response forces). Tri fázy detekcie široká, stredná a úzka.
Dynamika tuhých telies, rovnice pohybu, rýchlosť, zrýchlenie, uhľová rýchlosť a uhľové zrýchlenie, matica inercie.
Procedurárne animácie, systémy a spôsoby tvorby počítačovej animácie kvapaliny, oheň dym.
Počítačová animácia v hrách a vo filmovom priemysle. Ďalšie aplikácie počítačovej animácie podla ďalšieho vývoja v oblasti počítačových animácii použitím fyzikálnych efektov.
https://dai.fmph.uniba.sk/w/Course:Physical-based_Animations/sk
40/60
Študenti si osvoja techniky základnej simulácie časticových systémov, riešenie sústavy obyčajných diferenciálnych rovníc numericky, hľadanie kolízie objektov. Pochopia princíp dynamiky tuhých telies a princíp tvorby počítačových animácii a pohybu kamery. Pochopia ako konštruovať fyzikálny engine pre hry alebo video animácie.
Graphics Shaders: Theory and Practice, Second Edition / Mike Bailey, Steve Cunningham : CRC Press, 2016
Na získanie hodnotenia A je potrebné získať najmenej 90% bodov, na hodnotenie B najmenej 80% bodov, na hodnotenie C najmenej 70% bodov, na hodnotenie D najmenej 60% bodov a na hodnotenie E najmenej 50% bodov.
slovenský, anglický
Práca v online editore Shadertoy.
Transformácie 2D a 3D priestoru.
Procedurálne modelovanie.
Parametrické rovnice.
Procedurálne textúry.
Generovanie fraktálov.
Časticové systémy.
Teamová práca na projekte v PC miestnosti, brainstorming
Váha priebežného / záverečného hodnotenia: 100/0
Absolvent predmetu sa naučí programovať tzv. „shader“ programy používane v počítačovej grafike na vytvárane rôznorodých efektov pri generovaní obrazu. Naučené princípy bude môcť využiť pri programovaní grafiky v herných prostrediach alebo rozhraniach ako Vulkan a OpenGL.
Sprístupniť študentom príklady úspešných grafických projektov a predstaviť nové trendy v uplatňovaní metód a prostriedkov počítčovej grafiky.
Automatizácia inžinierskych prác počítačom / Eugen Ružický, Jozef Tvarožek, Roman Ďurkovič. Bratislava : Univerzita Komenského, 1993
Výber aktuálnych článkov z oblasti.
IEEE Computer Graphics and Applications, http://www.computer.org/portal/web/computingnow/cga
Priebežné hodnotenie: referáty
Orientačná stupnica hodnotenia: A 92%, B 84%, C 76%, D 68%, E 60%
slovenský, anglický
1. Prípadové štúdie úspešných aplikácií
2. Výsledky výskumných projektov na katedre
3. Nové trendy v uplatňovaní metód a prostriedkov počítačovej grafiky
https://dai.fmph.uniba.sk/w/Course:Computer_Graphics_Applications/sk
100/0
Študenti budú mať vedomosti o úspešných grafických projektoch a nových trendoch v uplatňovaní metód a prostriedkov počítačovej grafiky.
Displays: fundamentals & applications / Hainich, Rolf R., and Oliver Bimber: AK Peters/CRC Press, 2016.
Augmented reality: principles and practice / Schmalstieg, Dieter, and Tobias Hollerer: Addison-Wesley Professional, 2016.
Eswaran, M., and MVA Raju Bahubalendruni. "Challenges and opportunities on AR/VR
technologies for manufacturing systems in the context of industry 4.0: A state of the art
review." Journal of Manufacturing Systems 65 (2022): 260-278.
Priebežné hodnotenie: projekt (30%) a úlohy na cvičeniach (10%).
Skúška: písomná skúška (60%).
Na úspešné absolvovanie predmetu musí študent získať aspoň 50% bodov z projektu a úloh na cvičeniach a aspoň 50% bodov zo skúšky.
Stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%.
slovenský, anglický
Virtuálna realita, definície a základné pojmy, využitie v priemysle a kultúre
Rozšírená realita, definícia pojmov, využitie v priemysle a kultúre
Hardvér pre Virtuálnu a Rozšírenú realitu (Vstupné a výstupné zariadenia)
Prípadová štúdia aplikácie Rozšírenej reality v priemysle (Dizajn automobilov,
vizualizácia dát a procesov vo fabrike),
Prípadová štúdia aplikácie Virtuálnej reality v zdravotnej starostlivosti (Virtuálna
Terapia, Virtuálna Fyzioterapia)
Registrácia a trackovanie v rozšírenej realite (Marker, Markerless, RGBD, GPS)
3D rekonštrukcia objektov, Digital Twin
API a komerčný software pre Virtuálnu a Rozšírenú realitu
Modelovanie a vizualizácia softvéru vo Virtuálnej realite
https://dai.fmph.uniba.sk/w/Course:VAR/sk
Priebežné hodnotenie/Skúška: 40/60.
Po absolvovaní budú študenti ovládať teoretické základy a praktické zručnosti pri autorskej (aj tímovej) tvorbe aplikácií rozšírenej a virtuálnej reality.
aktuálne dokumentácie k jednotlivým technológiám
w3schools.com
vlastné elektronické texty zverejňované na webovej stránke, resp. v prostredí Moodle
Priebežné hodnotenie: úlohy (50%), projekt (50%)
Skúška: praktická (treba aspoň 70% bodov zo semestra)
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
HTML5 - Canvas, Web Storage, Media, Drag&Drop
JQuery, JQueryUI, Vue.js, prípadne iný vhodný framework
AJAX - manipulácia s objektmi ich vlastnosťami (aj CSS), efekty, spracovanie udalostí,
efektívna práca s formulármi, atď.
Obojsmerná komunikácia medzi serverom a klientom
http://sluzby.fmph.uniba.sk/moodle/2-AIN-224
20 / 80
Študent bude vedieť vytvoriť rozsiahlejšiu edukačnú webovú aplikáciu s využitím databáz, resp. iných úložísk a moderných technológií pre vývoj dynamických webových aplikácií.
[1] Gregory, Jason: Game Engine Architecture. A K Peters/CRC Press 2018. ISBN 9781138035454
[2] Schell, Jesse: The Art of Game Design. CRC Press, 2019. ISBN: 9781138632059
Požaduje sa aktívna práca na cvičeniach, na ktorých študent rieši zadané úlohy. Ak študent absolvuje aspoň 80% cvičení, je pripustený na záverečnú skúšku. V rámci záverečnej skúšky študent rieši písomný test a podľa dosiahnutých bodov získa hodnotenie: A (90%), B (80%), C (70%), D (60%), E (50%) alebo FX (za menej ako 50% bodov).
slovenský, anglický
Tvorba interaktívnych multimédiálnych aplikácií a počítačových hier.
Reprezentácie herných objektov a svetov.
Algoritmy pre pohyb, interakciu a vykresľovanie v hrách v reálnom čase.
Algoritmy pre inteligentné správanie a riešenie strategických problémov v hrách.
Odborná literatúra.
https://www.edu.fmph.uniba.sk/~salanci/Hry/
0/100
Po absolvovaní predmetu dokáže študent analyzovať, hodnotiť, navrhnúť a vytvoriť jednoduchý herný nástroj a multimediálne aplikácie.
