155-9507/01 – Pravděpodobnostní modelování a metody soft computingu (PMMSC)
Garantující katedra | Katedra aplikované informatiky | Kredity | 10 |
Garant předmětu | prof. Ing. Dušan Marček, CSc. | Garant verze předmětu | prof. Ing. Dušan Marček, CSc. |
Úroveň studia | postgraduální | Povinnost | povinně volitelný |
Ročník | | Semestr | zimní + letní |
| | Jazyk výuky | angličtina |
Rok zavedení | 2014/2015 | Rok zrušení | |
Určeno pro fakulty | EKF | Určeno pro typy studia | doktorské |
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:
Doporučená literatura:
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
Výskyt ve studijních plánech
Výskyt ve speciálních blocích