J.E. Hopcroft, R.Motwani, J.D. Ullman: Introduction to automata theory, languages, and computation, Addison-Wesley, 2001.
J. Shallit: A second course in formal languages and automata theory, Cambridge University press, 2009.
M. Sipser: Introduction to the theory of computation, Thomson Course Technology, 2006.
Písomný test zameraný na príklady z oblasti konštrukcie konečnostavovývh automatov a ich optimalizácie, počas cvičení v prebehu semestra.
Písomná závečná skúška. Do celkového hodnotenia sa zohľadňuje aj výsledok písomného testu z cvičení počas semestra (30% váhou do váženého priemeru).
Slovenský alebo anglický
Obsahové prerekvizity: Základné pojmy z matematickej logiky -dôkaz sporom, dôkaz matematickou indukciou. Základné pojmy z teórie množín -prienik, zjednotenie, doplnok, kartézsky súčin, potenčná množina. Základné pojmy z teórie vyčísliteľnosti -rekurzívna funkcia, čiastočne rekurzívna funkcia, Turingov stroj, a ich vlastnosti
1: Chomského hierarchia gramatík: abeceda, symbol (znak, písmeno), tranzitívny uzáver, slovo (reťazec), prázdne slovo (prázdny reťazec), dĺžka slova, zreťazenie, jazyk, gramatika, neterminálový symbol, terminálový symbol, počiatočný neterminál (štartovací symbol), gramatické pravidlo, krok odvodenia, jazyk generovaný gramatikou, Chomského hierarchia gramatík - frázové, kontextové, bezkontextové, regulárne
2: Deterministické konečnostavové automaty: konečnostavový automat, stav, vstupný symbol, výstupný symbol, počiatočný stav, prechodová funkcia, výstupná funkcia, príklady automatov a ich grafická reprezentácia, zovšeobecnená prechodová a výstupná funkcia, ich základné vlastnosti
3: Redukcia automatov I: ekvivalentné automaty, minimálny (optimálny) automat, dosiahnuteľný stav, vlastnosti dosiahnuteľných stavov, odstraňovanie nedosiahnuteľných stavov
4: Redukcia automatov II: ekvivalentné stavy, k-ekvivalentné stavy, vlastnosti ekvivalencie a k-ekvivalencie, vzťah medzi k-ekvivalenciou a (k+1)-ekvivalenciou, rozklad množiny stavov na triedy ekvivalentných stavov, odstraňovanie ekvivalentných stavov
5: Redukcia automatov III: dôkaz korektnosti, jednoznačnosti, a optimálnosti redukovaného automatu, testovanie ekvivalencie dvoch automatov
6: Deterministické konečnostavové akceptory: základné definície, jazyk rozpoznávaný konečnostavovým akceptorom, spoločné vlastnosti akceptorov a automatov s výstupom, minimalizácia konečnostavového akceptora
7: Operácie s regulárnymi jazykmi: doplnok, prienik, zjednotenie, rozdiel, symetrický rozdiel, testovanie prázdnosti, inklúzie, rovnosti, a disjunktnosti pre regulárne jazyky
8: Nedeterministické konečnostavové akceptory: definícia, prechodová funkcia, jazyk rozpoznávaný nedeterminisickým akceptorom, odstraňovanie nedeterminizmu
9: epsilon-akceptory: definícia, vlastnosti, odstraňovanie epsilon-prechodov
10: Regulárne gramatiky: regulárna gramatika, rozšírená regulárna gramatika, transformácia akceptora na regulárnu gramatiku, transformácia rozšírenej regulárnej gramatiky na epsilon-akceptor
11: Regulárne výrazy I: základné vlastnosti, transformácia regulárneho výrazu na epsilon-akceptor
12: Regulárne výrazy II: regulárne rovnice, povolené algebrické manipulácie s regulárnymi výrazmi, riešenie rovnice s jednou neznámou, riešenie sústavy regulárnych rovníc, transformácia akceptora na regulárny výraz
13: Ďalšie konštrukcie: prehľad konverzií medzi rôznymi reprezentáciami, príklad priamočiarej transformácie gramatiky na regulárny výraz, uzavretosť triedy regulárnych jazykov na ďalšie jazykové operácie - zreťazenie a iterácia, zrkadlový obraz
14: Ďalšie operácie: homomorfizmus a inverzný homomorfizmus, bezkontextový jazyk, ktorý nie je regulárny
Základné poznatky z oblasti formálnych jazykov a gramatík.
Poznatky o problematike regulárnych jazykov, problematike konštrukcie konečnostavových automatov a akceptorov, ako aj ich transformácii na optimálny tvar.
Poznatky o konštrukcii efektívnych algoritmov pre spracovávanie a vyhľadávanie textových informácií.
1) LPIC-1 Exam 102. LPI [online]. Canada: The Linux Professional Institute, 2021 [cit. 2021-9-22]. Dostupné z: https://learning.lpi.org/en/learning¬-materials/102-500/,
2) Linux - Dokumentační projekt [online]. 4. Praha: Computer Press, 2007 [cit. 2021-9-22]. Dostupné z: https://i.iinfo.cz/files/root/k/LDP_4.pdf,
3) The LPIC2 Exam Prep [online]. Sue B.V. - Open Sourced, 2021 [cit. 2021-9-26]. Dostupné z: https://lpic2book.github.io/src/
Podmienkou absolvovania predmetu je úspešné vypracovanie projektu zameraného na konfiguráciu sieťových služieb.
Slovenský alebo anglický.
Obsahové prerekvizity: porozumenie základným konceptom operačných systémov, počítačových sietí, základná znalosť Linuxového shellu (napr. Bash) a Powershellu.
Kurz nie je organizovaný každý rok.
1) Manažment operačného systému Linux (základné systémové nástroje na riešenie problémov, štart systému, konfigurácia siete),
2) Súborové systémy (všeobecný pohľad, RAID, LVM),
3) Správa kontajnerov (docker)
4) Webhostingové služby I. (základný koncept, APACHE),
5) Webhostingové služby II. (SQL, HTTPS, bezpečnosť, NGINX),
6) Súborové služby (SAMBA, NFS, FTP),
7) Virtualizačné platformy (VMware, Proxmox)
8) Manažment lokálnej počítačovej siete (smerovanie, DHCP, FW),
9) Automatizácia manažmentu vzdialených zariadení (Ansible)
10) VPN, SSH a Proxy
11) Správa operačného systému Windows a Windows domény
12) Jadro operačného systému Linux,
13) Logovanie v OS Linux a OS Windows
Výsledkom vzdelávania je pochopenie teoretického a praktického pozadia operačných systémov Windows a Linux a vybraných sieťových služieb.
1, Laaksonen A.: Guide to Competitive Programming: Learning and Improving Algorithms Through Contests (Undergraduate Topics in Computer Science), Springer, 2017, ISBN 978-3319725468
2, Forišek M., Steinová M.: Explaining Algorithms Using Metaphors. Springer Briefs in Computer Science, Springer (2013), ISBN 978-1-4471-5018-3
3, R. Sedgewick, K. Wayne: Algorithms (4th Edition), Addison-Wesley Professional, 2011, ISBN 978-0321573513, http://algs4.cs.princeton.edu/home/
4, Open Data Structures: http://opendatastructures.org/
Aktivita na cvičeniach, domáce zadania, priebežný test.
Záverečná praktická a písomná skúška.
Slovenský alebo anglický.
Asymptotická časová a pamäťová zložitosť algoritmov. Hlavná veta. Amortizovaná zložitosť.
Riešenie hrubou silou. Backtrack. Rozdeľuj a panuj. Dynamické programovanie. Porovnávacie algoritmy usporiadania. Usporiadanie bez porovnávania. Zametanie. Algoritmy z teórie grafov.
Štruktúry údajov – rad, zásobník, prioritný rad, halda, prefixový súčet, binárne vyhľadávacie stromy, intervalový strom, union&find, písmenkový strom.
https://ics.upjs.sk/~rkb/?cmd=asu1
Pochopiť a naučiť sa základné dizajnové paradigmy programovania a dátové štruktúry. Analyzovať výpočtovú zložitosť na týchto algoritmoch.
1. BERMAN,G.P., DOOLEN,G.D., MAINIERI, R., TSIFRINOVIC, V.I. Introduction to Quantum Computers. World Scientific, 2003.
2. GRUSKA, J. Quantum Computing. McGraw-Hill, 1999.
3. JOHNSON, G. Zkratka napříč časem. Argo a Dokořán Praha, 2004.
4. KITAEV, A.Y., SHEN, A.H., VYALYI, M.N. Classical and Quantum Computation. American Mathematical Society, 2002.
5. NIELSEN, M.A., CHUANG, I.L. Quantum Computation and Quantum Information. Cambridge University Press, 2000.
6. HIRVENSALO, M., Quantum Computing, Springer 2004
Úspešné absolvovanie predmetu je podmienené náležitým osvojením si základných pojmov, algoritmov a modelov a preukázaním schopností ich tvorivo aplikovať. Osvojenie si vedomostí prebieha:
- priebežne počas semestra formou čiastkových zadaní,
- písomným testom počas semestra,
- písomným testom na skúške,
- ústnou skúškou.
Na získanie hodnotenia je potrebné získať aspoň 50% bodov z každej z troch častí (zadania počas semestra, písomná časť skúšky, ústna časť skúšky). Podrobný spôsob hodnotenia je zverejnený v AIS.
Slovenský alebo anglický.
Obsahové prerekvizity:
Základy lineárnej algebry, teória grúp, teória pravdepodobnosti, teória algoritmov. Vhodným doplnkom je predmet Úvod do kvantových počítačov.
1. Úvod do kvantového kvantových počítačov. Základy klasickej teórie zložitosti.
2. Boolovské okruhy a ich základné vlastnosti.
3. Pravdepodobnostné algoritmy.
4. Trieda BPP a testovanie pravdepodobnosti.
5. Základné vlastnosti okruhov a Fermatov test.
6. Miller - Rabinov test a postavenie triedy BPP v hierarchii zložitostných modelov.
7. Úvod do kvantového počítania a matematické základy kvantovej teórie.
8. Spektrálna reprezentácia samo-adjungovaných operátorov.
9. Kvantové stavy a Hilbertove vektorové priestory.
10. Základné kvantové operátory a základné kvantové algoritmy.
11. Kvantová teleportácia, superhusté kódovanie a Groverov algoritmus.
12. Fourierova transformácia.
13. Shorov algoritmus.
Absolvovaním predmetu študent získa:
- vedomosti o klasifikácii a dizajne pravdepodobnostných algoritmov,
- základné vedomosti o princípoch kvantových počítačov a ich odlišnostiach voči klasickým výpočtovým modelom,
- vedomosti a zručnosti o dizajne a fungovaní kvantových výpočtov a oboznámi sa s najznámejšími algoritmami,
- základné zručnosti z programovania kvantového počítača.
1. PAAR, Ch., PELZL, J.: Understanding Cryptography, Springer 2010.
2. STINSON, D. R.. PATERSON, M. B.: Cryptography: Theory and Practie. CRC Press, 2018.
3. MAO, W. Modern Cryptography: Theory and Practice. Prentice Hall, 2003.
4. MENEZES, A., OORSCHOT, P. van, VANSTONE, S.: Handbook of Applied Cryptography. CRC Press, 1996.
5. SCHNEIER, B.: Applied Cryptography, 20th Edition, John Wiley & Sons Inc., 2015
Aktivita na cvičeniach, domáce zadania, priebežný test.
Zaverečný test, ústná skúška.
Slovenský alebo anglický.
Obsahové prerekvizity: základy algebry a teórie čísel, základy programovania
1. Kryptografický systém, klasické substitučné šifry, možnosti kryptoanalýzy.
2. Kryptografické modely, Kerckhoffsove zásady, metódy kryptoanalýzy, polyalfabetické šifry, šifrovacie stroje.
3. Bezpodmienečná a výpočtová bezpečnosť, prúdové šifry a ich kryptoanalýza.
4. Transpozičné šifry, konfúzno-difúzne postupy, blokové šifry, Feistelova schéma, DES a 3DES, princípy diferenčnej a lineárnej kryptoanalýzy.
5. Bloková šifra AES, IDEA, úrovne bezpečnosti, režimy využitia pri prenose dát.
6. Princíp asymetrickej kryptografie, jednosmerné funkcie, rýchle modulárne umocňovanie, systém RSA, možnosti kryptoanalýzy.
7. Rozklady na prvočísla, hľadanie veľkých prvočísel, kvadratické rezíduá, problém celočíselného logaritmu, Elgamalov kryptosystém.
8. Asymetrická kryptografia pomocou eliptických kriviek, princípy postkvantovej kryptografie.
9. Kryptografické hašovacie funkcie, silná a slabá odolnosť proti kolízii, MDC funkcie SHA, SHA3, kľúčované hašovacie funkcie MAC, autentifikácia správ.
10. Nepopierateľnosť správ - digitálny podpis, redundančné funkcie pre podpis RSA, podpis ECC, štandard DSS a ECDSA algoritmy, Merkleho podpisovacia schéma, blokové reťazce.
11. Spôsoby autentifikácie subjektov, bezpečnosť hesiel, metódy silnej autentifikácie, autentifikačné protokoly a možné útoky, zdieľanie tajomstva a rozdelenie zodpovednosti.
12. Správa kryptografických systémov, dohody na kľúči, Diffie-Hellmanova výmena, správa kľúčov pomocou dôveryhodných centier, systém Kerberos.
13. Správa dôvery pre asymetrickú kryptografiu, certifikácia verejných kľúčov, certifikačné autority, PKI, bezpečnostné prvky protokolov TLS, IPsec.
https://ics.upjs.sk/~jirasek/krs/
Osvojiť si základné algoritmy symetrickej a asymetrickej kryptografie, vedieť ich implementovať a porozumieť možnostiam kryptoanalýzy. Vedieť aplikovať kryptografické systémy v autentifikačných a identifikačných postupoch. Pochopiť metódy a bezpečnostné riziká generovania a distribúcie kryptografických kľúčov, vedieť posúdiť bezpečnosť komunikačných protokolov a implementovať a využívať certifikačné postupy.
https://ics.upjs.sk/~krajci/skola/vyucba/ucebneTexty/LAD-presentation.pdf
V dostatočnej miere zvládnuté základné pojmy
Slovenský
1.-3. Základné pojmy logiky – symbol, term, formula, interpretácia
4. Formalizácia tabuľky a databázy
5. Konjunktívne dopyty
6. Konjunktívny kalkulus
7. Vzťah konjunktívneho kalkulu a konjunktívnych dopytov
8.-10. Relačná algebra
11.-12. Vzťahy rôznych modelov databáz
Schopnosť korektne formalizovať databázy.
