|
Vyučující
|
|
|
|
Obsah předmětu
|
1) Cíle strojového učení, základní pojmy - učící problémy a algoritmy, druhy učení, indukce a dedukce, metriky, hodnocení 2) Generování logických konjunkcí, VSS algoritmy, neinkrementální indukce logických formulí 3) Generování reprodukčních pravidel 4) Rozhodovací stromy 5) Rozhodovací seznamy a jejich generování 6) Indukce prahových pojmů 7) Indukce ethalonů 8) Lenivé učení 9) Pravděpodobnostní popis a klasifikace 10) Metoda odměny a trestu (Reinforcement learning) 11) Shlukování 12) Složené klasifikátory, metoda bagging 13) Složené klasifikátory, metoda boosting
|
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž)
- Domácí příprava na výuku
- 60 hodin za semestr
- Příprava na zkoušku
- 40 hodin za semestr
- Semestrální práce
- 40 hodin za semestr
- Účast na výuce
- 30 hodin za semestr
|
|
Výstupy z učení
|
Snahou kurzu je vysvětlit známé principy strojového učení, které lze nasadit na širokou množinu problémů. Studenti si prakticky vyzkouší použití daných algoritmů na reálných problémech.
Přehled v oblasti moderních algoritmů strojového učení a schopnost jejich aplikace na praktické problémy.
|
|
Předpoklady
|
Základní znalosti z oblastí výpočetní a umělá inteligence.
|
|
Hodnoticí metody a kritéria
|
Ústní zkouška, Test
Napsání semestrálního testu s úspěšností nad 50% a vypracování semestrální práce.
|
|
Doporučená literatura
|
-
Machová K, Strojové učenie v systémoch spracovania informací, 2010.
-
Machová K., Strojové učenie, principy a algoritmy, 2002.
-
Marshall, S., Machine Learning: An Algorithmic Perspective, Second Edition, 2014.
-
Mitchell, T.M., Machine Learning. The McGraw-Hill Companies, Inc. New York, 1997.
|