Předmět: Machine Learning a Data Mining 2

« Zpět
Název předmětu Machine Learning a Data Mining 2
Kód předmětu KMI/MLDM2
Organizační forma výuky Přednáška + Cvičení
Úroveň předmětu Magisterský
Rok studia 2
Semestr Zimní
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
  • Bělohlávek Radim, prof. RNDr. Ph.D., DSc.
  • Outrata Jan, doc. Mgr. Ph.D.
  • Trnečka Martin, RNDr. Ph.D.
  • Bartl Eduard, doc. RNDr. Ph.D.
Obsah předmětu
Předmět je druhou částí dvousemestrálního kurzu věnovaného hlavním metodám strojového učení a získávání znalostí z dat. 1. Pravděpodobnostní metody reprezentace dat. 2. Grafové modely a Bayesovské sítě: dekompozice. 3. Grafové modely a Bayesovské sítě: šíření evidence. 4. Grafové modely a Bayesovské sítě: učení grafických modelů. 5. Grafové modely a Bayesovské sítě: revize domněnek. 6. Redukce dimenzionality: základní metody (PCA, SVD). 7. Redukce dimenzionality: pokročilé metody (NMF, BFA). 8. Deep learning: modely založené na neuronových sítích. 9. Deep learning: další modely.

Studijní aktivity a metody výuky
nespecifikováno
Výstupy z učení
Předpoklady
nespecifikováno

Hodnoticí metody a kritéria
nespecifikováno
Doporučená literatura
  • C. Borgelt, M. Steinbrecher, R. Kruse. Graphical Models Representations for Learning, Reasoning and Data Mining.
  • Hastie T., Tibshirani, R., Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction.
  • Christopher Bishop. Pattern Recognition and Machine Learning.
  • Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning.
  • K. P. Murphy. Machine Learning: A Probabilistic Perspective.
  • Kruse, R., Borgelt, C., Braune, C., Mostaghim, S., Steinbrecher, M. Computational Intelligence.
  • Nielsen, Thomas Dyhre, VERNER JENSEN, FINN. Bayesian Networks and Decision Graphs.
  • Pang-Ning Tan Michael Steinbach Vipin Kumar. Introduction to Data Mining.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr
Fakulta: Přírodovědecká fakulta Studijní plán (Verze): Bioinformatika (2021) Kategorie: Informatické obory 2 Doporučený ročník:2, Doporučený semestr: Zimní
Fakulta: Přírodovědecká fakulta Studijní plán (Verze): Aplikovaná informatika - specializace Počítačové systémy a technologie (2024) Kategorie: Informatické obory 2 Doporučený ročník:2, Doporučený semestr: Zimní
Fakulta: Přírodovědecká fakulta Studijní plán (Verze): Informatika - specializace Umělá inteligence (2020) Kategorie: Informatické obory 2 Doporučený ročník:2, Doporučený semestr: Zimní
Fakulta: Přírodovědecká fakulta Studijní plán (Verze): Aplikovaná informatika - specializace Vývoj software (2024) Kategorie: Informatické obory 2 Doporučený ročník:2, Doporučený semestr: Zimní
Fakulta: Přírodovědecká fakulta Studijní plán (Verze): Informatika - specializace Obecná informatika (2020) Kategorie: Informatické obory 2 Doporučený ročník:2, Doporučený semestr: Zimní