Výučba prebieha prezenčnou formou prostredníctvom seminárov, projektových aktivít a samostatnej práce na referátoch a projektových zadaniach. Súčasťou výučby sú interaktívne diskusie, skupinová práca a bádateľsky orientované riešenie problémov, ktoré podporujú aktívne zapojenie študentov do procesu učenia.
Celková očakávaná pracovná záťaž študenta je 100 hodín, z toho:
42 hodín tvorí prezenčná výučba (semináre a projektové aktivity),
58 hodín predstavuje samostatná práca študenta (štúdium, príprava referátov, riešenie projektových úloh, príprava na hodnotenie).
1. I. Sommerville, Software Engineering, 10th ed. London: Pearson, 2015.
2. S. Cook et al., Unified Modeling Language (UML) Version 2.5.1. Standard. Object Management Group (OMG), December 2017. Dostupné online: https://www.omg.org/spec/UML/2.5.1
3. Free Online Courses and Resources Every Software Engineer Needs. Dostupné online: https://www.indeed.com/career-advice/news/software-engineer-free-online-courses-resources.
4. Weske, M. Business Process Management, Springer 2007
5. White S.A., Miers D., Fischer L., BPMN Modeling and Reference Guide, Future Strategies Inc., Lighthouse Pt 2008
6. White:, S.A. Process Modeling Notations and Workflow Patterns, Dostupné online http://www.omg.org/bp‑corner/bp‑files/Process_Modeling_Notations.pdf.
7. Object Management Group. Business Process Model and Notation (BPMN), Version 2.0.2. December 2013. Dostupné online: https://www.omg.org/spec/BPMN/2.0.2/PDF/
Hodnotenie predmetu e založené na hodnotení čiastkových úloh v rámci riešenia semestrálneho projektu a pridelených referátov.
V rámci jednotlivých úloh musí študent(ka) preukázať schopnosť orientovať sa v preberanej problematike, zvládnutie teoretických základov modelovania, základných zručností pre tvorbu a interpretáciu softvérových modelov.
Hodnotenie je udelené, ak študent získa aspoň 50% možných bodov. Podrobné požiadavky sú uvedené v AIS.
Slovenský a anglický jazyk.
Obsahové prerekvizity:
programovanie, základy softvérového inžinierstva, základy databázových systémov, základy projektového manažmentu
1. Evolúcia architektúry softvérových systémov. Analýza zadania a formalizácia vstupov pre SW systém.
2. Model, metamodel, modelovací jazyk. Transformácia medzi modelmi.
3. Zber požiadaviek a analýza systému. Use Case diagram. Diagram aktivít. Procesný model.
4.-5. Petriho siete.
6. Orchestrácia v procesnom modelovaní.
7. Choreografia v procesnom modelovaní.
8. Diagram tried a objektový diagram.
9. Sekvenčný diagram a komunikačný diagram.
10. Stavový diagram a pokročilé možnosti procesného modelovania.
11. Architektúra a nasadenie. Diagram komponentov a diagram nasadenia.
12. Testovanie a dokumentácia. Diagram balíkov.
13. Modelovo riadený vývoj (MDA) a modelovo riadená architektúra (MDA). Procesná automatizácia.
Absolvovaním predmetu študent:
- získa poznatky o teoretických východiskách a základoch modelovania SW systémov najmä pomocou UML a BPMN,
- zvládne základné princípy tvorby dynamických a statistických modeloch SW systémov,
- oboznámi sa so štandardnými jazykmi na modelovanie SW systémov,
- získa praktické skúsenosti s tvorbou modelov pomocou vybraných modelovacích nástrojov,
- ziska poznatky o ďalších vybraných oblastiach softvérového inžinierstva.
1. Wallisch P, et al. MATLAB for Neuroscientists: An Introduction to Scientific Computing in MATLAB. Academic Press 2008. ISBN-13: 978-0123838360
2. Stork D, Yom-Tow E: Computer Manual in MATLAB to accompany Pattern Classification, 2nd Edition, Wiley, 2004 ISBN-13: 978-0471429777
3. Dayan P and LF Abbott: Theoretical Neuroscience - Computational and Mathematical
Modeling of Neural Systems. MIT Press, 2005 ISBN-13: 978-0262541855
Písomné testy, klasifikovaný zápočet.
slovencina alebo anglictina
Obsahové prerekvizity: základy programovania
1. Úvod do MATLABu:
2. navigácia a interakcia, premenné, vektory, matice, operátory, skripty, funkcie, toolboxy.
3. Skripty pre interakciu s človekom pri behaviorálnych experimentoch.
4. Generovanie vizuálnych a sluchových stimulov.
5. Analyza a vizualizácia behaviorálnych dat
6. Analyza neurofyziologických dat
7. Analyza neuroimaging (fMRI, EEG, MEG) dát.
8. Kognitívne a neurálne modelovanie v MATLABe.
9. Nastroje pre sluchove modelovanie
10. Nastroje pre zrakove modelovanie
11. Nastroje pre modelovanie ucenia
12. Nastroje pre psychologicke experimenty
https://pcl.upjs.sk/mtl/
Úvod do programovania v MATLABe s dorazom na použitie v neurálnej a kognitívnej vede.
1. AGGARWAL, Charu C. Data mining: a textbook. Cham: Springer, 2015. ISBN 978-3-319-14141-1. 2. ALPAYDIN, Ethem. Introduction to machine learning. 3rd ed. Massachusetts: MIT Press, 2014. ISBN 978-0-262-02818-9. 3. RASCHKA, Sebastian, Mirjalili, Vahid. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition, Packt Publishing Ltd., 2019. ISBN 978-1789955750. 4. WITTEN, I. H., Eibe FRANK a Mark A. HALL. Data mining: practical machine learning tools and techniques. 4th ed. Amsterdam: Morgan Kaufmann, 2017. Morgan Kaufman series in data management systems. ISBN 9780128042915. 5. Študijná literatúra s ohľadom na vybraný projekt.
Aktívna prezentácia výsledkov záverečného projektu v oblasti analýzy údajov a témy záverečnej práce. Prezentácia výsledkov z publikovaných zahraničných odborných prác.
slovenský alebo anglický
1. - 2. Fázy projektov analýzy údajov a vybrané základné pojmy 3. - 4. Výber a špecifikácia projektov dátovej analýzy 5. - 7. Vybrané metódy analýzy údajov 8. - 11. Konzultácie k projektom dátovej analýzy a záverečným prácam 12. - 13. Aplikácie metód analýzy údajov v rôznych oblastiach
Poznatky a zručnosti spojené s fázami dátovej analýzy a ich využití pri riešení konkrétnych úloh. Poznatky o vybraných postupoch v oblasti dátovej analýzy, strojového učenia a umelej inteligencie. Rozvoj porozumenia odborného textu v oblasti analýzy údajov a jeho interpretácie.
