| Název předmětu | Machine Learning a Data Mining 1 |
|---|---|
| Kód předmětu | KMI/MLDM1 |
| Organizační forma výuky | Přednáška + Cvičení |
| Úroveň předmětu | Magisterský |
| Rok studia | 1 |
| Semestr | Letní |
| Počet ECTS kreditů | 4 |
| Vyučovací jazyk | Čeština |
| Statut předmětu | Povinný, Povinně-volitelný |
| Způsob výuky | Kontaktní |
| Studijní praxe | Nejedná se o pracovní stáž |
| Doporučené volitelné součásti programu | Není |
| Vyučující |
|---|
|
| Obsah předmětu |
|
1. Úvod: Data mining: získávání znalostí z dat, KDD, typické úlohy. Strojové učení: učení ze znalostí z dat, fáze a typy. 2. Data: Typy dat a atributů, kvalita a předzpracování (vzorkování, normalizace, diskretizace), podobnost a nepodobnost objektů, souhrnné statistiky a vizualizace. 3. Klasifikace: Rozhodovací stromy, problém přeučení, vyhodnocení výkonnosti, pravidlová (rule-based), nejbližší soused, naivní bayesovská, support vector machines (SVM), regrese. 4. Asociační analýza: Itemsets, pravidla, algoritmus Apriori, vyhodnocení zajímavosti. 5. Shlukování: Typy shluků, K-means, hierarchické, hustotové (density-based), expectation-maximization (EM), vyhodnocení kvality.
|
| Studijní aktivity a metody výuky |
| nespecifikováno |
| Výstupy z učení |
|
Předmět je první částí dvousemestrálního kurzu věnovaného principům a hlavním metodám získávání znalostí z dat (data mining) a strojového učení (machine learning). Po úvodu do problematiky s vymezením těchto pojmů a rozboru dat a jejich předzpracování jsou, z algoritmického hlediska, probírány základní data mining metody klasifikace, asociační analýzy a shlukování využívané (nejen) pro machine learning.
|
| Předpoklady |
|
nespecifikováno
|
| Hodnoticí metody a kritéria |
|
nespecifikováno
|
| Doporučená literatura |
|
| Studijní plány, ve kterých se předmět nachází |
| Fakulta | Studijní plán (Verze) | Kategorie studijního oboru/specializace | Doporučený semestr | |
|---|---|---|---|---|
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Aplikovaná matematika (2023) | Kategorie: Matematické obory | 2 | Doporučený ročník:2, Doporučený semestr: Letní |
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Informatika - specializace Umělá inteligence (2020) | Kategorie: Informatické obory | 1 | Doporučený ročník:1, Doporučený semestr: Letní |
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Aplikovaná informatika - specializace Vývoj software (2024) | Kategorie: Informatické obory | 1 | Doporučený ročník:1, Doporučený semestr: Letní |
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Bioinformatika (2021) | Kategorie: Informatické obory | 1 | Doporučený ročník:1, Doporučený semestr: Letní |
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Informatika - specializace Obecná informatika (2020) | Kategorie: Informatické obory | 1 | Doporučený ročník:1, Doporučený semestr: Letní |
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Aplikovaná informatika - specializace Počítačové systémy a technologie (2024) | Kategorie: Informatické obory | 1 | Doporučený ročník:1, Doporučený semestr: Letní |