|
Vyučující
|
-
Bělohlávek Radim, prof. RNDr. Ph.D., DSc.
-
Outrata Jan, doc. Mgr. Ph.D.
-
Trnečka Martin, doc. RNDr. Ph.D.
-
Bartl Eduard, doc. RNDr. Ph.D.
|
|
Obsah předmětu
|
Předmět je druhou částí dvousemestrálního kurzu věnovaného hlavním metodám strojového učení a získávání znalostí z dat. 1. Maticové metody v analýze dat; motivace a úvodní příklady. 2. Opakování pojmů z lineární algebry. 3. QR rozklady a jejich použití. 4. SVD (singular value decomposition) a její použití. 5. Faktorová analýza binárních dat. 6. NMF (nonnegative matrix factorization) a její použití. 7. PCA (principal component analysis) a její použití.
|
|
Studijní aktivity a metody výuky
|
|
Přednášení, Dialogická (diskuze, rozhovor, brainstorming)
|
|
Výstupy z učení
|
Po absolvování předmětu student rozumí základním principům dobývání znalostí z dat a strojového učení, dokáže připravit a analyzovat data, aplikovat vybrané metody klasifikace, regresní analýzy, asociační analýzy a shlukování a vyhodnotit kvalitu a výkonnost vytvořených modelů.
|
|
Předpoklady
|
nespecifikováno
|
|
Hodnoticí metody a kritéria
|
nespecifikováno
zápočet + zkouška
|
|
Doporučená literatura
|
-
C. Borgelt, M. Steinbrecher, R. Kruse. Graphical Models Representations for Learning, Reasoning and Data Mining.
-
Hastie, T., Tibshirani, R., Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction.
-
Christopher Bishop. Pattern Recognition and Machine Learning.
-
Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning.
-
K. P. Murphy. Machine Learning: A Probabilistic Perspective.
-
Kruse, R., Borgelt, C., Braune, C., Mostaghim, S., Steinbrecher, M. Computational Intelligence.
-
Nielsen, Thomas Dyhre, VERNER JENSEN, FINN. Bayesian Networks and Decision Graphs.
-
Pang-Ning Tan Michael Steinbach Vipin Kumar. Introduction to Data Mining.
|