1. J. JáJá: An Introduction to Parallel Algorithms, Addison-Wesley, 1992, ISBN 0-201-54856-9
2. P. Sanders, K. Mehlhorn, M. Dietzfelbinger, R. Dementiev: Sequential and Parallel Algorithms and Data Structures, Springer, 2019
3. Sukumar Ghosh: Distributed Systems and Algorithms (Second Edition), CRC Press 2014
4. M. Raynal: Distributed Algorithms for Message-Passing Systems, Springer, 2013
5. Gerard Tel: Introduction to Distributed Algorithms, Cambridge University Press, 2001
Domáce zadania, polsemestrálny test, praktický projekt.
Záverečný test, ústna skúška.
Slovenský alebo anglický.
Obsahové prerekvizity:základy konkurentného programovania, základy princípov operačných systémov
1. Konkurentný, paralelný a distribuovaný výpočtový model. Problémy konkurencie procesov vo viacúlohových systémoch, riešenie problémov vzájomného vylúčenia a uviaznutia.
2. Paralelný výpočtový model, prístup do spoločnej pamäte, binárna redukcia, prefixové súčty, škálovanie, cena a efektivita výpočtu, Amdahlov a Gustafsonov zákon.
3. Paralelné výpočty v konštantnom čase, odmocninová redukcia, dvojlogaritmický strom, rank, paralelné zlučovanie vyhľadávaním, work-time zápis, optimalita algoritmu.
4. Bitonické zlučovanie, even-odd zlučovanie, sortovacie siete, pointer jumping, akcelerované kaskádovanie.
5. Tutoriál z programovania GPU.
6. Model distribuovaného výpočtu, spôsoby prenosu správ, komunikačná zložitosť, voľba koordinátora, šírenie správ záplavou.
7. Komunikácia vlnou s odpoveďou, špecifiká šírenia správ v neacyklickej sieti, minimálne kostry, najkratšie cesty, smerovacie algoritmy.
8. Tutoriál z práce v prostredí MPI.
9. Synchronizácia času, aktuálny obraz systému, detekcia ukončenia výpočtu.
10. Riešenie problému vzájomného vylúčenia v distribuovanom systéme, detekcia a prevencia uviaznutia.
11. Tutoriál z distribuovaného spracovania veľkých dát v prostredí Apache SPARK.
12. Tolerancia chýb v nespoľahlivom prostredí, distribuovaný konsenzus, distribúcia a prístup k objektom, transakcie, sociálne siete.
Pochopiť princípy, základné problémy a algoritmy paralelného programovania. Vedieť implementovať synchronizačné postupy a riadiť a využívať medziprocesovú komunikáciu. Ovládať základy programovania v prostredí GPU. Chápať rozdiely medzi paralelným a distribuovaným výpočtovým modelom a poznať ich výhody a nevýhody. Ovládať základné distribuované algoritmy a vedieť ich implementovať. Porozumieť problémom tvorby distribuovaného systémového prostredia a vedieť ich riešiť. Vedieť využívať distribuované nadstavby v praktických aplikáciách.
PILGRIM, Mark, 2011. Ponořme se do Pythonu(u) 3 [online]. Praha: CZ.NIC, z. s. p. o. ISBN 978-80-904248-2-1. Dostupné na: https://www.nic.cz/files/edice/python_3.pdf
PIRNAT, Mike, 2015. How to Make Mistakes in Python [online]. Boston: O’Reilly Media. ISBN 978-1-4919-3447-0. Dostupné na: https://www.dbooks.org/how-to-make-mistakes-in-python-1491934476/
STACK OVERFLOW CONTRIBUTORS, 2018. Python® Notes for Professionals [online]. B.m.: GoalKicker. Dostupné na: https://books.goalkicker.com/PythonBook/PythonNotesForProfessionals.pdf
ROSEMAN, Mark, 2024. Modern Tk Best Practices [online]. 2024. Dostupné na: https://tkdocs.com/
Minimálne 50 % bodov z priebežného hodnotenia.
Minimálne 50 % bodov z praktického testu v polovici semestra a z praktickej skúšky.
Slovenský jazyk, znalosť anglického jazyka je potrebná iba pre čítanie dokumentácie jazyka Python.
1. Úvod do prostredia, základné vlastnosti jazyka Python, jednoduché a štruktúrované dátové typy.
2. Vstup, výstup, definícia funkcií, lambda funkcia, generátorová notácia, funkcia ako parameter, formátovanie reťazcov.
3. Riadiace štruktúry, iterovanie cez dátové štruktúry, kontext manažér.
4. Odchytávanie a generovanie výnimiek. Filozofia výnimiek v Pythone.
5. Práca so súbormi. Serializácia a deserializácia dát - protokol json a pickle. Textové a binárne súbory. Manipulácia so súbormi. Otvorené dáta.
6. Objektové programovanie 1. Návrh vlastných tried, špeciálne metódy, property, filozofia prístupu k metódam a atribútom.
7. Objektové programovanie 2. Porovnanie a rozdiely s jazykom Java. Viacnásobná dedičnosť.
8. Preťažovanie metód. Statické metódy, abstraktné triedy, dátová trieda.
9. Dekorátory, memoizácia, moduly, balíčky.
10. Kontrola správnosti kódu (debuggovanie), testovanie (doctest, unittest), testami riadený vývoj.
11. Paralelné výpočty, procesy, spúšťanie procesov a komunikácia medzi procesmi (zdieľaná premenná, pipe, queue).
12. Návrh a implementácia grafického rozhrania programu.
https://lms.upjs.sk/course/view.php?id=1403
prihlasovací kľúč do kurzu: pppy-22
Implementovať riešenie vybraných problémov v jazyku Python využitím dostupných modulov. Použiť a implementovať netriviálne algoritmy pri riešení vybraných problémov. Používať objektový prístup pri riešení problémov. Objektovo programovať v jazyku Python využitím špecifík jazyka Python. Testovať programy. Implementovať paralelné výpočty.
Zdroje informácií sú závislé na vybranom projekte.
Aktívna participácia na projekte. Zúčastňovanie sa na pravidelných stretnutiach projektového tímu. Prezentácia dosiahnutých výsledkov pri riešení konkrétneho problému. Odovzdanie softvérového diela. Príprava materiálov na spropagovanie výsledného diela.
Slovenský alebo anglický.
Obsahové prerekvizity:
pokročilé programátorské skúsenosti
Predmet sa realizuje ako súčasť Živých projektov v splupráci s Technickou univerzitou v Košiciach a viacerými softvérovými firmami. Práca v 4-5 člennom tíme na vývoji, odtestovaní a prezenetácii softvérového produktu pod vedením mentora z univerzity alebo softvérovej firmy.
1. Začiatkom októbra sa koná kreovanie tímov a výber projektu
2. Študenti sa na týždennej báze stretávajú s mentorom projektu a priebežne sa venujú tvorbe softvérového produktu
3. Zhruba v polovici januára študenti odovzdávajú video s krátkou prezentáciou projektu
4. Na začiatku februára prebieha prezentácia projektov. Tie najlepšie tímy sú ohodnotené vecnými cenami.
Osvojiť si spôsob práce nad väčším softwarovým dielom vo všetkých fázach jeho životného cyklu. Vedieť analyzovať a explicitne vyjadrovať požiadavky používateľa, presne úlohu vyšpecifikovať, navrhnúť riešenie a vyhodnotiť alternatívy. Efektívne a korektne navrhnuté riešenie implementovať a otestovať. Naučiť sa viesť podrobnú dokumentáciu a prezentovať výsledky práce písomne i verejným vystúpením. Naučiť sa spolupracovať vo vývojovom kolektíve, efektívne si deliť prácu a vymieňať nápady.
