548-0083 – GeoComputation (GC)

Garantující katedraKatedra geoinformatiky
Garant předmětuprof. Ing. Jiří Horák, Dr.
Úroveň studiapregraduální nebo graduální
Verze předmětu
Kód verzeRok zavedeníRok zrušeníKredity
548-0083/01 2010/2011 2018/2019 5
548-0083/02 2015/2016 2022/2023 5
548-0083/03 2017/2018 2018/2019 5
548-0083/04 2021/2022 5
548-0083/05 2021/2022 5

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Cílem předmětu je naučit studenty využívat základní metody umělé inteligence zejména strojového učení jako jsou klasifikační a rozhodovací stromy, metoda podpůrrných vektorů a neuronové sítě v geoinformatice, seznámit je s principy a metodami data miningu, teorií chaosu a fraktály a vybranými metodami stochastické prostorové simulace.

Vyučovací metody

Přednášky
Cvičení (v učebně)

Anotace

Předmět vysvětluje základní přístupy a metody umělé inteligence, zejména metody strojového učení a zaměřuje se na jejich využití v geoinformatice, kde se hodnotí prostorové vlastnosti, upravuje se prostorové vzorkování, provádí se transformace dat. Vysvětlují se klasifikační metody jako jsou Bayesovské klasifikátory, klasifikační a rozhodovací stromy, metoda podpůrrných vektorů. Varianty pro regresní analýzy. Neuronové sítě, včetně pokročilejších metod jako je hluboké učení a konvoluční neuronové sítě. Další část seznamuje s problematikou a metodami data miningu, odvozování vzorů, sekvencí a asociačních pravidel, základní techniky text miningu a shlukovacích metod. Úvod do teorie chaosu a fraktálů, využití v geoinformatice. Stochastická prostorová simulace.

Povinná literatura:

BRAMER, M.A. Principles of data mining. Springer, London, 2020. LAMPART, M., HORÁK, J., IVAN, I.: Úvod do dynamických systémů: teorie a praxe v geoinformatice, Vysoká škola báňská – Technická univerzita Ostrava, 2013, ISBN 978-80-248-3185-5. KANEVSKI M. F., Poudnoukhov A., Timonin V. Machine learning for spatial environmental data. CRC Press 2009. 377 s., 978-0-8493-8237-6 VOŽENÍLEK, V, DVORSKÝ J., HÚSEK D. (ed.) Metody umělé inteligence v geoinformatice. Olomouc: Univerzita Palackého v Olomouci, 2011. ISBN 978-80-244-2945-8.

Doporučená literatura:

AWANGE, J.M., PALÁNCZ, B., LEWIS, R.H., VOLGYESI, L.. Mathematical geosciences. Springer Berlin Heidelberg, New York, NY, 2017. ČANDÍK, M., VČELAŘ, F., ZELINKA, I.: Fraktální geometrie - principy a aplikace, BEN-Technická literatura, 2006, ISBN 80-7300-191-8. KANEVSKI M. F. Advanced mapping of environmental data : geostatistics, machine learning and Bayesian maximum entropy. ISTE 2008. 313 s., 978-1-84821-060-8 ZAKI, M.J., MEIRA, W. Data mining and machine learning: fundamental concepts and algorithms. Cambridge University Press, Cambridge, United Kingdom, 2020; New York, NY.

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.