Ian Goodfellow and Yoshua Bengio and Aaron Courville: Deep learning, MIT Press, Online for free, http://www.deeplearningbook.org/
Michael Nielsen: Neural networks and deep learning, Online for free, http://neuralnetworksanddeeplearning.com/
Adrian Rosebrock: Computer Vision and deep learning, Resource guide
Priebežné hodnotenie: domáce úlohy, projekt
Skúška: ústna skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Úvod - princípy strojového učenia, klasické postupy extrakcie príznakov, rozdelenie dát a vyhodnocovanie modelu, základy manipulácie s obrazovými dátami
Klasifikácia - metóda k-najbližších susedov, lineárny klasifikátor, stratové funkcie, gradientná optimalizácia, regularizácia
Plne prepojené siete - výpočtové grafy, vektorizované výpočty, backpropagation, stratové funkcie klasifikácia, softvérové riešenia automatickej derivácie, augmentácia, dropout, stochastická optimalizácia
Konvolučné neurónové siete - konvolúcia, pooling, problém miznúcich gradientov, batch normalization, inicializácia, transfer learning, architektúry
Rekurentné siete - sekvenčné dáta, skryté stavy, LSTM, GRU, režimy trénovania
Transformery - self-attention mechanizmus, transformery v NLP úlohách, kombinácie s konvolučnými sieťami, architektúry založené na transformeroch v počítačovom videní
Segmentácia a detekcia objektov - jedno a dvoj fázové objektové detektory, rozšírenia objektových detektorov na segmentácie, segmentačné architektúry, anotácia dát
Generatívne modely - GAN, VAE
Vizualizácia a pochopenie konvolučných neurónových sietí - naučené príznaky, prenos štýlu, deep dream, aktivačné mapy, nepriateľské vstupy
Vedecké a etické problémy súčasného počítačového videnia - zber dát, ochrana súkromia, výpočtová dominancia, interpretabilita metód, bezpečnosť, nežiadúce spoločenské efekty, bias modelov, ilúzia algoritmickej objektivy
60/40
Absolvent/-ka sa bude orientovať v teoretických východiskách rôznych druhov neurónových sietí používaných v počítačovom videní na riešenie úloh klasifikácie, lokalizácie a detekcie objektov ako aj generatívne siete. Bude tiež ovládať praktické postupy vytvárania, trénovania a vyhodnocovania takýchto sietí s využitím akcelerovaného hardvéru na vlastnom počítači alebo v cloude.
Sprístupniť študentom príklady úspešných projektov z oblast počítačového videnia a predstaviť nové trendy v uplatňovaní metód a prostriedkov počítačového videnia
Computer Vision and Image Understanding, Elsevier Inc., http://www.sciencedirect.com/science/journal/10773142
International Journal of Computer Vision Springer http://www.springerlink.com/content/0920-5691
IET Computer Vision http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=4159597
CVPR - Computer Vision and Pattern Recognition Workshops http://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=5521877
2-AIN-112/15
alebo
2-MPG-125/15
Priebežné hodnotenie: prezentácie a aktivita na hodinách
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
1. Prípadové štúdie úspešných aplikácií
2. Priemyselné aplikácie
3. Medicínske aplikácie
3. Iné aplikácie
4. Výsledky výskumných projektov na katedre
5. Nové trendy v uplatňovaní metód a prostriedkov počítačového videnia
http://www.sccg.sk/~cernekova/APV.html
100/0
Po absolvovaní premetu budú študenti schopní vyhľadať, spracovať a analyzovať najnovšie postupy úspešných projektov z oblasti počítačového videnia a aplikovať nové trendy počítačového videnia pri tvorbe vlastných aplikácií.
Web- based training : Creating e-Learning experiences / Margaret Driscoll. San Francisco : Jossey-Bass , 2002
Vlastné elektronické texty zverejňované na webovej stránke, resp. v prostredí Moodle.
2-AIN-224 Webové programovanie
Priebežné hodnotenie: úlohy (25%), recenzie (33%), projekt
Skúška: praktická
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Predmet sa realizuje pri minimálnom počte študentov 4.
Prehľad, porovnávanie, posudzovanie a analyzovanie rôznych e-learningových prostredí, prostredí a systémov pre vzdelávacie objekty (learning objects), školských informačných systémov.
Tvorba špecifikácie požiadaviek na vzdelávacie prostredie.
Návrh a/alebo realizácia modulu do existujúceho e-learningového prostredia.
Aktuálne trendy v e-learningu.
http://moodle.uniba.sk
60 / 40
Študent dokáže s ohľadom na zadané vzdelávacie požiadavky a) posudzovať rôzne e-learningové prostredia, b) špecifikovať požiadavky na e-learningové prostredie, c) zvoliť vhodné e-learningové prostredie, resp. navrhnúť a implementovaťnové prostredie alebo nový modul do existujúceho prostredia.
The robotics primer / Maja J. Matarić. Cambridge, Mass. : MIT Press, 2007
Invitation to topological robotics / Michael Farber. Zürich : European Mathematical Society, 2008
Priebežné hodnotenie: cvičenia 30%, projekt 30%
Skúška: záverečný test 40%
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Percepcia a senzorické systémy, softvérové robotické architektúry, reprezentácia a inferencia nad priestorom, navigácia a lokalizácia, pravdepodobnostné prístupy, simulácia robotických systémov, robotika a umelý život, využitie evolučných algoritmov a neurónových sietí pre robotiku, aplikácie.
https://dai.fmph.uniba.sk/w/Course:AIRobotika/sk
50/50
Študenti sa budú dobre orientovať v metódach umelej inteligencie využívaných v inteligentných robotických systémoch. Budú mať praktickú projektovú skúsenosť s programovaním reálnych a simulovaných robotických inteligentých systémov.
High dynamic range video / Karol Myszkowski, Rafal Mantiuk, Grzegorz Krawczyk. [s.l.] : Morgan & Claypool, 2008
Priebežné hodnotenie: domáce úlohy, projekty
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
•2D motion estimation, 3D and 2D motion modeling, and basic motion estimation methods, advanced techniques (mesh-based, global motion estimation, multi-resolution approach)
•Video segmentation, spatial and temporal
•Video stabilization, panoramic video generation, debluring
•Noise reduction, Restoration (deblurring), Superresolution, Mosaicing
•Basic compression techniques,
•Video coding: motion compensated prediction and interpolation, block-based hybrid video coding, Scalable coding
•Waveform-based coding: transform coding, predictive coding
•Stereo and multiview video processing
•Video Watermarking
•Video quality assessment
100/0
Absolvent predmetu bude ovládať základné aj pokročilé metódy spracovania videa.
[1] Recursive Functions / Ján Komara. Online.
[2] Úvod do teórie algoritmov / Ivan Korec. Bratislava : Univerzita Komenského, 1983.
Priebežné hodnotenie: domáce úlohy, písomné testy.
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%.
slovenský, anglický
1. Primitívne rekurzívne funkcie. Základné funkcie a operácie. Explicitné definície. Ohraničená minimalizácia. Párovacia funkcia a aritmetizácia. Rekurzia so substitúciou v parametri. Vnorená jednoduchá rekurzia. Rekurzia s mierou. Regulárne rekurzívne definície.
2. Obecne rekurzívne funkcie. Poza primitívnu rekurziu: Ackermann-Péterovej funkcia, univerzálna funkcia pre primitívne rekurzívne funkcie. Primitívne rekurzívne indexy. Transfinitná rekurzia. Obecne rekurzívne funkcie. Regulárna minimalizácia. μ-Rekurzívne funkcie.
3. Čiastočne rekurzívne funkcie. Prvá veta o rekurzii (veta o pevnom bode). Výpočtový model. Ekvivalentnosť operačnej a denotačnej sémantiky. Čiastočne rekurzívne funkcie. Operátor minimalizácie. Aritmetizácia výpočtového modelu. Kleeneho veta o normálnej forme. Univerzálna funkcia. Rekurzívne indexy. Veta o enumerácií. Čiastočne μ-rekurzívne funkcie. Churchova téza. Rekurzívne rozhodnuteľné, polorozhodnuteľné a nerozhodnuteľné problémy.
https://dai.fmph.uniba.sk/w/Declarative_Programming/sk
100/0
Študent sa zoznámi s matematickými základmi deklaratívnych programovacích jazykov.