[1] Watt, J., Borhani, R., Katsaggelos, A.K.: Machine learning refined: foundations, algorithms, and applications. Cambridge: Cambridge University Press, 2016.
[2] Zhao, Y., Cen, Y.: Data Mining Applications with R. Elsevier Inc. 2014.
[3] Han, J. and Kamber, M.: Data Mining Concepts and Techniques. 3rd Edition, Morgan Kaufmann, Burlington, 2011.
[4] Witten, I.E., Frank, E.: Data Mining: Practical Machine Learning Tools and Techniques, Elsevier, 2005.
Spracovanie projektu zameraného na prípadové štúdie dolovania údajov.
Úspešné absolvovanie písomnej a ústnej časti skúšky zameranej na prípadové štúdie dolovania údajov.
Slovenský alebo anglický
1. Základné pojmy v data miningu
2. Príprava dát v data miningu
3. Metódy a algoritmy dolovania údajov
4. Metódy a algoritmy dolovania údajov II
5. Extrakcia znalostí z veľkých objemov dát
6. Analýza prípadových štúdií pomocou metód dolovania údajov v rôznych aplikačných oblastiach
7. Analýza prípadových štúdií pomocou metód dolovania údajov v rôznych aplikačných oblastiach II
8. Aplikácia metód na automatizovanú analýzu veľkých objemov dát
9. Riešenie praktických úloh pomocou vhodných softvérových nástrojov
10. Riešenie praktických úloh pomocou vhodných softvérových nástrojov II
11. Riešenie praktických úloh pomocou vhodných softvérových nástrojov III
12. Testovanie algoritmov dolovania údajov
13. Testovanie algoritmov dolovania dát II
Riešenie praktických úloh v oblasti dolovania údajov. Orientácia v základných pojmoch dolovania údajov. Znalosť metód dolovania údajov.
1. KUROSE, James F. - Keith W. ROSS. Computer networking: a top-down approach. Seventh edition. Essex: Pearson, [2017]. ISBN 978-1-292-15359-9.
2. TANENBAUM, Andrew S. - FEAMSTER Nick - WETHERALL David J. Compuetr Networks, 6th Edition, Pearson, [2021]. ISBN 978-0-135-40798-1.
Aktivita na cvičeniach (max 18 bodov), domáce zadania (max 18 bodov), priebežný test (max 30 bodov).
Ústná skúška (min 25 bodov, max 50 bodov). Na absolvovanie predmetu je potrebných min. 55 bodov.
Slovenský alebo anglický.
Obsahové prerekvizity: základy programovania v jazyku Java
1. Úvod do počítačových sietí, spôsoby pripojenia k internetu, straty a zdržania paketov, referenčný model TCP/IP a rodina protokolov TCP/IP
2. Aplikačná vrstva: aplikačné protokoly, Web a HTTP, protokol FTP, e-maily a SMTP, POP3, IMAP
3. Aplikačná vrstva: doménové mená a DNS, Peer-to-peer aplikácie, úvod do bezpečnosti počítačových sietí
4. Transportná vrstva: UDP, úvod do potvrdzovaného prenosu dát
5. Transportná vrstva: TCP, nadviazanie a ukončenie spojenia, potvrdzovaný prenos dát, kontrola toku dát, kontrola zahltenia, spravodlivosť rozdelenia pásma
6. Sieťová vrstva - Virtuálne okruhy vs. sieť riadená datagramami, internetový protokol IPv4, fragmentácia IP datagramov, smerovacia tabuľka, aplikačný protokol DHCP
7. Sieťová vrstva - preklad adries NAT, protokol ICMP, sieťový protokol IP verzie 6 (IPv6)
8. Sieťová vrstva - princípy smerovacích algoritmov, smerovacie protokoly, broadcast, multicast
9. Spojová vrstva - odhaľovanie chýb, viacnásobný prístup k zdieľanému spoju CSMA/CD and CSMA/CA, MAC adresy, ethernetový rámec 802.3, ARP, RARP
10. Spojová vrstva a bezdrôtový prenos a mobilita - opakovače, prepínače, virtuálne siete VLAN, WiFi 802.11, Bluetooth 802.15, WiMAX 802.16, Mobile IP, mobilita v GSM
11. Fyzická vrstva - digitálny prenos, modulovaný prenos
https://siete.ics.upjs.sk/
Študenti získajú informácie o princípoch a architektúre počítačovej siete Internet. Pochopia princípy vrstvového referenčného modelu ISO OSI pre sieťovú komunikáciu, získajú predhľad o štruktúre vrstiev súčasného Internetu. význam a využitie pojmov protokol, služba, rozhranie. Vedia posúdiť parametre komunikačných kanálov, rozumejú funkcii prepájacích zariadení (opakovačov, mostov, smerovačov, brán). Rozumejú štruktúre IP paketov, adresácii a spôsobu prenášania paketov, princípom smerovacích protokolv a vytvárania smerovacích tabuliek. Rozumejú potvrdzovanému transportnému prenosu protokolom TCP a jeho realizácii. Vedia využívať transportné rozhranie protokolov UDP a TCP v programe. Poznajú základné aplikačné protokoly siete Internet.
BELL, Charles A., 2017. Micropython for the internet of things: a beginner's guide to programming with Python on microcontrollers. New York, NY: Springer Science+Business Media. ISBN 9781484231227.
GUTSCHANK, Jörg et al., 2019. Coding in STEM Education [online]. Berlin: Science on Stage Deutschland e.V., 76 s. [cit. 2021-7-10]. ISBN 978-3-942524-58-2. Dostupné z: https://www.science-on-stage.eu/sites/default/files/material/coding_in_stem_education_en_2nd_edition.pdf
ŠNAJDER, Ľubomír, Gabriela LOVÁSZOVÁ, Viera MICHALIČKOVÁ a Ján GUNIŠ, 2020. Programovanie mobilných zariadení [online]. Bratislava: Centrum vedecko-technických informácií SR, 300 s. [cit. 2020-11-30]. ISBN 978-80-89965-63-2. Dostupné z: https://registracia.itakademia.sk/media/themes/nip-pmz.pdf
WOLBER, David, 2014. App Inventor: Vytvořte si vlastní aplikaci pro Android. Brno: Computer Press. ISBN 978-80-251-4195-3.
LOVÁSZOVÁ, Gabriela, Jana GALBAVÁ, Viera PALMÁROVÁ a Monika TOMCSÁNYIOVÁ, 2010. Ďalšie vzdelávanie učiteľov základných škôl a stredných škôl v predmete informatika: Malé programovacie jazyky. Bratislava: Štátny pedagogický ústav. ISBN 978–80–8118–066–8.
CODE.ORG. Uč sa už dnes a vytvor lepší zajtrajšok.
