Předmět: Machine learning

» Seznam fakult » PRF » KMI
Název předmětu Machine learning
Kód předmětu KMI/PGSMR
Organizační forma výuky Konzultace
Úroveň předmětu Doktorský
Rok studia nespecifikován
Semestr Zimní a letní
Počet ECTS kreditů 12
Vyučovací jazyk Čeština, Angličtina
Statut předmětu nespecifikováno
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Outrata Jan, doc. Mgr. Ph.D.
Obsah předmětu
Opakování základních metod: rozhodovací stromy, nejbližší soused, naivní bayesovská klasifikace, asociační analýza (algoritmus Apriori), shlukování (metody) Ensemble metody v klasifikaci: bagging, boosting, random forrests Teorie shlukování: metriky, hierarchické, K-means, vyhodnocení kvality Detekce anomálií (outliers): statistická, proximity-based, density-based, clustering-based Zpětnovazební učení (reinforcement learning): Q-learning, on-policy, model-based, vyhodnocení Hluboké učení (deep learning)

Studijní aktivity a metody výuky
nespecifikováno
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 s vybranými pokročilejšími metodami a problémy. Předmět dále rozšiřuje znalosti z dvousemestrálního kurzu v navazujícím magisterském studiu věnovanému základním metodám.

Předpoklady
nespecifikováno

Hodnoticí metody a kritéria
nespecifikováno
Doporučená literatura
  • Deisenroth M. P. (2020). Mathematics for Machine Learning.
  • Goodfellow I., Bengio Y., Courville A. (2016). Deep learning.
  • Han J., Pei J., Tong H. (2022). Data Mining: Concepts and Techniques.
  • Murphy K. P. (2022). Probabilistic Machine Learning: An Introduction.
  • Poole D. L., Mackworth A. K. (2023). Artificial Intelligence: Foundations of Computational Agents (3rd edition).
  • Qi Yan W. (2021). Computational methods for deep learning: theoretic, practice and applications.
  • Rokach L., Maimon O. (2015). Data mining with decision trees: theory and applications.
  • Simovici D. A., Djeraba Ch. (2008). Mathematical Tools for Data Mining: set theory, partial orders, combinatorics.
  • Sutton R. S., Barto A. G. (2018). Reinforcement Learning: An Introduction (2nd Edition).
  • Tan P.-N., Steinbach M., Kumar V. (2018). Introduction to Data Mining (2nd edition).
  • Witten I. H., Frank E., Hall M. A., Pal Ch. J., Foulds J. (2025). Data Mining: Practical Machine Learning Tools and Techniques.
  • Zaki M. J., Meira W. Jr. (2020). Data Mining and Analysis: Fundamental Concepts and Algorithms (2nd Edition).


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr