460-2064/02 – Základy strojového učení (ZSU)

Garantující katedraKatedra informatikyKredity4
Garant předmětuprof. Ing. Jan Platoš, Ph.D.Garant verze předmětuprof. Ing. Jan Platoš, Ph.D.
Úroveň studiapregraduální nebo graduálníPovinnostpovinně volitelný typu B
Ročník3Semestrzimní
Jazyk výukyangličtina
Rok zavedení2019/2020Rok zrušení
Určeno pro fakultyFEIUrčeno pro typy studiabakalářské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
PLA06 prof. Ing. Jan Platoš, Ph.D.
SVO0175 Ing. Radek Svoboda
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Klasifikovaný zápočet 2+2

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Cílem předmětu je seznámit studenty s daty, jejich analýzou a strojovým učením a to na úrovni, která bude odpovídat absolvovaným předmětům a dosaženým znalostem. Hlavními znalostmi, které budou studentům předány, jsou znalosti ohledně dat, jejich přípravy, statistické vlastnosti, metody zpracování dat a strojového učení. Studenti budou schopni porozumět vlastnostem dat, analytickým metodám, a budou schopni správně interpretovat dosažené výsledky a tyto vhodnými metodami prezentovat a vizualizovat.

Vyučovací metody

Přednášky
Cvičení (v učebně)

Anotace

V předmětu se studenti obeznámí s vlastnostmi dat, jejich uložením a zpracováním. Dále se seznámí s metodami analýzy dat, strojového učení, umělé inteligence, interpretaci výsledků a jejich vizualizací. Přednášky se budou věnovat statistických vlastnostem dat, metodami čištění a předzpracování dat. Dále pak teoretickému popisu metod zpracování dat, strojového učení a umělé inteligence. Studenti budou schopni sami rozhodnout, kdy je která metoda vhodná, jaké má předpoklady, jaký je její princip a jaké výstupy s ní lze získat. Cvičení pak poslouží pro praktické experimenty nad vhodnými datovými sadami, experimentování s nástroji pro analýzu dat a zhodnocení výsledků.

Povinná literatura:

Prezentace k přednáškám HASTIE, Trevor., Robert. TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning: data mining, inference, and prediction. 2nd ed. New York, NY: Springer, c2009. ISBN 978-0-387-84858-7. WITTEN, Ian H., Eibe FRANK, Mark A. HALL a Christopher J. PAL. Data mining: Practical machine learning tools and techniques. Fourth Edition. Amsterdam: Elsevier, 2017. ISBN 978-0-12-804291-5.

Doporučená literatura:

LESKOVEC, Jurij, Anand RAJARAMAN a Jeffrey D. ULLMAN. Mining of massive datasets / Jure Leskovec, Standford University, Anand Rajaraman, Milliways Labs, Jeffrey David Ullman, Standford University. Second edition. Cambridge: Cambridge University Press, 2014. ISBN 9781107077232. AGGARWAL, Charu C. Data mining: the textbook. New York, NY: Springer Science+Business Media, 2015. ISBN 978-3-319-14141-1.

Forma způsobu ověření studijních výsledků a další požadavky na studenta

Znalosti studentů jsou ověřovány prostřednictví realizace bodovaných úkolů na cvičeních, vypracování analýzy dat a implementace některé z probíraných metod v rámci samostatné práce.

E-learning

Další požadavky na studenta

Další požadavky na studenta nejsou kladeny

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

Přednášky (bloky studia): 1. Data a jejich specifika 2. Statistické vlastnosti dat 3. Reprezentace znalostí 4. Základní algoritmy 5. Hodnocení a důvěryhodnost výsledků 6. Pokročilé metody a algoritmy 7. Rozšíření lineárních modelů 8. Transformace dat 9. Optimalizační metody 10. Vizualizace dat Cvičení na počítačové učebně: 1. Demonstraci látky z přednášek - práce s daty a jejich vlastnosti. 2. Demonstraci látky z přednášek - statistické vlastnosti dat. 3. Demonstraci látky z přednášek - reprezentace znalostí v počítači. 4. Demonstraci látky z přednášek - lineární metody. 5. Demonstraci látky z přednášek - kvalita modelů a její měření. 6. Demonstraci látky z přednášek - metody založené na stromech. 7. Demonstraci látky z přednášek - nelineární modely. 8. Demonstraci látky z přednášek - transformace dat. 9. Demonstraci látky z přednášek - úvod do optimalizačních metod. 10. Demonstraci látky z přednášek - vizualizace dat.

