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.
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
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.
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.
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.
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. 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.
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.
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
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.
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.
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.
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.
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.
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.
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