Základná:
ŠEŠERA, Ľ. – GREC, P. – NÁVRAT, P. Architektúra softvérových systémov: Architektúra
internetových systémov a architektúra orientovaná na služby. Bratislava: Nakladateľstvo STU,
2011. 385 s. ISBN 978-80-227-3546-9.
Slajdy z prednášok.
Odporúčaná:
Fowler, M. et al.: Patterns of Enterprise Application Architecture. Addison-Wesley 2003.
Rozanski, N., Woods, E.: Software Systems Architecture: Working with Stakeholders Using
Viewpoints and Perspectives. 2nd Edition. Addison-Wesley, 2011.
Hohpe, G., Woolf,B: Enterprise Integration Patterns: Designing, Building and Deploying Messaging
Solutions. Addison-Wesley, 2004.
Lindley, C.: Front-end Developer Handbook 2019.
https://frontendmasters.com/books/front-end-handbook/2019/
Zimmermann, O.: Building Service-Oriented Architectures with Web Services. Tutorial. OOPSLA 2008.
Angular: https://angular.io/docs
React: https://reactjs.org/docs/getting-started.html
Jakarta EE Tutorial (oficiálna dokumentácia Jakarta EE projektu):
https://eclipse-ee4j.github.io/jakartaee-tutorial/
gRPC: https://docs.microsoft.com/en-us/aspnet/core/grpc/?view=aspnetcore-6.0
GraphQL: https://docs.microsoft.com/en-us/shows/graphql/
Davis, J., Daniels, R.: Effective DevOps. O’Reilly 2016.
Riedesel, J.: Software Telemetry: Reliable logging and monitoring. Manning Publications 2021.
Priebežné hodnotenie: príklady na cvičeniach
Skúška: ústna alebo písomná skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Stručná osnova prednášok:
1. Architektúra softvérového systému a architektonické pohľady.
2. Viacvrstvová architektúra internetových/intranetových systémov.
3. Prezentačná vrstva: serverovské stránky
4. Prezentačná vrstva: klientske stránky
5. Prezentačná vrstva v mobilných zariadeniach.
6. Aplikačná vrstva v JakartaEE.
7. Aplikačná vrstva v .NET
8. Prepojenie aplikačnej na dátovú vrstvu
9. DevOps
10. Integračné architektúry
11. Webové služby (WS) založené na SOAP a WS založené na REST. Princípy GraphQL.
Stručná osnova cvičení:
1. Modelovanie architektonických pohľadov podľa princípov Rozanského a Woodsa (3 cvičenia)
2. Implementácia prezentačnej vrstvy vo frameworku Angular (4 cvičenia)
3. Implementácia aplikačnej vrstvy vo frameworku .NET (2 cvičenia)
4. Implementácia DevOps v .NET, DevOps v MS Azure cloude (2 cvičenia)
40/60
Výsledky vzdelávania:
Cieľom predmetu je, aby študenti:
1. Rozumeli viacvrstvovým architektúram veľkých softvérových systémov
2. Získali praktické skúsenosti s modernou implementáciou jednotlivých vrstiev takéhoto
systému.
3. Získali praktické skúsenosti s Continuous integration and delivery
Na prednáškach sa študenti najskôr oboznámia s viacvrstvovou architektúrou veľkých internetových /
intranetových systémov. Následne sa naučia spôsob realizácie prezentačnej vrstvy na báze moderných
frameworkov na tvorbu SPA (single-page applications). Ďalej sa naučia, akým spôsobom sa vyvíja
komplexná aplikačná vrstva v prostrediach JavaEE/JakartaEE a .NET. Potom sa naučia, akým spôsobom prebieha kontinuálny vývoj a nasadenie veľkých systémov
s využitím techník Continuous integration and delivery ako časti DevOps. V ďalšej časti sa študenti
prenesú nad úroveň jedného systému a oboznámia sa s rôznymi architektúrami integrácie systémov.
Detailnejšie sa dozvedia o integrácií na báze webových služieb: SOAP aj REST.
Na cvičeniach študenti implementujú jednoduchý príklad viacvrstvového systému v nástroji Angular
od firmy Google pre front-end na strane klienta a platforme Microsoft .NET pre aplikačnú vrstvu.
Vytvorenú aplikáciu zároveň „zabalia“ do DevOps prostredia najskôr v platforme .NET a následne nasadia aj do cloudu MS Azure.
Digital Twins in Industry / A.Y.C. Nee and S.K. Ong: MDPI, 2021, ISBN 978-3-0365-
1799-5
Digital Twins: Basics and Applications / Zhihan Lv, Elena Fersman, Springer 2022, ISBN
978-3-031-11400-7
Digital Twin in manufacturing: A categorical literature review and classification / Werner
Kritzinger et al. 2018, IFAC PapersOnLine 51-11 (2018) 1016–1022
Digital Twin: Origin to Future / Singh, M.; Fuenmayor, E.; Hinchy, E.P.; Qiao, Y.; Murray,
N.; Devine, Appl. Syst. Innov. 2021, 4, 36.
Digital twin modeling method based on IFC standards for building construction processes /
Dai C, Cheng K, Liang B, Zhang X, Liu Q and Kuang Z, 2024, Front. Energy Res.
Priebežné hodnotenie: projekt (50%).
Skúška: písomná / ústna skúška (50%).
Na úspešné absolvovanie predmetu musí študent získať aspoň 50% bodov z projektu a aspoň
50% bodov zo skúšky.
Stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%.
Váha priebežného / záverečného hodnotenia: Priebežné hodnotenie/Skúška: 50/50.
slovenský, anglický
Digitálne dvojčatá, definície a základné pojmy, využitie v priemysle, výrobe a
výskume (Digital Model, Digital Shadow, Digital Thread, Digital Twin)
Definícia základnych pojmov a princípov z počitačovej grafiky a videnia
3D rekonštrukcia statických objektov pre digitálne dvojčatá
3D rekonštrukcia dynamických objektov a snímanie pohybu objektov a ľudí
Snímanie dát (IoT, RTLS), tracking, streaming a fusion
Modelovanie a techniky simulácie – agenti, dynamické a diskrétne simulácie
Prípadová štúdia digitálnych dvojčiat (3D rekonštrukcia kancelárie, simulácia
procesov vo fabrike, optimalizácia automatického skladiska, etc.),
API a komerčný software (UE, Omniverse, OpenUSD, Reality Capture, etc.)
Modelovanie, simulácia a vizualizácia projektu pre digitálne dvojča
Po absolvovaní budú študenti ovládať teoretické základy a praktické zručnosti pri autorskej (aj
tímovej) tvorbe digitálnych dvojčiat.
Oboznámiť študentov s problematikou tvorby kritických aplikácií.
Reactive systems : Modelling, specification and verification / Luca Aceto ... [et al.]. Cambridge : Cambridge University Press, 2007
A Course in model theory : An introduction to contemporary mathematical logic / Bruno Poizat ; translated by Moses Klein. New York : Springer, 2000
Fundamentals of Algebraic specification 1 : Equations and initial semantics / Hartmut Ehrig, Bernd Mahr. Berlin : Springer, 1985
Fundamentals of algebraic specification 2 : Module specifications and constraints / Harmut Ehrig, Bernd Mahr. Berlin : Springer, 1990
Priebežné hodnotenie: cvičenia
Skúška: skúška
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Predmet nadväzuje na predmet Formálne metódy tvorby softvéru, v ktorom sa študenti zoznámili so základnými modelmi na formálnu špecifikáciu systémov (Procesové algebry, Petriho siete, Časové automaty), s rôznymi logickými kalkulmi (zvlášť založenými na modálnej a temporálnej logike) ktoré sa používajú na formálnu špecifikáciu vlastností systémov a s problematikou model checking. Na sérií praktických kritických aplikácií (s dôrazom na rôzne komunikačné protokoly) sa študenti naučia tieto techniky používať – špecifikovať aplikáciu i jej formálne popis a verifikovať či ho aplikácia spĺňa. Pri výučbe budú používať dostupné model-checking softvérové nástroje. V rámci tohoto predmetu si sami prípadne s pomocou pedagóga vyberú vhodnú "kritickú" aplikáciu a následne vhodný formalizmus na jej špecifikáciu a verifikáciu. Postupom viacerých iterácií budú svohe riešenie zlepšovať, dopĺňat a rozširovať tak, aby na konci mali osobnú skúsenosť s nasadenai formálnych metód.
100/0
Absolventi budú mať osobnú skúsenosť s použitím formálnych metód pri špecifikácii a verifikácii vybraných (kritických) aplikácii.
Staab, S. and Studer, R. eds., 2010. Handbook on ontologies. Springer Science & Business Media.
Allemang, D. and Hendler, J., 2011. Semantic web for the working ontologist: effective modeling
in RDFS and OWL. Elsevier.
Výber aktuálnych článkov z oblasti.
Semester: projekt (60b), priebežné hodnotenie práce (20b)
Skúška: písomka (20b)
Podmienka absolvovania: 50 % zo semestra a 50% z skúšky
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
- Ontológie a ich využitie
- Najznámejšie ontológie
- Ontologické reprezentačné jazyky (RDF, RDF Schema, OWL)
- Ontológie a databázy
- Dopytovací jazyk SPARQL
- Sieť perpojených dát (linked open data)
- Ontologické inžinierstvo
- Využitie ontológií v informatike
80/20
Študenti sa oboznámia s ontológiami, s ich významom pre reprezentáciu a zdieľanie dát, s
ontologickými reprezentačnými a dopytovacími jazykmi a s postupmi pre tvorbu ontológií
(ontologické inžinierstvo). Ďalej sa oboznámia so štandardami sémantického webu a s princípami a
možnosťami publikácie dát v sieti prepojených dát (linked open data), ako aj využitia týchto dát v
znalostných aplikáciách.
Priebežné hodnotenie: Dochádzka, výkaz činnosti
slovenský, anglický
Študent si sám vyhľadá vhodnú firmu alebo vedeckú inštitúciu, ktorá pracuje v oblasti informačných technológii a predloží svoj návrh na schválenie garantovi. Študent absolvuje predmet podľa pokynov inštitúcie.
Cieľom predmetu je aby sa študent oboznámil s novými IT technológiami, zariadeniami, naučil sa s nimi pracovať, obsluhovať a prevádzkovať ich.
Ako podmienkou na získanie hodnotenia študent vypracuje a odovzdá písomnú spravu potvrdenú zodpovedným vedúcim v inštitúcii pozostávajúcu z:
1. Potvrdenia dochádzky min 150 hodín v trvaní 9 týždňov t.j. dochádzkové listy
2. Správu o činnosti alebo výkazové listy s presným popisom činností
Hodnotenie za prax, ktorej minimálna dĺžka je 9 týždňov (150 hodín), po jej ukončení zapisuje garant. Prax je možné absolvovať kedykoľvek v priebehu 1. a 2. ročníka magisterského štúdia, najneskôr však do termínu, ktorý je stanovený koncom skúšobného obdobia daného semestra.
https://dai.fmph.uniba.sk/w/Prax/sk
100/0
Študent si sám vyhľadá vhodnú firmu alebo vedeckú inštitúciu, ktorá pracuje v oblasti informačných technológii, získa základné pracovné návyky a získa prax v odbore informatika, ktorá je potrebná pre ľahšie hľadanie zamestnania. Absolvovanie predmetu s dobrým odporúčaním umožní študentovi sa zamestnať po skončení štúdia.
LATEX : Podrobný průvodce / Helmut Kopka, Patrick W. Daly ; překlad Jan Gregor. Brno : Computer Press, 2004
LATEX : A Document preparation system / Leslie Lamport. Reading : Addison-Wesley, 1986
Nutná podmienka na zápis predmetu je zápis diplomovej témy a školiteľa.
Priebežné hodnotenie: 1. Prezentácia svojho pokroku na tému diplomovej práce a prebehne konferencia výsledkov v rámci predmetu. 2. Ukážka buď čiastočne funkčnej implementácie alebo diplomantom navrhnuté riešenie a navrhnutý spôsob validácie (v prípade teoretických, prehľadových prác). 3. Hodnotenie klúčových naštudovaných článkov a uspokojivá odpoveď na otázku zo znalosti prečítanej literatúry.
Skúška: A: Ukážka prototypu, naštudované základy problematiky. B: Jednoduchá ukážka čiastkového riešenia niektorého z cieľov. C: Detailne naštudovaná problematika a postup riešenia cieľov, znalosť obmedzení naštudovaných metód, počet článkov (>4). D: Naštudované tutorialy, nové knižnice potrebné k riešeniu cieľa. E: Riešiteľ má predstavu ako bude konkrétne riešiť ciele práce, vie aké knižnice použije. Fx: ostané možnosti (chýbajúca prezentácia, neúčasť)
Orientačná stupnica hodnotenia: A 92%, B 84%, C 76%, D 68%, E 60%
slovenský, anglický
1. Prezentácia svojho pokroku na tému diplomovej práce a prebehne konferencia výsledkov v rámci predmetu.
2. Ukážka buď čiastočne funkčnej implementácie alebo diplomantom navrhnuté riešenie a navrhnutý spôsob validácie (v prípade teoretických, prehľadových prác).
3. Hodnotenie klúčových naštudovaných článkov a uspokojivá odpoveď na otázku zo znalosti prečítanej literatúry.
https://dai.fmph.uniba.sk/w/Course:Project_Seminar_1/sk
100/0
Získa návyky a skúsenosti pre individuálnu aj kolektívnu odbornú práce väčšieho rozsahu. Naučí sa extrahovať rýchlo podstanú myšlienku z vedeckých článkov. Teoretickú časť diplomovej práce bude mať zvládnutú a zameria sa na implementáciu diela.
LATEX : Podrobný průvodce / Helmut Kopka, Patrick W. Daly ; překlad Jan Gregor. Brno : Computer Press, 2004
LATEX : A Document preparation system / Leslie Lamport. Reading : Addison-Wesley, 1986
2-AIN-924 Projektový seminár (1)
Priebežné hodnotenie: 1. Prezentácia vo forme predobhajoby a prebehne konferencia výsledkov. 2. Písomná správa o riešení vo forme napísanej ucelenej kapitoly diplomovej práce, dohodnutej so školiteľom, predné listy a zoznam literatúry (podľa normy) vrátane dokumentácie (min. 10 strán). 3. Ukážka buď implementácie s testami alebo príklady ilustrujúce diplomantom navrhnuté riešenie. 4. Štúdium kľúčových prečítaných článkov a uspokojivá odpoveď na otázku zo znalosti prečítanej literatúry.
Skúška: Hodnotenie E a lepšie vyžaduje splniť každý z uvedených bodov.
Orientačná stupnica hodnotenia: A 92%, B 84%, C 76%, D 68%, E 60%
slovenský, anglický
Informácie o technológii odbornej práce väčšieho rozsahu. Zvyklosti pre písanie odborných informatických textov. Druhá etapa realizácie projektu diplomová práca. Referáty diplomantov o problematike diplomovej práce. Práca na projekte a implementácia tak aby vyústila do diplomovej práce.
https://dai.fmph.uniba.sk/w/Course:Project_Seminar_2/sk
100/0
Získa návyky a skúsenosti pre individuálnu aj kolektívnu odbornú práce väčšieho rozsahu. Naučí sa extrahovať rýchlo podstanú myšlienku z vedeckých článkov. Teoretickú časť diplomovej práce bude mať zvládnutú a zameria sa na implementáciu diela.
Image processing, analysis, and machine vision / Milan Sonka, Vaclav Hlavac, Roger Boyle. [Stamford] : Cengage Learning, 2008
Artificial intelligence : A modern approach / Stuart J. Russell, Peter Norvig. Englewood Cliffs : Prentice-Hall, 1995
Parallel program design : A Foundation / K. Mani Chandy , Jayadev Misra. Reading : Addison-Wesley, 1988
Hughes et al. 2013. Computer Graphics Principles and Practice. > ISBN-13: > 978-0321399526. Addison-Wesley Professional. 3 edition (July 20, 2013)
Sylaby skúšky, ktoré sú vopred zverejnené, vychádzajú z obsahu profilových predmetov, ale nie sú na ne viazané. Zoznam odporúčaných predmetov:
Matematické modelovanie a počítačová animácia fyzikálnych procesov; Formálne metódy tvorby softvéru; Diskrétne štruktúry v informatike; Výpočtová fuzzy logika, modelovanie a systémy; Strojové učenie.
9.2.9 Sylaby štátnych skúšok magisterského študijného programu
Aplikovaná informatika
a
Aplikovaná informatika (konverzný program)
Štátnicový predmet 2-AIN-991/15 Obhajoba diplomovej práce
Štátnicový predmet 2-AIN-953/15 Metódy aplikovanej informatiky
Študent si ťahá jednu otázku náhodne.
2-AIN-185/00 Formálne metódy tvorby softvéru – D. Gruska
1. Vysvetlite princíp bisimulácie a jeho použitie na verifikáciu vlastností programov.
2. Modálne a temporálne logiky a ich použitie na verifikáciu vlastností programov.
3. Procesové algebry, syntax, sémantika, použitie.
4. Časové automaty, princípy, vlastnosti a použitie.
5. Petriho siete, druhy, vlastnosti a použitie.
2-AIN-206/15 Matematické modelovanie a počítačová animácia fyzikálnych procesov – R. Ďurikovič
6. Animácie pohybu a orientácie, nearest neighbor, lineárna interpolácia, interpolačný spline na animáciu pohybu, Kubická Bézierova interpolačná krivka, C1 spojitosť kompozície kriviek.
7. Quaternion a orientácia, os rotácie a uhol, reprezentácia quaterniónom, rotácia v priestore pomocou quaterniónov, inverzný quaternión, kompozícia rotácie dvoch quaterniónov, interpolácia SLERP (Sférická lineárna interpolácia), interpolácie dvoch a viacerých quaternionov, Catmull-Rom interpolácia.
8. Detekcie kolízie, nutná a postačujúca podmienka kedy nie sú dve telesá v kolízii, deliaca rovina, broad phase (hierachycká mriežka), mid phase (hierarchie obálok, Voronoiove oblasti v kolízii, vysvetlujte na príklade kolízie gula x kapsula, dekompozícia telesa na konvexné časti), narrow phase (Minkowskeho priestor a blízkosť konvexných telies).
9. Numerické riešenie diferenciálnych rovníc, ODE prvého rádu separovateľné, Rovnice pohybu prvého rádu rýchlosť, zrýchlenie, Eulerova metóda, MidPoint metóda, Runge-Kuta metóda, podmienka stability na voľbu časového kroku.
10. Dynamika tuhých telies, definícia problému, Pozícia, ťažisko a orientácia telesa, rovnice pohybu (4 ODE), rýchlosť, zrýchlenie, uhľová rýchlosť a uhľové zrýchlenie, matica hybnosti (matica inercie) matica hybnosti pre guľu, pevný kváder, posunutý kváder.
2-INF-150/15 Strojové učenie – V. Boža, M. Šuppa, T. Vinař
11. Regresia. Lineárna regresia, riešenie pomocou normálnych rovníc a gradientovej metódy, generalizovaná lineárna regresia, regularizácia.
12. Neurónové siete. Rozdiely medzi logistickou regresiou a jednoduchým perceptrónom. Skryté vrstvy v neurónových sieťach. Konvolučné neurónové siete. Metóda spätnej propagácie.
13. Support vector machines. Základná formulácia, duálna formulácia. Kernelová metóda.
14. Hlasovacie schémy. Bagging a boosting. Aplikácia na rozhodovacie stromy. Náhodné lesy.
15. Teória strojového učenia. Matematický model strojového učenia. Výchylka a rozptyl. Holdout testing. PAC (probably approximately correct) učenie, VC (Vapnik-Cervonenkis) dimenzia.
2-AIN-113/22 Výpočtová fuzzy logika, modelovanie a systémy – D. Guller
16. Reziduované zväzy - základné vlastnosti, triangulárne (ko-)normy, reziduácie, spojitosť, mnohohodnotové (manyvalued - MV), Goedelove (G), produktové (P) algebry/variety.
17. Mnohohodnotové (fuzzy) logiky a výpočtové formalizmy (Lukasiewiczova, Goedelova, produktová), Davis–Putnam–Logemann–Loveland (DPLL) procedúra, binárna rezolúcia, hyper-rezolúcia.
18. Fuzzy množiny, fuzzy čísla a aritmetika, diskrétne fuzzy množiny, modifikátory fuzzy množín (hedges).
19. Fuzzy aproximačné modely, fuzzy (F) transform, fuzzy cluster analýza.
20. Fuzzy inferencia, kompozičné pravidlo inferencie (compositional rule of inference - CRI), fuzzy pravidlá - Mamdani-ho typu, Sugeno-Takagi-ho typu, lingvistická premenná, Zadehov prístup, fuzzifikácia/defuzzifikácia, fuzzy inferenčné systémy, fuzzy riadiče (lineárne fuzzy proporčno-integračno-derivačné (proportional-integral-derivative - PID) a inkrementálne riadenie).
2-AIN-138/16 Diskrétne štruktúry v informatike a počítačovej grafike – T. Jajcayová
21. Grupy, cyklické grupy, modulárna aritmetika, primitívny koreň, aplikácia do generátora pseudonáhodných čísel, lineárny kongruentálny generátor.
22. Jednosmerné funkcie, diskrétny logaritmus, aplikácie do Diffie-Helman protokolu výmeny kľúča, využitie v krypto systémoch s verejným kľúčom.
23. Maticová algebra, modulárne matice, aplikácie, determinanty, lineárne transformácie.
24. Kvaterniony a ich základné operácie, grupa kvarternionov, súvislosti s lineárnymi transformáciami a rotáciami v troch rozmeroch, porovnávanie vlastností polí reálnych, komplexných a kvartériónových čísel.
25. Teória čísel, prvočíselné testy (aj pravdepodobnostné), rozšírený Euklidov algoritmus - aplikácie, rýchla modulárna exponenciácia (aj so zložitosťami), malá Fermatova veta, Eulerova veta, aplikácie do RSA krypto systému.
Priebežné hodnotenie: Študent odpovie na odborné otázky štátnicovej komisii.
Skúška: Štátna skúška z odborého predmetu
slovenský, anglický
Sylaby skúšky, ktoré sú vopred zverejnené, vychádzajú z obsahu profilových predmetov, ale nie sú na ne viazané. Zoznam odporúčaných predmetov:
Matematické modelovanie a počítačová animácia fyzikálnych procesov; Formálne metódy tvorby softvéru; Diskrétne štruktúry v informatike; Výpočtová fuzzy logika, modelovanie a systémy; Strojové učenie.
https://dai.fmph.uniba.sk/w/State_examinations_for_Master_program_in_Applied_Informatics/sk
0/100
Študent si upevní vedomosti a schopnosti, ktoré získal počas magisterského štúdia a chápe ich vzájomné súvislosti a kontext, v ktorom vystupujú.
