|
Posilované učení pro hru typu Bomberman
Adamčiak, Jakub ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Cieľom tejto bakalárksej práce je návrh, implementácia a trénovanie modelov posilňovaného učenia na hru typu Bomberman. Je postavená na prostredí Bomberland od firmy CoderOne. Toto prostredie bolo vyvinuté za účelom vzdelávania a výskumu v odvetí umelej inteligencie. V tejto práci rozoberám rôzne nastavenia a problémy s implementovaním agenta do prostredia. Vyskúšal som 2 politiky (MLP a CNN), 2 algoritmy (PPO a A2C) a 5 druhov neurónových sietí pre extrakciu vlastností za pomoci knižníc stable baselines 3 a pytorch. Celkový čas trénovania týchto modelov bol dokopy 1207 reálnych hodín, 4168 strojových hodín a 271 miliónov herných krokov. Aj keď bolo trénovanie neúspešné, táto práca ukazuje proces implementácie modelu posilňovaného učenia do prostredia Gym.
|
|
Media Framing: Transformation of Nursultan Nazarbayev's Image in the US Media
Tokayeva, Assem ; Miessler, Jan (vedoucí práce) ; Jeřábek, Hynek (oponent)
Práce se zabývá mediálním pokrytím prvního prezidenta Kazachstánu Nursultana Nazarbajeva v USA v letech 2011 až 2022. Pomocí Bourdieuova konceptu novinářského pole a Entmanova konceptu mediálního rámování ukazuje obsahová analýza pěti různých mediálních médií, že zatímco komerční média (NYT, WP a WSJ) byla kritičtější než nezisková média (Eurasianet, RFE/RL) ohledně Nazarbajeva a jeho režimu během událostí, které zpochybnily jeho moc; jejich pokrytí Kazachstanu, Nazarbajeva a jeho režimu bylo neutrální nebo mu dokonce připisovali různé úspěchy. Rozdíly v míře kritického postoje byly také identifikovány mezi oběma neziskovými médii. Práce poskytuje přehled o kazašských vládou financovaných lobbistických informačních kampaních v zahraničí a potvrzuje důležitost výzkumu využívání mezinárodních mediálních platforem autoritářskými režimy s cílem vytvořit příznivý obraz v zahraničí. Klíčová slova Nursultan Nazarbajev, Kazachstán, mediální rámování, lobbing, americká média, RFE/RL, Eurasianet, NYT, WSJ, WP List of Abbreviations OSCE Organization for Security and Cooperation in Europe NYT The New York Times RFE/RL Radio Free Europe/Radio Liberty WP The Washington Post WSJ The Wall Street Journal USAGM The United States Agency for Global Media USSR The Union of Soviet Socialist Republics
|
|
Vliv Trumpovy politiky na Rádio Svobodná Evropa/Rádio Svoboda a U.S. Agency for Global Media
Mužíková, Natálie ; Sehnálková, Jana (vedoucí práce) ; Raška, Francis (oponent)
Tato bakalářská práce se zabývá vlivem Trumpovy politiky na americké vysílání do zahraničí. Cílem práce bylo objektivní zhodnocení vlivu a role Trumpovy politiky na nezávislou Agenturu pro globální média (USAGM) a na Rádio Svobodná Evropa/Rádio Svoboda (RFE/RL). V bakalářské práci je stručně popsána historie a vývoj RFE/RL a USAGM. Dále je v práci rozebrán vztah Donalda Trumpa s médii, ve kterém sehrál důležitou roli Stephen Bannon. Následující část práce přibližuje postavu Michaela Packa spolu s kontroverzemi, které vyvolala již jeho nominace a především následné působení ve funkci ředitele USAGM. Výsledkem zkoumání je, že i přesto, že změny provedené generálním ředitelem USAGM Michalem Packem byly zásadní a krátkodobě agenturu paralyzovaly, tak nástupem nové administrativy byly většinově zvráceny. V závěru je zdůrazněna myšlenka ovlivňování médií, která je v současnosti velice aktuální a otázka budoucnosti samotné agentury a radiových stanic. V bakalářské práci jsou využity postupy kvalitativního výzkumu, analýza existující literatury a také syntéza.
|
|
Posilované učení pro hru typu Bomberman
Adamčiak, Jakub ; Beran, Vítězslav (oponent) ; Hradiš, Michal (vedoucí práce)
Cieľom tejto bakalárksej práce je návrh, implementácia a trénovanie modelov posilňovaného učenia na hru typu Bomberman. Je postavená na prostredí Bomberland od firmy CoderOne. Toto prostredie bolo vyvinuté za účelom vzdelávania a výskumu v odvetí umelej inteligencie. V tejto práci rozoberám rôzne nastavenia a problémy s implementovaním agenta do prostredia. Vyskúšal som 2 politiky (MLP a CNN), 2 algoritmy (PPO a A2C) a 5 druhov neurónových sietí pre extrakciu vlastností za pomoci knižníc stable baselines 3 a pytorch. Celkový čas trénovania týchto modelov bol dokopy 1207 reálnych hodín, 4168 strojových hodín a 271 miliónov herných krokov. Aj keď bolo trénovanie neúspešné, táto práca ukazuje proces implementácie modelu posilňovaného učenia do prostredia Gym.
|