Code.org [online]. [cit. 2021-7-13]. Dostupné z: https://code.org/
THE LIFELONG KINDERGARTEN GROUP AT MIT MEDIA LAB. Scratch - Imagine, Program, Share [online]. [cit. 2021-7-13]. Dostupné z: https://scratch.mit.edu/
MASSACHUSETTS INSTITUTE OF TECHNOLOGY. MIT App Inventor
Explore MIT App Inventor [online]. [cit. 2021-7-13]. Dostupné z: http://appinventor.mit.edu/
MICRO:BIT EDUCATIONAL FOUNDATION. BBC micro:bit [online]. [cit. 2021-7-13]. Dostupné z: https://microbit.org/
SPY O.Z. Učíme s Hardvérom [online]. [cit. 2021-7-13]. Dostupné z: https://www.ucimeshardverom.sk/
Podmienky priebežného hodnotenia:
1. Edukačný softvér alebo hra naprogramovaná v prostredí Scratch.
2. Vytvorená programátorská etuda pre výučbu programovania v prostredí MIT App Inventor.
3. Edukačný alebo asistenčný softvér naprogramovaný v prostredí MIT App Inventor.
4. Naprogramovaný projekt využívajúci stavebnicu BBC micro:bit.
Podmienky úspešného absolvovania predmetu:
Získanie minimálne 50 % bodov za priebežné zadania.
slovenský alebo anglický
Štandardne sa výučba realizuje prezenčnou formou. Ak to nie je možné (napr. kvôli pandémii), výučba sa realizuje dištančne prostredníctvom videokonferenčných programov a LMS.
1. Vyučovanie algoritmizácie a programovania v základnej a strednej škole - ciele, obsah, učebnice a metodické materiály. Algoritmické počítačové hry.
2. Programovanie v prostredí Scratch.
3. Programovanie v prostredí Scratch.
4. Programovanie v prostredí Scratch.
5. Programovanie mobilných zariadení v prostredí MIT App Inventor.
6. Programovanie mobilných zariadení v prostredí MIT App Inventor.
7. Programovanie mobilných zariadení v prostredí MIT App Inventor.
8. Programovanie mobilných zariadení v prostredí MIT App Inventor.
9. Programovanie mobilných zariadení v prostredí MIT App Inventor.
10. Programovanie stavebníc BBC micro:bit v prostredí MS MakeCode.
11. Programovanie stavebníc BBC micro:bit v prostredí MS MakeCode.
12. Prehľad edukačných programovacích iniciatív a vývojových prostredí.
Študenti po absolvovaní tohto predmetu sú schopní:
a) získať prehľad o edukačných programovacích prostrediach,
b) získať programátorské zručnosti vo vybraných edukačných programovacích prostrediach,
c) rozvinúť schopnosti navrhnúť a naprogramovať edukačný softvér pre zariadenia využívajúci ich senzory a aktuátory.
1. KLEPPMANN, Martin. Designing data-intensive applications: the big ideas behind reliable, scalable, and maintainable systems. Beijing: O'Reilly, 2017. ISBN 978-1-449-37332-0.
2. WHITE, Tom. Hadoop: the definitive guide. 3rd ed. Sebastopol: O'Reilly, 2012. ISBN 978-1-449-31152-0.
3. MARZ, Nathan a James WARREN. Big data: principles and best practices of scalable real-time data systems. Shelter Island, NY: Manning, [2015]. ISBN 978-1-617290-34-3.
4. PENTREATH, Nick. Machine Learning with Spark; Packt Publishing, [2015]. ISBN 978-1-783288-51-9.
Aktívna účasť na cvičeniach, písomka, projekt.
slovenský alebo anglický
Obsahové prerekvizity: základy databáz, programovanie v Pythone
1. Úvod do spracovania veľkých dát. Voľne prístupné datasety.
2. Cloudové prostredie.
3. Distribuované suborové systémy, objektové úložište. Dátové formáty.
4. Škálovateľnosť, hashovanie, sharding dát.
5. Distribuované databázy, kompromisy konzistencie. NoSQL.
6. Dávkové spracovanie dát: MapReduce
7. Dávkové spracovanie dát: Spark I
8. Dávkové spracovanie dát: Spark II
9. Prúdové spracovanie dát: Kafka
10. Prúdové spracovanie dát: Beam
11. Distribuované trénovanie neurónovej siete.
Praktické skúsenosti s používaním moderných systémov pre ukladanie a
spracovanie veľkého množstva dát. Oboznámenie sa s ich architektúrou a
implementáciou.
1. BRIDGES, Douglas. Computability, A Mathematical Sketch book. Springer--Verlag, 1994. ISBN:: 978-0387941745
2. BUKOVSKÝ, Lev. Teória algoritmov, ES UPJŠ, Košice, 1999. ISBN 8070973730
3. MACHTEY, Michael a Paul YOUNG. An Introduction to the General Theory of Algorithms, North--Holland, Amsterdam 1978.
4. KRAJČI, Stanislav. Teória vypočítateľnosti. http://ics.upjs.sk/~krajci/skola/vyucba/ucebneTexty/vypocitatelnost.pdf
Dve písomné práce zamerané na konštukciu Turingových strojov, vytvárajúcich postupností (primitívne) rekurzívnych funkcií, riešenie príkladov. Ústna skúška zameraná na vzťah medzi triedami rekurzívnych a vypočítateľných funkcií, problém zastavenia Turingovho stroja.
Slovenský.
1. Turingove stroje, základné princípy práce Turingovho stroja, formalizácia základných pojmov
2. Posúvanie stavov, skladanie strojov, výpočty na zložených strojoch
3. Úpravy konfigurácie
4. Elementárne Turingove stroje
5. Zloženiny elementárnych Turingových strojov
6. Primitívne rekurzívne funkcie
7. Primitívne rekurzívne predikáty
8. Funkcie a predikáty z teórie čísel
9. Goedelovská aritmetizácia turingovskej vypočítateľnosti
10. Rekurzívne funkcie
11. Vzťah rekurzivity a turingovskej vypočítateľnosti
12. Problém zastavenia Turingovho stroja
https://ics.upjs.sk/~krajci/skola/vyucba/jesen/predmety/TVY.html
Znalosť výpočtového modelu Turingovho stroja, goedelovskej aritmetizácie, vzťahu turingovskej vypočítateľnosti a rekurzivity funkcií.
1. D. E. Knuth, The TeXbook, Computers and Typesetting, Addison-Wesley, Reading, Massachusetts, 1986.
2. M. Doob, Jemný úvod do TeXu, CSTUG, 1990; èeský preklad z "A Gentle Introduction to TeX” (text vo¾ne prístupný v CTAN archíve).
3. O. Ulrych, AMS-TeX za 59 minút, (verzia 1.0), Praha, 1989.
4. J. Chlebíková, AMS-TeX (verzia 2.0), Bratislava, 1992.
5. M. Spivak, The Joy of TeX, Amer. Math. Soc., 1986.
6. L. Lamport, LaTeX: A Document Preparation System, Addison-Wesley, Massachusetts, 1986.
7. L. Lamport, MakeIndex: An index processor for LaTeX, 17 February 1987.
8. J. Rybièka, LaTeX pro začátečníky, Konvoj, Brno, 1995.
9. H. Partl, E. Schlegl, I. Hyna, P. Sýkora, LaTeX – Stručný popis.
10. T. Oetiker, H. Partl, I. Hyna, E. Schlegl, M. Kocer, P. Sýkora, Ne příliš stručný úvod do systému LaTeX2e (neboli LaTeX2e v 73 minutách).