Ako písať vysokoškolské a kvalifikačné práce : Ako písať seminárne práce, ročníkové práce, práce študentskej vedeckej a odbornej činnosti, diplomové práce, záverečné a atestačné práce, dizertácie / Dušan Katuščák. Bratislava : Stimul, 1998
http://dl.acm.org/dl.cfm?CFID=412417535&CFTOKEN=50913605
Výsledkom je písomná diplomová práca obhájené pred štátnicovou komisiou s nasledovnou štruktúrou
1. Špecifikácia problému a jeho analýza.
2. Prehľad problematiky.
3. Metodika riešenia problému.
4. Projektové rozhodnutia.
5. Plán práce a jeho kontrola.
6. Špecifikácia softvérového diela.
7. Výpočtové experimenty a ich vyhodnotenie.
8. Obhajoba textu diplomovej práce.
`
Písanie, príprave prezentácie a obhajoba diplomovej práce.
Pri hodnotení predmetu štátnej skúšky Diplomová práca sa berie do úvahy
- predložená diplomová práca a úroveň dosiahnutých výsledkov s dôrazom na tvorivosť a realizačné výsledky (na základe posudkov vedúceho projektu a oponenta),
- práca na projekte počas jeho riešenia (na základe posudku vedúceho projektu),
- prezentácia a obhajoba diplomovej práce,
- vyjadrenia a stanoviská v širšej odbornej rozprave.
Priebežné hodnotenie: Písomná správa – diplomová práca, ktorú posudzuje vedúci projektu a jeden oponent, jej obhajoba je štátnou skúškou. Zapísaním predmetu Obhajoba diplomovej práce sa študent zároveň prihlasuje na štátnu skúšku v danom akademickom roku. Ak študent neodovzdal do daného termínu diplomovú prácu, klasifikuje sa štátna skúška klasifikačným stupňom „FX“.
Skúška: Štátna skúška obhajoba diplomovej práce
slovenský, anglický
Písanie, príprave prezentácie a obhajoba diplomovej práce.
Pri hodnotení predmetu štátnej skúšky Diplomová práca sa berie do úvahy
- predložená diplomová práca a úroveň dosiahnutých výsledkov s dôrazom na tvorivosť a realizačné výsledky (na základe posudkov vedúceho projektu a oponenta),
- práca na projekte počas jeho riešenia (na základe posudku vedúceho projektu),
- prezentácia a obhajoba diplomovej práce,
- vyjadrenia a stanoviská v širšej odbornej rozprave.
https://dai.fmph.uniba.sk/w/How_to_Find_a_Thesis_Topic/sk
https://dai.fmph.uniba.sk/w/Submitting_Diploma_and_Bachelor_Theses/sk
0/100
Výsledkom je písomná diplomová práca obhájené pred štátnicovou komisiou.
1. Špecifikácia problému a jeho analýza.
2. Prehľad problematiky.
3. Metodika riešenia problému.
4. Projektové rozhodnutia.
5. Plán práce a jeho kontrola.
6. Špecifikácia softvérového diela.
7. Výpočtové experimenty a ich vyhodnotenie.
8. Obhajoba textu diplomovej práce.
- S. Russell: Human compatible. Artificial intelligence and the problem of control. Viking, 2019.
- J. Havens: Heartificial intelligence. Embracing our humanity to maximize machines. Penguin, 2016.
- P. Boddington: Towards a code of ethics for artificial intelligence. Springer, 2017.
- M. Shanahan: The technological singularity. MIT Press, 2015.
- C. MacKellar, C.: Cyborg Mind: What Brain–Computer and Mind–Cyberspace Interfaces Mean for Cyberneuroethics. Berghahn Books, 2019.
- G. Bel, J. Gemmell: Total Recall, How the e-Memory Revolution will change everything. Dutton, 2009.
- S. Zuboff: The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. PublicAffairs, 2019.
- C. O'Neil: Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Crown Publishers, 2016.
- M. Tegmark: Life 3.0. Allen Lane, 2017.
Semester: aktívna účasť (40%)
Skúškové obdobie: esej (60%)
anglický
Na hodnotách založený výskum,
Big data: súkromie, politika a moc,
Asistujúca umelá inteligencia,
Trh práce a sociálna nerovnosť,
Vylepšovanie človeka,
Umelá myseľ,
Hybridizácia medzi druhmi a medzi UI a organickými mysľami,
Transhumanizmus,
Umelá emočná inteligencia,
Singularita, post-humánna éra.
http://dai.fmph.uniba.sk/courses/STH/
40% / 60%
Študenti získajú prehľad o súčasných a možných budúcich výzvach, ktoré pred nás kladú moderné vedeckotechnické inovácie a o ich vplyve na ľudské správanie, kultúru a spoločnosť.
Sutton, Richard S., and Andrew G. Barto. Reinforcement learning: An introduction. MIT press, 2018.
Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT press, 2016.
Práca na cvičeniach, (50%), skúška: test (50%)
Hodnotenie A > 90%, B > 80%, C > 70%, D > 60%, E > 50% bodov.
slovenský, anglický
1. Úvod do učenia s posilňovaním, definícia problému
2. Markovovský rozhodovací proces
3. Dynamické programovanie
4. Monte Carlo metódy
5. Temporal-difference učenie
6. Objavovanie a využívanie (angl. exploration and exploitation)
7. Aproximácia funkcie hodnoty
8. Gradientové metódy stratégie
9. Actor-critic metódy
10. Hlboké učenie posilňovaním
Absolvent získa prehľad o metódach a technikách používaných pri učení posilňovaním. Získa praktickú skúsenosť s analýzou a návrhom, implementáciou riešenia modelových úloh učenia posilňovaním.
Speech and Language Processing, 2nd Edition / Daniel Jurafsky, James H Martin. Upper Saddle River : Prentice Hall, 2008
slovenský, anglický
(1) Predspracovanie textu.
(2) Modelovanie jazyka (n-gramy), spell-checking.
(3) Klasifikácia textu (naivný Bayes), analýza sentimentu.
(4) Rozpoznávanie pomenovaných entít (HMM, MaxEnt), extrakcia relácií.
(5) Morfologická a syntaktická analýza.
(6) Vyhľadávanie informácií.
(7) Sémantická analýza, automatizované odpovedanie otázok.
http://dai.fmph.uniba.sk/courses/nlp/
50/50
Študenti nadobudnú teoretické a praktické vedomosti o princípoch spracovania prirodzeného jazyka. Preberané metódy (pravdepodobnostné, štatistické, lingvisticko-výpočtové a metódy strojového učenia) spracovania neštruktúrovaného textu budú vedieť vhodne aplikovať pri riešení úloh ako spell-checking, generácia textu, analýza sentimentu, extrakcia informácií, či automatizované odpovedanie otázok.
The elements of statistical learning : Data mining, inference, and prediction / Trevor Hastie, Robert Tibshirani, Jerome Friedman. New York : Springer, 2009
Pattern recognition and machine learning / Christopher M. Bishop. New York : Springer, 2006
Machine learning / T. M. Mitchell. New York : McGraw Hill, 1997
Biological sequence analysis : Probabilistic models of proteins and nucleic acids / Richard Durbin ... [et al.]. Cambridge : Cambridge University Press, 1998
( 1-INF-115 Algebra (1) OR 1-AIN-152 Lineárna algebra ) AND 2-INF-175 Pravdepodobnosť a štatistika
Priebežné hodnotenie: domáce úlohy (30%), projekt (30%)
Skúška: skúška (40%)
Na úspešné absolvovanie skúšky musí študent získať na skúške aspoň polovicu bodov.
