155-1305 – Soft Computing v ekonomice (SCE)

Garantující katedraKatedra aplikované informatiky
Garant předmětudoc. Dr. Ing. Miroslav Hudec
Úroveň studiapregraduální nebo graduální
Verze předmětu
Kód verzeRok zavedeníRok zrušeníKredity
155-1305/01 2013/2014 2020/2021 5
155-1305/02 2014/2015 2020/2021 4
155-1305/03 2018/2019 6

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

1. Získat základní znalosti o SC informačních technologiích 2. Pochopit úlohu a uplatnění kontrolovaného a nekontrolovaného učení 3. Pochopit tvorbu architektur NS pro ekonomické aplikace 4. Pochopit tvorbu a uplatnění SOM sítí v rozhodování 5. Seznámit se s problematikou učícího stroje SVM

Vyučovací metody

Přednášky
Cvičení (v učebně)
Projekt

Anotace

Cílem předmětu je pochopení a využití stochastických a inteligentních SC metod v ekonomice při modelování a konstrukci rychlých (flash) předpovědí ekonomických a finančních procesů. Jedná se o metody založené na supervizovaném, nesupervizovaném a hybridním učení z dat, vývoj nových architektur a učení UNS, vývoj a projektování sytémů pro firemní aplikace. Studenti budou schopní diskutovat a zhodnocovat výkonnost inteligentního zpracování informací v porovnání s pravděpodobnostním počítáním.

Povinná literatura:

MARČEK, Dušan. Pravdepodobnostné modelovanie a soft computing v ekonomike. VŠB-TU Ostrava, 2013. 300 s. ISBN 978-80-248-2955-5. MARČEK Dušan. Supervizované a nesupervizované učení z dat: statistický a soft přístup. SAEI, vol. 45/2016, Ostrava: VŠB-TU Ostrava, 2016. 234 s. ISBN: 978-80-248-3884-7. MARČEK, Dušan a MARČEK, Milan. Neuronové siete a ich aplikácie. Žilina: EDIS ŽU, 2006. 223 s. ISBN 80-8070-497-X. MARČEK, D. Comparison of Predictive Statistical Learning Accuracy with Computational Intelligence Methods. Proceedings of 15th IEEE Int. Scientific Conf.on Informatics, Eds. Steingartner et al, Poprad, pp. 254-259, 2019, ISBN 978- 1-7281-3178.

Doporučená literatura:

Gabor K., Kiss, A. Building Neural Networks as Dataflow Graphs. Proceedings of 2019 IEEE 15th International Scientific Conference on Informatics, Informatics 2019, pp. 216-221, ISBN: 978-1-7281-3178-8. NIELSEN, Michael. Neural Networks and Deep Learning, Determination Press, 2015, http://neuralnetworksanddeeplearning.com/ KECMAN, V. Learning and soft computing: support vector machines, neural networks, and fuzzy logic. (Massachusetts, The MIT Press, 2001). ISBN 0-262-11255-8. MARČEK Dušan. Supervizované a nesupervizované učení z dat: statistický a soft přístup. SAEI, vol. 45/2016, Ostrava: VŠB-TU Ostrava, 2016. 234 s. ISBN: 978-80-248-3884-7.

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.