Přeskočit na hlavní obsah
Přeskočit hlavičku

Machine Learning

Typ studia navazující magisterské
Jazyk výuky angličtina
Kód 460-4162/01
Zkratka ML
Název předmětu česky Machine Learning
Název předmětu anglicky Machine Learning
Kreditů 5
Garantující katedra Katedra informatiky
Garant předmětu prof. Ing. Jan Platoš, Ph.D.

Osnova předmětu

Hlavní témata probíraná v rámci předmětu jsou:

- Shlukovací metody a jejich validace.
- Klasifikační metody a jejich validace
- Regresní metody a jejich validace
- Kernelové metody a Support Vector Machine.
- Neuronové sítě včetně sítí konvolučních, rekurentních.
- Autoenkodéry a Variační autoenkodéry.
- Analýza signálů a časových řad.

V rámci cvičení dojde k ověřování znalostí na reálných a umělých datech a implementací základních principů.

E-learning

Všechny materiály jsou zveřejněny na portále e-výuka (https://www.vsb.cz/e-vyuka/cs).

Povinná literatura

- Prezentace k přednáškám.
[1] AGGARWAL, Charu C. Data mining: the textbook. New York, NY: Springer Science+Business Media, 2015. ISBN 978-3-319-14141-1 .
[2] BRAMER, M. A. Principles of data mining. London: Springer, 2007. ISBN 1-84628-765-0 .

Doporučená literatura

[1] LESKOVEC, Jure, Anand RAJARAMAN a Jeffrey D. ULLMAN. Mining of massive datasets, Standford University. Second edition. Cambridge: Cambridge University Press, 2014. ISBN 9781107077232.
[2] WITTEN, Ian H., Eibe FRANK, Mark A. HALL a Christopher J. PAL. Data mining: Practical machine learning tools and techniques. Fourth Edition. Amsterdam: Elsevier, [2017]. ISBN 978-0-12-804291-5.
[3] ZAKI, Mohammed J. a Wagner MEIRA JR. Data Mining and Analysis: Fundamental Concepts and Algorithms. 2nd edition. Cambridge, GB: Cambridge University Press, 2020. ISBN 978-0521766333.