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
Strojové učenie s učiteľom (lineárna a generalizovaná lineárna regresia, neurónové siete, klasifikácia pomocou support vector machines, kernelové metódy, diskrétne klasifikátory). Teória strojového učenia (štatistický model strojového učenia, výchylka vs. rozptyl, preučenie a podučenie, PAC učenie, odhady pomocou VC dimenzie). Strojové učenie bez učiteľa (zhlukovanie, samoorganizujúce sa zobrazenia, analýza hlavných komponentov). Učenie odmenou a trestom. Hlasovacie schémy (bagging, boosting).
http://compbio.fmph.uniba.sk/vyuka/ml/
60/40
Po absolvovaní predmetu získa študent prehľad o základných metódach strojového učenia a bude schopný používať tieto metódy v praktických aplikáciách.
Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT press, 2016.
Články z konferencií NIPS, ICLR, ICML.
Priebežné hodnotenie: domáce úlohy, projekt
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
slovenský, anglický
- Problémy pri trénovaní neurónových sietí (vanishing gradient, ...) a ich riešenia (Xavierova inicializácia, ...)
- Nové architektúry neurónových sietí (LSTM, GRU, GAN, Relu aktivácia, …)
- Učenie odmenou a trestom v neurónových sieťach
- Aktuálne praktické aplikácie z odbornej literatúry.
100/0
Po absolvovaní predmetu budú študenti vedieť trénovať moderné architektúry neurónových sietí a pracovať s odbornou literatúrou v tejto oblasti.
Základný nácvik a zdokonalenie pohybových zručností v jednotlivých vybraných športoch: aerobik,basketbal, volejbal, futbal, florbal, hokej, bedminton, tenis, stolný tenis, plávanie, posilňovanie, skoky na trampolíne, vodná turistika. Rozvoj harmonickej osobnosti v zmysle “kalokagatie“ - rozvíjať duševné a telesné hodnoty študentov.
slovenský, anglický
Nácvik herných činností jednotlivca v kolektívnych hrách: basketbal, volejbal, futbal, florbal a hokej. V ostatných športoch zvládnutie základnej techniky športovej disciplíny. Vo vodnej turistike základný výcvik na stojatej a mierne tečúcej vode. Rozvoj koordinačných schopností, zvýšenie kľbovej pohyblivosti, zlepšenie funkcií srdco-cievneho systému a dýchacej sústavy.
100/0
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%.
Podmienkou pre udelenie 1 alebo 2 kreditov je absolvovanie viacdňového kurzu v jeho plnom rozsahu, alebo absolvovanie jednodňových kurzov v rozsahu 4 dní. Záujemcovia sa môžu prihlásiť u vedúcich jednotlivých kurzov. Z predloženej ponuky kurzov si môžete zvoliť ten, ktorý vyhovuje Vaším záujmom, schopnostiam a termínovým možnostiam.
Predmet sa vučuje v slovenskom jazyku.
KTVŠ nepožičiava lyžiarsku výstroj.
Študent sa môže prihlásiť na katedrou ponúkané kurzy športov v prírode: lyžovanie, snowboarding. Vyučovacie hodiny v rámci kurzov sú zamerané na rozvoj základných a špeciálnych pohybových zručností a , zvládnutie techniky potrebných pre dané športy.
Osvojenie si a rozvoj základných pohybových schopností a zručností vo vybraných športoch: lyžovaní a snowbordingu. Zvládnutie správnej techniky vykonávania jednotlivých pohybov, ktoré sú potrebné pre lyžovanie a snowboarding.
Orientačná stupnica hodnotenia: A 90%, B 80%, C 70%, D 60%, E 50%
Podmienkou pre udelenie 1 alebo 2 kreditov je absolvovanie viacdňového kurzu v jeho plnom rozsahu, alebo absolvovanie jednodňových kurzov v rozsahu 4 dní. Záujemcovia sa môžu prihlásiť u vedúcich jednotlivých kurzov. Z predloženej ponuky kurzov si môžete zvoliť ten, ktorý vyhovuje Vaším záujmom, schopnostiam a termínovým možnostiam.
Predmet sa vyučuje v slovenskom jazyku.
KTVŠ zabezpečí materiálno-športové vybavenie.
Študent sa môže prihlásiť na katedrou ponúkané kurzy športov v prírode: vodná turistika - splavy riek, windsurfing, plážový volejbal, turistiku a iné záujmové športy. Vyučovacie hodiny v rámci kurzov sú zamerané na rozvoj základných a špeciálnych pohybových zručností a zvládnutie techniky potrebných pre dané športy.
Vytvorenie si kladného a trvalého vzťahu k pohybovej aktivite. Osvojenie si a zvládnutie základných pohybových schopností a zručností v športoch v prírode: windsurfing, plážový volejbal, vodná turistika - splav riek, turistiku a iné športy podľa záujmu. Nácvik a zdokonaľovanie techniky potrebnej pre dané športy.
Zdokonaľovací výcvik vo vybranom športe s cieľom skvalitnenia pohybových zručností vo vybranom športe. Zvyšovať odolnosť študentov voči rôznym zlozvykom, stresom a rizikovým faktorom.
slovenský, anglický
V kolektívnych hrách basketbal, volejbal, futbal, florbal, hokej, nácvik útočných a obranných herných kombinácií a hra s modifikovanými pravidlami. V individuálnych športoch osvojenie prvkov vyššej obtiažnosti z hľadiska úrovne pohybových schopností (plávanie - kraul, prsia, znak, skoky na trampolíne a aerobik - nácvik zostáv, posilňovanie - rozvoj hlavných svalových skupín, vodná turistika - výcvik na tečúcej vode. Testovanie úrovne kondičných a koordinačných schopností.
100/0
Russell S., Norwig P. (2010). Artificial Intelligence: A Modern Approach, (3rd ed.), Prentice Hall. Dostupná vo fakultnej knižnici.
Marsland S. (2015). Machine Learning: An Algorithmic Perspective, (2nd ed.), CRC Press.
Úspešné absolvovanie online kurzu https://www.elementsofai.sk/ (v slovenskej alebo anglickej verzi).
slovenský alebo anglický
Kurz pozostáva z 20 numerických a 5 slovných úloh. Numerické úlohy sú konrolované automaticky, slovné úlohy si študenti vzájomne anonymne hodnotia.
1. Čo je umelá inteligencia: súvisiace oblasti, filozofia UI.
2. Riešenie problémov a UI: Prehľadávanie a riešenie problémov, prehľadávanie a hry
3. Pravdepodobnosť a šanca, Bayesova veta, naivná bayesovská klasifikácia.
4. Strojové učenie: klasifikátor najbližšieho suseda, regresia.
5. Neurónové siete: základy, vytváranie, moderné techniky.
6. Dôsledky: o predpovedaní budúcnosti, vplyvy UI na spoločnosť, zhrnutie.
Absolvent sa oboznámi s vybranými základnými konceptmi umelej inteligencie a ich využití pri riešení rôznych praktických úloh.
Russell S., Norwig P. (2010). Artificial Intelligence: A Modern Approach, (3rd ed.), Prentice Hall. Dostupná vo fakultnej knižnici.
Marsland S. (2015). Machine Learning: An Algorithmic Perspective, (2nd ed.), CRC Press.
Úspešné absolvovanie online kurzu https://www.elementsofai.sk/ (v slovenskej alebo anglickej verzi).
slovenský alebo anglický
Kurz pozostáva z 20 numerických a 5 slovných úloh. Numerické úlohy sú konrolované automaticky, slovné úlohy si študenti vzájomne anonymne hodnotia.
1. Čo je umelá inteligencia: súvisiace oblasti, filozofia UI.
2. Riešenie problémov a UI: Prehľadávanie a riešenie problémov, prehľadávanie a hry
3. Pravdepodobnosť a šanca, Bayesova veta, naivná bayesovská klasifikácia.
4. Strojové učenie: klasifikátor najbližšieho suseda, regresia.
5. Neurónové siete: základy, vytváranie, moderné techniky.
6. Dôsledky: o predpovedaní budúcnosti, vplyvy UI na spoločnosť, zhrnutie.
Absolvent sa oboznámi s vybranými základnými konceptmi umelej inteligencie a ich využití pri riešení rôznych praktických úloh.
• Vlastné elektronické študijné materiály vyučujúcich zverejňované na webovej stránke predmetu, resp. v systéme Moodle
• Gavora, Peter a kol. 2010. Elektronická učebnica pedagogického výskumu. [online]. Bratislava : Univerzita Komenského, 2010. Dostupné na: http://www.e-metodologia.fedu.uniba.sk/ ISBN 978–80–223–2951–4.
• Tharenou, P., Donohue, R. and Cooper, B., 2007. Management research methods. Cambridge University Press.
• Topping, A., 2015: The Quantitative-Qualitative Continium. In: Gerrish, K. and Lathlean, J., The Research Process in Nursing, p. 159-172
• Williamson, K. and Johanson, G. eds., 2017. Research methods: Information, systems, and contexts. Chandos Publishing.
Priebežné hodnotenie: aktívna účasť na výskume v medzinárodnom študentskom tíme (25%), prezentácia práce na workshope (25%), vedecký článok (50%)
Orientačná stupnica hodnotenia:. A 90 %, B 80 %, C 70 %, D 60 %, E 50 %
anglický (slovenský)
- Metodológia výskumu
- Návrh a implementácia výskumného projektu v medzinárodnej skupine (pokiaľ je to možné interdisciplinárnej)
- Metódy a nástroje pre spoluprácu vo virtuálnom priestore, spolupráca vo vede a praxi
- Akademické písanie, prezentácia výsledkov výskumu prostredníctvom vedeckých článkov; ciele, obsah a štruktúra vedeckých článkov; formy akademickej publikácie, publikačné fóra a hodnotenie ich kvality
- Zabezpečenie kvality a spätná väzba - vzájomné recenzovanie
- Komunikácia výsledkov prostredníctvom posterov alebo konferenčných prezentácií
100/0
Študenti sa naučia v tíme sa zhodnúť na spoločnej výskumnej téme, formulovať výskumné otázky, stanoviť výskumné metódy pre daný problém, zbierať a vyhodnotiť dáta, diskutovať o svojich zisteniach, prezentovať výsledky výskumu odbornej verejnosti, analyzovať a hodnotiť vedeckú prácu svojich kolegov, pripraviť vedecký článok vhodný na publikovanie
Gravetter, F. J., & Forzano, L. B. (2018). Research Methods for the Behavioral Sciences. Boston: Cengage Learning, Inc.
Harris, P. (2008). Designing and reporting experiments in psychology. Berkshire: McGraw-Hill.
Morling, B. (2018). Research Methods in Psychology. London: W. W. Norton & Company, Inc.
Na získanie hodnotenia musia študenti absolvovať 20 hodín účasti na empirických výskumoch, ktoré budú buď online, alebo v laboratóriu (účasť na výskume v laboratóriu sa započítava ako dve hodiny).
slovenský jazyk
Výskumy budú prebiehať počas celého semestra, študenti si z veľkého počtu výskumov budú môcť vybrať tie, ktorých sa zúčastnia.
Študenti si vyskúšajú kognitívne a psychologické experimenty z pozície participantov. Budú mať možnosť nahliadnuť do rôznych typov metodológie a zároveň dostanú spätnú väzbu vo forme vysvetlenia (tzv. debriefingu), čo sa v jednotlivých experimentoch testovalo, ako boli operacionalizované jednotlivé kognitívne alebo psychologické koncepty, a prečo. Osobná účasť v jednotlivých výskumoch pomôže pri lepšom porozumení metodológie empirických vied.
Gravetter, F. J., & Forzano, L. B. (2018). Research Methods for the Behavioral Sciences. Boston: Cengage Learning, Inc.
Harris, P. (2008). Designing and reporting experiments in psychology. Berkshire: McGraw-Hill.
Morling, B. (2018). Research Methods in Psychology. London: W. W. Norton & Company, Inc.
Na získanie hodnotenia musia študenti absolvovať 20 hodín účasti na empirických výskumoch, ktoré budú buď online, alebo v laboratóriu (účasť na výskume v laboratóriu sa započítava ako dve hodiny).
slovenský jazyk
Výskumy budú prebiehať počas celého semestra, študenti si z veľkého počtu výskumov budú môcť vybrať tie, ktorých sa zúčastnia.
Študenti si vyskúšajú kognitívne a psychologické experimenty z pozície participantov. Budú mať možnosť nahliadnuť do rôznych typov metodológie a zároveň dostanú spätnú väzbu vo forme vysvetlenia (tzv. debriefingu), čo sa v jednotlivých experimentoch testovalo, ako boli operacionalizované jednotlivé kognitívne alebo psychologické koncepty, a prečo. Osobná účasť v jednotlivých výskumoch pomôže pri lepšom porozumení metodológie empirických vied.
2/1 (prednáška / individuálna práca)
Clark, Timothy R., et al. Business Model Generation. Wiley, 2010
Podmienkou pripustenia ku skúške je aktívna účasť na výučbe v rozsahu minimálne 80%.
Záverečné hodnotenie pozostáva z prezentácie semestrálneho projektu. Na úspešné absolvovanie predmetu je potrebné dosiahnuť minimálne 50% z celkového hodnotenia.
slovenský
1. Význam komercializácie vedeckého výskumu.
2. Základy podnikania a startup terminológie.
3. Identifikácia problémov a potrieb zákazníkov (design thinking).
4. Transfer technológií. Úrovne pripravenosti technológie (TRL).
5. Duševné vlastníctvo a jeho ochrana.
6. Trh, zákazník a trhový potenciál technologického riešenia.
7. Štruktúra biznisového modelu (Business Model Canvas). Výnosové modely.
8. Zdroje financovania technologických projektov.
9. Prezentácia projektu (pitching) a komunikácia riešenia.
10. Základy manažmentu a vedenia tímu.
11. Podporné a inkubačné prostredie pre inovácie na národnej a medzinárodnej úrovni.
0/100
Po absolvovaní predmetu študent vie opísať možnosti komercializácie prírodovedného a technického výskumu. Dokáže identifikovať potreby trhu, posúdiť trhový potenciál technologického riešenia a orientuje sa v základnej terminológii podnikania, transferu technológií a ochrany duševného vlastníctva. Rozumie základnej štruktúre biznisového plánu a hlavným spôsobom financovania technologických projektov. Pozná základné princípy komunikácie, tímovej spolupráce a vedenia tímu a dokáže ich primerane uplatniť pri riešení projektu a jeho prezentácii.
Prostredníctvom športu účinne pôsobiť na zlepšenie telesnej zdatnosti, zdravotného stavu a športovej výkonnosti študentov.
slovenský, anglický
V kolektívnych hrách zdokonaľovanie herných útočných a obranných kombinácií. V individuálnych športoch nácvik takticko-technických prvkov. Kompenzačné cvičenia na odstraňovanie chybného držania tela. Strečing. Pravidlá súťaží v športovej špecializácii.
100/0
Posilniť procesuálnu stránku školskéhošportu s akcentom na zdravotný a psychologický význam. Zvýšenie telesnej kondície študentov.
slovenský, anglický
Športová príprava na Majstrovstvá fakulty vo vybranom športe s upravenými pravidlami. Výber športovo nadaných študentov do družstiev Fakultnej športovej ligy, Vysokoškolskej ligy bratislavských fakúlt a účasť na športových podujatiach fakulty a univerzity.
100/0