Základy strojového učení

Typ studia	navazující magisterské
Jazyk výuky	čeština
Kód	460-8703/01
Zkratka	ZSU
Název předmětu česky	Základy strojového učení
Název předmětu anglicky	Fundamentals of Machine Learning
Kreditů	4
Garantující katedra	Katedra informatiky
Garant předmětu	prof. Ing. Jan Platoš, Ph.D.

Osnova předmětu

Přednášky (bloky studia):
1. Data a jejich specifika
2. Statistické vlastnosti dat
3. Reprezentace znalostí
4. Explorační analýza I
5. Explorační analýza II
6. Základní algoritmy - shlukování
7. Základní algoritmy - klasifikace/regrese
8. Hodnocení a důvěryhodnost výsledků
9. Pokročilé metody a algoritmy
10. Rozšíření lineárních modelů
11. Transformace dat
12. Optimalizační metody
13. Vizualizace dat I
14. Vizualizace dat II

Cvičení na počítačové učebně:
1. Demonstraci látky z přednášek - práce s daty a jejich vlastnosti.
2. Demonstraci látky z přednášek - statistické vlastnosti dat.
3. Demonstraci látky z přednášek - reprezentace znalostí v počítači.
4. Demonstrace látky z přednášek - explorační analýza
5. Demonstrace látky z přednášek - explorační analýza
6. Demonstraci látky z přednášek - shlukování
7. Demonstraci látky z přednášek - klasifikace
8. Demonstraci látky z přednášek - kvalita modelů a její měření.
9. Demonstraci látky z přednášek - metody založené na stromech.
10. Demonstraci látky z přednášek - nelineární modely.
11. Demonstraci látky z přednášek - transformace dat.
12. Demonstraci látky z přednášek - úvod do optimalizačních metod.
13. Demonstraci látky z přednášek - vizualizace dat
14. Demonstraci látky z přednášek - vizualizace dat

E-learning

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

Povinná literatura

Prezentace k přednáškám
HASTIE, Trevor., Robert. TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning: data mining, inference, and prediction. 2nd ed. New York, NY: Springer, c2009. ISBN 978-0-387-84858-7.
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. .

Doporučená literatura

LESKOVEC, Jurij, Anand RAJARAMAN a Jeffrey D. ULLMAN. Mining of massive datasets / Jure Leskovec, Standford University, Anand Rajaraman, Milliways Labs, Jeffrey David Ullman, Standford University. Second edition. Cambridge: Cambridge University Press, 2014. .
AGGARWAL, Charu C. Data mining: the textbook. New York, NY: Springer Science+Business Media, 2015. .

zpět na vyhledávání