Explorativní analýza dat
1. Hledání pravidel v datech, Hledání vzorů v datech
2. Shlukování pomocí reprezentantů, Hierarchické shlukování
3. Shlukování založené na hustotě dat, Validace shluků
4. Samo organizující se mapy
5. Detekce Anomálií
Klasifikace dat
6. Lineární klasifikátory (Lineární diskriminační analýza, Naive Bayes, Logistická regrese)
7. Rozhodovací stromy, Náhodné lesy
8. Support Vector Machine, Kernelové metody
9. Neuronové sítě (Perceptron, Feed forward NN+Back propagation)
10. Regresní metody
11. Pokročilé metody v klasifikaci dat
12. Validace klasifikačních algoritmů
Pokročilé metody
13. Analýza streamových dat
14. Vizualizace vektorových dat
Cvičení na počítačové učebně:
Explorativní analýza dat a učení bez učitele
1. Implementace metody APRIORI pro hledání pravidel v datech.
2. Dokončení implementace metody APRIORI nad daty.
3. Implementace hierarchického shlukování – Aglomerátivní shlukování.
4. Implementace algoritmu DBSCAN.
5. Validace shluků vytvořených implementovanými algoritmy.
6. Ukázka metody Samoorganizujích map
Klasifikace dat
7. Implementace metod pro výběr atributů.
8. Implementace rozhodovacího
9. Implementace metody Naive Bayes.
10. Otestování metody Support Vector Machine v programu.
11. Implementace jednoduchého perceptronu
12. Hodnocení klasifikátorů
13. Implementace Regresního stromu
14. Vizualizace dat
1. Hledání pravidel v datech, Hledání vzorů v datech
2. Shlukování pomocí reprezentantů, Hierarchické shlukování
3. Shlukování založené na hustotě dat, Validace shluků
4. Samo organizující se mapy
5. Detekce Anomálií
Klasifikace dat
6. Lineární klasifikátory (Lineární diskriminační analýza, Naive Bayes, Logistická regrese)
7. Rozhodovací stromy, Náhodné lesy
8. Support Vector Machine, Kernelové metody
9. Neuronové sítě (Perceptron, Feed forward NN+Back propagation)
10. Regresní metody
11. Pokročilé metody v klasifikaci dat
12. Validace klasifikačních algoritmů
Pokročilé metody
13. Analýza streamových dat
14. Vizualizace vektorových dat
Cvičení na počítačové učebně:
Explorativní analýza dat a učení bez učitele
1. Implementace metody APRIORI pro hledání pravidel v datech.
2. Dokončení implementace metody APRIORI nad daty.
3. Implementace hierarchického shlukování – Aglomerátivní shlukování.
4. Implementace algoritmu DBSCAN.
5. Validace shluků vytvořených implementovanými algoritmy.
6. Ukázka metody Samoorganizujích map
Klasifikace dat
7. Implementace metod pro výběr atributů.
8. Implementace rozhodovacího
9. Implementace metody Naive Bayes.
10. Otestování metody Support Vector Machine v programu.
11. Implementace jednoduchého perceptronu
12. Hodnocení klasifikátorů
13. Implementace Regresního stromu
14. Vizualizace dat