11. M. Goossens, F. Mittelbach, and A. Samarin, The LaTeX Companion, Addison-Wesley, Reading, Massachusetts, 1994. Kapitola 8 je volne prístupná v TeX archívoch (ch8.pdf). 4
12. G. Grätzer, Math into LaTeX, 3rd edition, Birkhäuser, Boston, 2000.
Dostatočná schopnosť správnej hlavne matematickej sadzby.
Slovenský.
1. Princípy sadzby dokumentov obsahujúcich matematické formuly.
2. Sadzba jednoduchého textu, špeciálne textové symboly, používanie textových rezov.
3. Makroinštrukcie v Texu.
4. Číslovanie v texte a poznámky. Nastavenie parametrov určujúcich vzhľad stránok.
5. Sadzba matematických vzorcov v texte a samostatne, vyrovnávanie vzorcov.
6. Vytváranie tabuliek a obrázkov.
7. Definície, vety a dôkazy v matematickom dokumente.
8. Obsah, bibliografia, sekcie dokumentu.
9. Obrázky.
10.-12. Projekt.
https://ics.upjs.sk/~krajci/skola/vyucba/jar/predmety/tex/tex.html
Základné informácie o princípoch sadzby dokumentov obsahujúcich matematické formuly.
1. Poeppel D., Mangun G., Gazzaniga M. (ed.): The Cognitive Neurosciences. 6th ed. MIT Press. 2020. ISBN-13: 978-0262043250
2. Dayan P and LF Abbott: Theoretical Neuroscience - Computational and Mathematical Modeling of Neural Systems. MIT Press, 2005 ISBN-13: 978-0262541855
3. Thagard P: Mind: Introduction to Cognitive Science, 2nd Edition. Bradford Books. ISBN-13 : 978-0262701099
Písomný test v polovici semestra
Záverečná skúška pozostávajúca z písomnej a/alebo ústnej časti
Slovenský alebo anglický.
Obsahové prerekvizity:
algebra, programovanie (Matlab)
1. Úvod do neurálnych a kognitívnych vied
2. Prehľad anatómie a funkcií centrálnej nervovej sústavy (CNS)
3. Metódy štúdia v neurovedách. Senzorické, motorické a asociatívne oblasti mozgu.
4. Neurón: Anatómia a typy, akčný potenciál
5. Šírenie signálov v neuróne, a neurálne kódovanie
6. Synaptický prenos a plasticita - neurálna báza učenia a pamäti
7. Psychológia pamäti a učenia
8. Zrak a videnie: Úvod. Vnímanie jasu, obrysov, farby. Model BCS/FCS. Vnímanie veľkosti a vzdialenosti.
9. Sluch, počutie a sluchová kognícia
10. Jazyk, psycholingvistika, produkcia a vnímanie reči
11. Pozornosť
12. Krosmodálne interakcie (sluch, zrak, hmat).
13. Myslenie a rozhodovanie.
https://pcl.upjs.sk/unv_eng/
Prehľad anatómie, fyziológie, a kognitívnych procesov v ľudskom mozgu s dôrazom na výpočtové aspekty kognície a výpočtové nástroje používané v neurovede.
1. AGGARWAL, Charu C. Neural networks and deep learning: a textbook. Cham: Springer, 2018. ISBN 978-3319944623.
2. KVASNIČKA, Vladimír. Úvod do teórie neurónových sietí. [Slovenská republika]: IRIS, 1997. ISBN 80-88778-30-1.
3. KVASNIČKA, Vladimír. Evolučné algoritmy. Bratislava: Vydavateľstvo STU, 2000. Edícia vysokoškolských učebníc. ISBN 80-227-1377-5.
4. MITCHEL, Melanie. An Introduction to Genetic Algorithms. Cambridge: MIT Press, 2002. ISBN 0-262-63185-7.
5. SINČÁK, Peter, ANDREJKOVÁ, G. Úvod do neurónových sietí, I. diel, Košice: ELFA, 1996. ISBN 808878638X
Podmienkou absolvovania predmetu je spracovanie projektu s aplikáciou neurónových sietí, úspešné absolvovanie dvoch písomných prác v oblasti princípov základných typov neurónových sietí a genetických algoritmov, a tiež úspešné absolvovanie písomnej a ústnej časti skúšky.
Slovenský alebo anglický.
Obsahové prerekvizity:
Základy programovania v jazyku Python, prípadne inom alternatívnom programovacom jazyku vhodnom na analýzu údajov
1. Základná koncepcia vyplývajúca z biológie. Lineárne prahové jednotky, polynomiálne prahové jednotky, funkcie vypočítateľné prahovými jednotkami.
2. Perceptróny. Lineárne separovateľné objekty, adaptačný proces (učenie), konvergencia učiaceho pravidla perceptrónu, perceptróny vyššieho rádu.
3.Dopredné neurónové siete, skryté neuróny, adaptačný proces (učenie), metóda spätného šírenia (backpropagation).
4. Rekurentné neurónové siete. Hopfieldove neurónové siete, vlastnosti, model asociatívnej pamäti, energetická funkcia, učenie, optimalizačné úlohy (problém obchodného cestujúceho).
5. Model postupne vytváranej siete. Sieť ART, architektúra, operácie, inicializačná fáza, rozpoznávacia fáza, vyhľadávacia a adaptačná fáza. Použitie siete ART.
6. Aplikácie študovaných modelov pri riešení úloh z praxe.
7. Písomka I.
8. Motivácia k modelovaniu genetických prvkov. Genetický algoritmus. Aplikácia genetických algoritmov.
9. Genetické programovanie, koreňové stromy, Readov lineárny kód. Základné stochastické optimalizačné algoritmy: slepý algoritmus a horolezecký algoritmus. Metóda zakázaného hľadania.
10. Genetické a evolučné programovanie s typovaním, príklady použitia. Gramatická evolúcia.
11. Špeciálne techniky evolučných výpočtov. Selekčné mechanizmy v evolučných algoritmoch.
12. Použitie genetických algoritmov pri trénovaní neurónových sietí. Umelý život.
13. Písomka II.
Výsledkom vzdelávania je porozumenie základným princípom neurónových sietí a genetických algoritmov. Študent získa schopnosť aplikovať získané poznatky pri inteligentnej dátovej analýze a tiež pracovať s vybraným nástrojom na modelovanie neurónových sietí.
1. AGGARWAL, Charu C. Data mining: a textbook. Cham: Springer, 2015. ISBN 978-3-319-14141-1.
2. ALPAYDIN, Ethem. Introduction to machine learning. 3rd ed. Massachusetts: MIT Press, 2014. ISBN 978-0-262-02818-9.
3. RASCHKA, Sebastian, Mirjalili, Vahid. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition, Packt Publishing Ltd., 2019. ISBN 978-1789955750.
4. WITTEN, I. H., Eibe FRANK a Mark A. HALL. Data mining: practical machine learning tools and techniques. 4th ed. Amsterdam: Morgan Kaufmann, 2017. Morgan Kaufman series in data management systems. ISBN 9780128042915.