Podmínky absolvování předmětu

Prezenční forma (platnost od: 2023/2024 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodůMax. počet pokusů
Klasifikovaný zápočet Klasifikovaný zápočet 100 (100) 51 3
        Řešení úloh na cvičení Jiný typ úlohy 20  10 1
        Explorativní a shluková analýza dat Projekt 45  20 1
        Klasifikace dat Projekt 35  15 1
Rozsah povinné účasti: Účast na cvičeních je povinná a je kontrolována. S rozsahem povinné účastí seznámí studenty garant předmětu na začátku semestru.

Zobrazit historii

Podmínky absolvování předmětu a účast na cvičeních v rámci ISP: Splnění všech povinných úkolů v individuálně dohodnutých termínech. Rozsah účasti na cvičeních si student na začátku semestru dohodne s garantem předmětu.

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.ZaměřeníFormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2024/2025 (B0613A140010) Informatika INF P angličtina Ostrava 3 povinný stu. plán
2024/2025 (B0714A060019) Biomedicínské asistivní technologie P angličtina Ostrava 3 povinně volitelný typu B stu. plán
2023/2024 (B0613A140010) Informatika INF P angličtina Ostrava 3 povinný stu. plán
2023/2024 (B0714A060019) Biomedicínské asistivní technologie P angličtina Ostrava 3 povinně volitelný typu B stu. plán
2023/2024 (B0541A170009) Výpočetní a aplikovaná matematika P angličtina Ostrava 3 volitelný odborný stu. plán
2022/2023 (B0613A140010) Informatika INF P angličtina Ostrava 3 povinný stu. plán
2022/2023 (B0714A060019) Biomedicínské asistivní technologie P angličtina Ostrava 3 povinně volitelný typu B stu. plán
2022/2023 (B0714A150004) Počítačové systémy pro průmysl 21. století INF P angličtina Ostrava 3 povinný stu. plán
2022/2023 (B0541A170009) Výpočetní a aplikovaná matematika P angličtina Ostrava 3 volitelný odborný stu. plán
2021/2022 (B0613A140010) Informatika INF P angličtina Ostrava 3 povinný stu. plán
2021/2022 (B0714A060019) Biomedicínské asistivní technologie P angličtina Ostrava 3 povinně volitelný typu B stu. plán
2021/2022 (B0714A150004) Počítačové systémy pro průmysl 21. století INF P angličtina Ostrava 3 povinný stu. plán
2021/2022 (B0541A170009) Výpočetní a aplikovaná matematika P angličtina Ostrava 3 volitelný odborný stu. plán
2020/2021 (B0714A150004) Počítačové systémy pro průmysl 21. století INF P angličtina Ostrava 3 povinný stu. plán
2020/2021 (B0714A060019) Biomedicínské asistivní technologie P angličtina Ostrava 3 povinně volitelný typu B stu. plán
2020/2021 (B0613A140010) Informatika INF P angličtina Ostrava 3 povinný stu. plán
2020/2021 (B0714A060011) Telekomunikační technika P angličtina Ostrava 3 volitelný odborný stu. plán
2020/2021 (B0541A170009) Výpočetní a aplikovaná matematika P angličtina Ostrava 3 volitelný odborný stu. plán
2019/2020 (B0714A060011) Telekomunikační technika P angličtina Ostrava 3 volitelný odborný stu. plán
2019/2020 (B0714A150004) Počítačové systémy pro průmysl 21. století INF P angličtina Ostrava 3 povinný stu. plán
2019/2020 (B0613A140010) Informatika INF P angličtina Ostrava 3 povinný stu. plán
2019/2020 (B0541A170009) Výpočetní a aplikovaná matematika P angličtina Ostrava 3 volitelný odborný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku
V - ECTS - bc. 2024/2025 prezenční angličtina volitelný odborný 401 - Studijní oddělení FEI stu. blok

Hodnocení Výuky

Předmět neobsahuje žádné hodnocení.