155-9507/01 – Pravděpodobnostní modelování a metody soft computingu (PMMSC)

Garantující katedraKatedra aplikované informatikyKredity10
Garant předmětuprof. Ing. Dušan Marček, CSc.Garant verze předmětuprof. Ing. Dušan Marček, CSc.
Úroveň studiapostgraduálníPovinnostpovinně volitelný
RočníkSemestrzimní + letní
Jazyk výukyangličtina
Rok zavedení2014/2015Rok zrušení
Určeno pro fakultyEKFUrčeno pro typy studiadoktorské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
HUD0118 doc. Dr. Ing. Miroslav Hudec
MAR0011 prof. Ing. Dušan Marček, CSc.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zkouška 28+0
kombinovaná Zkouška 28+0

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Předmět se soustřeďuje na pravděpodobnostní modelování ekonomických a finančních procesů s jejich využitím v manažérských predikčních systémech na taktické a strategické úrovni rozhodování a též na modelováni založeném na soft computingových technikách a prostředky umělé inteligence.

Vyučovací metody

Přednášky
Individuální konzultace

Anotace

Pojetí Soft Computingu. Metody matematické statistiky a pravděpodobnostního počtu, Regularizační teorie pro modelování ekonomických procesů. Umělé neuronové sítě a predikční modely v ekonomice. Učení neuronových sítí jako podpora odhadu parametrů nelineárních modelů. Prototypování dat a jejího využití při modelování ekonomických systému a finančních procesů. Strojové učení založené na SVM (Support Vector Machine). Klasifikační modely strojového učení SVM a jejích využití v modelování procesů s rozsáhlými daty. Predikce ekonomických časových řad pomocí metody SVM - problémy a možnosti její aplikace.

Povinná literatura:

MARČEK, Dušan. Pravdepodobnostné modelovanie a soft computing v ekonomike. VŠB-TU Ostrava, 2013. 300 s. ISBN 978-80-248-2955-5. MARČEK, Milan a kolektiv. Ekonometria a soft computing. EDIS Žilna, 2008. 223 s. ISBN 978-80-8070-746-0. MARČEK, Dušan. Supervizované a nesupervizované učení z dat: statistický a soft přístup. SAEI, vol. 45/2016, Ostrava: VŠB-TU Ostrava, 234 s. ISBN 978-80-248-3884-7. SCHÖLKOPF, Bernhard a SMOLA, Alexander. Learning with Kernels. Cambridge, Ma: Mit Press, 2002. ISBN: 0262194759. SCHÖLKOPF, B., SMOLA, A. Learning With Kernels. Cambridge, Ma: Mit Press, 2002. HAYKIN, S. Neural Networks: A Comprehensive Foundation. 2nd edition, Prentice Hall, 1998. MAIMOND, O. and ROKACH, L., editors. Soft Computing for Knowledge Discovery and Data Mining. Springer Verlag, Berlin, Germany, 2007. JIN, B., ZHANG, I.Q and WANG, B.H. Granular Kernel Trees with Parallel Genetic Algorithms for Drug Activity Comparisons, International Journal of Datamining and Bioinformatics, vol. 1, no 3, pp. 270-285, 2007. MARCEK, M., MARCEK, D. Granular RBF Neural Network Implementation of Fuzzy Systems: Application to Time Series Modelling. Journal of Multi-Valued Logic & Soft Compiting, 14 (2008), pp.400-414. ALPAIDIN, E. Introduction to Machine Learning (Adaptive Computation and Machine Learning), MIT Press, 2004. ALPAIDYN, E. Introduction to Machine Learning, Cambridge, Mass.: MIT Press, 2010. BUHMANN, M.D. Radial Basis Function: Theory and Implementations, Camridge University Press, 2003. LUGER, G.F. Artificial Intelligence, Addison Wesley, 2005. MARČEK, D. Pravděpodobnostní modelování a soft computing v ekonomike.VŠB-TU Ostrava, 2013, ISBN978-80-248-2955-5.

Doporučená literatura:

SCHÖLKOPF, B., SMOLA, A. Learning With Kernels. Cambridge, Ma: Mit Press, 2002. HAYKIN, S. Neural Networks: A Comprehensive Foundation. 2nd edition, Prentice Hall, 1998. BERKA, Petr. Dobývání znalostí z databází. Vyd. 1. Praha: Academia, 2003, ISBN: 8020010629.

Forma způsobu ověření studijních výsledků a další požadavky na studenta

Zkouška: otázky z daných okruhů

E-learning

Další požadavky na studenta

Zpracování písemné práce, které má vazbu na řešenou disertační práci v rozsahu cca 12 stran.

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

Hlavní témata předmětu tvoří: - Pojetí Soft Computingu. - Metody matematické statistiky a pravděpodobnostního počtu, Regularizační teorie pro modelování ekonomických procesů. - Umělé neuronové sítě a predikční modely v ekonomice, Učení neuronových sítí jako podpora odhadu parametrů nelineárních modelů. - Prototypování dat a jejího využití při modelování ekonomických systému a finančních procesů. - Strojové učení založené na SVM (Support Vector Machine). - Klasifikační modely strojového učení SVM a jejích využití v modelování procesů s rozsáhlými daty. - Predikce ekonomických časových řad pomocí metody SVM - problémy a možnosti její aplikace.

Podmínky absolvování předmětu

Prezenční forma (platnost od: 2014/2015 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)		Min. počet bodů
Zkouška Zkouška  
Rozsah povinné účasti:

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.ZaměřeníFormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2021/2022 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný stu. plán
2021/2022 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný stu. plán
2021/2022 (P0311D050020) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný typu B stu. plán
2021/2022 (P0311D050020) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný typu B stu. plán
2020/2021 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný stu. plán
2020/2021 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný stu. plán
2020/2021 (P0311D050020) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný typu B stu. plán
2020/2021 (P0311D050020) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný typu B stu. plán
2019/2020 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný stu. plán
2019/2020 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný stu. plán
2018/2019 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný stu. plán
2018/2019 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný stu. plán
2017/2018 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný stu. plán
2017/2018 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný stu. plán
2016/2017 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný stu. plán
2016/2017 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný stu. plán
2015/2016 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika P angličtina Ostrava povinně volitelný stu. plán
2015/2016 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika K angličtina Ostrava povinně volitelný stu. plán
2014/2015 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika P čeština Ostrava povinně volitelný stu. plán
2014/2015 (P6209) Systémové inženýrství a informatika (6209V025) Systémové inženýrství a informatika K čeština Ostrava povinně volitelný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku