|
Vyučující
|
-
Mukherjee Amrit, Dr. Ph.D.
-
Symonová Radka, doc. Mgr. Ph.D.
-
Vohnoutová Marta, Ing.
-
Budík Ondřej, Ing.
-
Namazi Hamidreza, Dr. Ph.D.
-
Bukovský Ivo, doc. Ing. Ph.D.
|
|
Obsah předmětu
|
Obsah přednášek: 1.Úvod do příznakového inženýrství 2. Příznakové inženýrství pro modely strojového učení 3. Průmyslové příznakové inženýrství 4. Pokročilé techniky příznakového inženýrství 5. Fraktální teorie a teorie chaosu v inženýrství prvků: Nelineární dynamika 6. Fraktální teorie a teorie chaosu v příznakovém inženýrství Úvod do fraktálů a teorie chaosu, příznaky chaosu pro rozpoznávání vzorů 7. Fraktály a teorie chaosu v příznakovém inženýrství: Multifraktály 8. Příznakové inženýrství pro internet věcí (IoT): Část 1 9. Feature Engineering pro IoT - 2 10. Příznakové inženýrství pro IoT - 3 11. Příznakové inženýrství v bioinformatice - 1 12. Příznakové inženýrství v bioinformatice - 2 13. Příznakové inženýrství v bioinformatice - 3 Obsah cvičení/semináře: 1. Úvod do příznakového inženýrství 2. Příznakové inženýrství pro modely strojového učení 3. Průmyslové příznakové inženýrství 4. Pokročilé techniky příznakové inženýrství 5. Fraktální teorie a teorie chaosu v příznakovém inženýrství - 1 6. Fraktální teorie a teorie chaosu v příznakovém inženýrství - 2 7. Fraktální teorie a teorie chaosu v příznakovém inženýrství - 3 8. Příznakové inženýrství pro IoT- 1 9. Příznakové inženýrství pro IoT - 2 10. Příznakové inženýrství for IoT - 3 11. Feature Engineering v bioinformatice - 1 12. Feature Engineering v bioinformatice - 2 13. Feature Engineering for Bioinformatics - 3
|
|
Studijní aktivity a metody výuky
|
|
nespecifikováno
|
|
Výstupy z učení
|
Kurz poskytuje studentům porozumění technikám příznakového inženýrství (feature engineeringu) a jejich využití v různých aplikačních oblastech. Studenti se seznámí s významem příznakového inženýrství, prozkoumají techniky výběru příznaků a průmyslové, pokročilé, IoT a jeho uplatnění v bioinformatice funkčního inženýrství. Prostřednictvím přednášek, tutoriálů a případových studií si studenti osvojí dovednosti, jak transformovat surová data na smysluplné příznaky pro datové vědy v různých oblastech praxe a výzkumu.
|
|
Předpoklady
|
Matematika na bakalářské úrovni, základy programování (Python nebo jiné).
|
|
Hodnoticí metody a kritéria
|
nespecifikováno
týdenní úkoly (volitelné): 20 bodů (max.) individuální semestrální projekt (volitelné): 20 bodů (max.) kombinovaná zkouška: test 40 bodů (max.), ústní zkouška: 50 bodů (max.) (body a hodnocení F:<50 E:50...59 D:60...69 C:70...79 B:80...89 A: 90... 130)
|
|
Doporučená literatura
|
-
Edgar, Gerald. Measure, topology, and fractal geometry. 1. vyd. New York : Springer, 1990. ISBN 0-387-97272-2.
-
Hendl, Jan. Big data : věda o datech - základy a aplikace. První vydání. Praha : Grada Publishing, 2021. ISBN 978-80-271-3031-3.
-
Jianbo Gao, Yinhe Cao, Wen-Wen Tung, Jing Hu. Multiscale analysis of complex time series: integration of chaos and random fractal theory, and beyond, Wiley, 2007.
-
MISRA, Sudip, Chandana ROY a Anandarup MUKHERJEE. Introduction to industrial internet of things and industry. ISBN 978-0-367-89758-1.
-
R. P. Bonidia, D. S. Domingues, D. S. Sanches, and A. C. P. L. F. De Carvalho. MathFeature: feature extraction package for DNA, RNA and protein sequences based on mathematical descriptors, Briefings in Bioinformatics, vol. 23, no. 1, p. bbab434, Jan. 2022.
|