|
Vyučující
|
-
Fürst Tomáš, RNDr. Ph.D.
-
Hron Karel, prof. RNDr. Ph.D., DSc.
-
Pavlačka Ondřej, RNDr. Ph.D.
|
|
Obsah předmětu
|
Seminář je určen pro studenty i akademické pracovníky. Jeho náplní budou praktické a aktuální otázky z oblasti bayesovské inference, strojového učení, aplikované matematiky, datových analýz apod. Seminář bude rovněž sloužit jako platforma pro kontakt studentů a akademických pracovníků s odborníky z praxe a průmyslu a jiných přírodovědných, technických, ale i humanitních a společenskovědních oborů.
|
|
Studijní aktivity a metody výuky
|
|
Dialogická (diskuze, rozhovor, brainstorming)
|
|
Výstupy z učení
|
Získat přehled o tom, co se aktuálně děje v oblasti Data Science pokud možno mimo akademicou půdu
Orientace v aplikace Data Science
|
|
Předpoklady
|
Zájem o obor Data Science
|
|
Hodnoticí metody a kritéria
|
Analýza výkonů studenta
Aktivní účast na semináři.
|
|
Doporučená literatura
|
-
Bishop, Ch., Bishop, H. (2024). Deep Learning: Foundations and Concepts.
-
Bishop, Ch. (2011). Pattern recognition and machine learning.
-
Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep Learning (Adaptive Computation and Machine Learning series).
-
Hastie, T., Tibshirani, R. (2016). The Elements of Statistical Learning: Data Mining, Inference, and Prediction.
-
MacKay, D. (2003). Information theory, Inference, and learning algorithms.
-
Rasmussen, C. E. (2006). Gaussian Processes for Machine Learning.
|