Vytvorenie projektu zameraného na aplikácie algoritmov strojového učenia vo vybranej aplikačnej doméne. Priebežná písomná práca zameraná na prípravu, spracovanie a interpretáciu údajov pomocou metód strojového učenia. Úspešné absolvovanie ústnej skúšky zameranej na vybrané metódy strojového učenia.
slovenský alebo anglický
Obsahové prerekvizity:
Základy programovania v jazyku Python, prípadne v inom alternatívnom programovacom jazyku vhodnom na analýzu údajov
1. Základné pojmy strojového učenia.
2. Základné charakteristiky dát, typy atribútov, charakteristiky pre jednotlivé atribúty, závislosť medzi atribútmi.
3. Zdroje dát a ich získavanie. Stanovenie cieľovej úlohy.
4. Príprava a čistenie dát, chýbajúce hodnoty, chybné vstupy.
5. Úlohy klasifikácie.
6. Vybrané metódy klasifikácie.
7. Evaluácia modelov – skutočne pozitívne, falošne pozitívne, skutočne negatívne, falošne negatívne príklady.
8. Ukazovatele presnosti klasifikácie.
9. Analýza zhlukov.
10. Asociačné pravidlá.
11. Úlohy predikcie a vybrané metódy predikcie.
12. Ukazovatele presnosti predikcie.
Teoretické poznatky v rozsahu prednášanej problematiky. Orientácia v základných pojmoch strojového učenia. Znalosť základných algoritmov strojového učenia.
1. J.E. Hopcroft, R.Motwani, J.D. Ullman: Introduction to automata theory, languages, and computation, Addison-Wesley, 2007.
2. M. Sipser: Introduction to the Theory of Computation, Thomson, 2nd edition, 2006.
3. L.A.Hemaspaandra, M.Ogihara: Complexity theory companion, EATCS series, texts in computer science, Springer-Verlag, 2002.
4. S. Arora, B. Barak: Computational Complexity: A Modern Approach, Cambridge Univ. Pess, 2009. 5. G.Brassard, P.Bradley: Fundamentals of algorithmics, Prentice Hall, 1996.
6. D.P.Bovet, P.Crescenzi: Introduction to the theory of complexity, Prentice Hall, 1994.
7. C. Calude and J. Hromkovič: Complexity: A Language-Theoretic Point of View, in G. Rozenberg and A. Salomaa, Handbook of Formal Languages II, Springer, 1997.
Ústna alebo písomná závečná skúška.
Slovenský alebo anglický.
Obsahové prerekvizity:
Základné znalosti z teórie automatov a formálnych jazykov.
Základné zručnosti z programovania a návrhu algoritmov (v ľubovoľnom programovacom jazyku).
Základné znalosti z matematickej logiky, teórie množín, teórie grafov.
1: Úvod: Pojem výpočtová zložitosť, čas výpočtu, výpočtový model, príklad - problém triedenia, časová zložitosť ako asymptotická funkcia
2: Základné výpočtové modely: Počítače RAM a RASP, cena elementárneho kroku na týchto počítačoch, 1-páskový Turingov stroj, viacpáskový Turingov stroj, nedeterministické varianty týchto výpočtových modelov, konverzie medzi rôznymi modelmi z hľadiska časovej zložitosti
3: Triedy P a NP: Základné definície, kódovanie (ne)orientovaných grafov na vstupe, 3COL - množina všetkých 3-zafarbiteľných grafov patrí do NP, 2COL - množina všetkých 2-zafarbiteľných grafov patrí do P, SAT - množina splniteľných booleovských funkcií patrí do NP, CNF-SAT - booleovské funkcie v konjunktívnom normálnom tvare
4: Varianty úloh v P a NP: Rozhodovacie problémy, problém hľadania riešenia, optimalizačné problémy, polynomiálne konverzie medzi rôznymi variantmi
5: NP-úplnosť: Redukovateľnosť v polynomiálnom čase, tranzitívnosť redukovateľnosti, definícia NP-úplnosti a jej základné vlastnosti
6: NP-úplnosť SAT
7: Varianty SAT: 3CNF-SAT - splniteľnosť booleovských funkcií v 3-konjunktívnom normálnom tvare, kCNF-SAT, CNF-SAT - splniteľnosť v k-konjunktívnom (konjunktívnom) normálnom tvare, 2CNF-SAT patrí do P
8: 3COL a jeho varianty: 3COL je NP-úplný (zafarbiteľnosť grafu troma farbami), dôsledok - pre každé k>3 je kCOL NP-úplný
9: Zafarbiteľnosť planárneho grafu troma farbami: Kódovanie planárneho grafu na vstupe, dôkaz NP-úplnosti, zafarbiteľnosť planárneho grafu väčším počtom farieb
10: Ďalšie NP-úplné problémy: Pokrytie množiny, klika, vrcholové pokrytie
11: Hamiltonovská cesta: Hamiltonovská cesta v orientovanom a v neorientovanom grafe
12: Problémy vyvažovania: SubsetSum - vyváženie význačného závažia použitím ostatných závaží, Partition - dosiahnutie rovnováhy na váhach, “voľnejšia” verzia Partition - dosiahnutie približnej rovnováhy, distribúcia úloh medzi K paralelne pracujúcich procesorov
13: Za hranicami P a NP: Prehľad hierarchie základných tried výpočtovej zložitosti - L, NL, P, NP, PSpace , NPSpace, ExpTime, NExpTime, …, simulácia (ne)deterministickej pamäte v (ne)deterministickom čase, opačné konverzie
14: PSpace: QBF – pravdivé kvantifikované booleovské funkcie, prenexový normálny tvar kvantifikovanej booleovskej funkcie, QBF je Pspace-úplný, PSpace = NPSpace
Získať základné poznatky z oblasti konštrukcie efektívnych algoritmov a teórie výpočtovej zložitosti.
1. LPIC-1 Exam 101. LPI [online]. Canada: The Linux Professional Institute, 2021 [cit. 2021-9-22]. Dostupné z: https://learning.lpi.org/en/learning-materials/101-500/, 2. LPIC-1 Exam 102. LPI [online]. Canada: The Linux Professional Institute, 2021 [cit. 2021-9-22]. Dostupné z: https://learning.lpi.org/en/learning-materials/102-500/, 3. Linux - Dokumentační projekt [online]. 4. Praha: Computer Press, 2007 [cit. 2021-9-22]. Dostupné z: https://i.iinfo.cz/files/root/k/LDP_4.pdf.
Podmienkou absolvovania predmetu je: 1. Domáce zadania (50% z celkového počtu bodov), 2. Písomný teoretický test (25% z celkového počtu bodov), 3. Praktický test (25 % z celkového počtu bodov).
Slovenský alebo anglický
1. Úvod do Linux/Unixových operačných systémov, 2. Príkazový riadok, 3. Nástroje na editovanie textov, 4. Správa súborov, 5. Správa používateľov, skupín a oprávnení, 6. Správa procesov, 7. Správa softvéru a balíčkov, 8. Administrácia systému - štart systému, logovanie, plánovanie úloh 9. Základy sieťových nastavení, 10. Správa sieťových rozhraní, 11. Správa diskových partícií, 12. Písomka.
https://csl.science.upjs.sk/#/predmety/
Výsledkom vzdelávania je porozumenie teoretických a praktických základov pre štúdium informatiky, najmä poznatky v oblasti použitia Unix/Linuxových operačných systémov.