|
Vyučující
|
-
Outrata Jan, doc. Mgr. Ph.D.
|
|
Obsah předmětu
|
V předmětu jsou opakovány základy získávání znalostí z dat (data mining) a strojového učení (machine learning), základní metody předzpracování dat, algoritmy klasifikace, asociační analýzy a shlukování, a následně jsou studovány další vybrané novější metody a algoritmy. Předmět rozšiřuje úvodní partie z magisterského studia. Typy, kvalita a předzpracování dat, metody redukce dimenzionality dat, podobnost a nepodobnost objektů. Problém klasifikace, rozhodovací stromy a další metody. Bayesovské sítě a grafové modely dat. Ensemble metody (bagging, boosting, random forrests), vyhodnocení výkonnosti. Asociační analýza, algoritmus Apriori a další. Teorie a algoritmy shlukování, kvalita shluků. Metody detekce anomálií (outliers). Reinforcement learning. Deep learning.
|
|
Studijní aktivity a metody výuky
|
|
Dialogická (diskuze, rozhovor, brainstorming), Metody práce s textem (učebnicí, knihou)
|
|
Výstupy z učení
|
Studenti si prohloubí a rozšíří znalosti základních metod strojového učení (machine learning) a získávání znalostí z dat (data mining) a seznámí se novějšími pokročilejšími metodami.
1. Znalost Popsat a důkladně pochopit principy a metody machine learning.
|
|
Předpoklady
|
nespecifikováno
|
|
Hodnoticí metody a kritéria
|
Ústní zkouška
Plnění zadaných úkolů. Složení zkoušky.
|
|
Doporučená literatura
|
-
C. Borgelt, M. Steinbrecher, R. Kruse. Graphical Models Representations for Learning, Reasoning and Data Mining.
-
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.
-
T. Hastie R. Tibshirani:. (2016). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer.
|