460-4066/02 – Matematika pro zpracování znalostí (MPZZ)
| Garantující katedra | Katedra informatiky | Kredity | 6 |
| Garant předmětu | Mgr. Pavla Dráždilová, Ph.D. | Garant verze předmětu | Mgr. Pavla Dráždilová, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
| Ročník | 1 | Semestr | zimní |
| | Jazyk výuky | angličtina |
| Rok zavedení | 2015/2016 | Rok zrušení | |
| Určeno pro fakulty | FEI | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Absolvent předmětu získá následující znalosti a dovednosti:
teoretické základy metod pro analýzu dat,
implementace a aplikace vybraných metod.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Anotace
V předmětu se studenti seznámí se základními matematickými metodami pro oblast analýzy dat. Přednášky poskytnou teoretický základ pro samostatnou práci studentů. Cvičení nabídnou prostor pro prodiskutování problematiky, ukázku řešení úloh a procvičení na názorných příkladech.
Povinná literatura:
1. Dan A Simovici; Chabane Djeraba. Mathematical tools for data mining : set theory, partial orders, combinatorics. Springer, 2008.
2. David Skillicorn. Understanding Complex Datasets: Data Mining with Matrix Decompositions, Chapman & Hall, 2007.
3. T. Hastie, R. Tibshirani and J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer; Corr. 3rd edition, 2009.
Doporučená literatura:
1. Eldén, L., Matrix Methods in Data Mining and Pattern Recognition, SIAM 2007.
Další studijní materiály
Forma způsobu ověření studijních výsledků a další požadavky na studenta
3 písemné testy v průběhu semestru a zápočtová písemná práce. Předmět je ukončen zkouškou, která se skládá z písemné a ústní části. Písemná i ústní část jsou povinné.
E-learning
Další požadavky na studenta
Další požadavky na studenta nejsou kladeny.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1) Algebry
2) Grafy a hypergrafy.
3) Uspořádané množiny
4) Svazy a booleovy algebry
5) Konceptuální svazy
6) Topologie
7) Asociační pravidla
8) Rough Sets
9) Aproximační prostory
10) Disimilarity, metrické prostory a ultrametriky
11) Dimenze a prokletí dimenzionality
12) Shlukování
13) Kvalita shlukování
Cvičení na učebně s tabulí:
1) Příklady algeber, procvičení základních algebraických pojmů
2) Příklady grafů a hypergrafů, procvičení základních pojmů
3) Příklady uspořádaných množin, procvičení základních pojmů
4) Příklady svazů a Booleových algeber, procvičení základních pojmů
5) Příklady konceptuální svazů, ukázky aplikace konceptuálních svazů
6) Příklady topologií, procvičení základních pojmů
7) Algoritmy pro extrakci asociačních pravidel
8) Řešené příklady z teorie rough setů, procvičení základních pojmů
9) Příklady aproximačních prostorů, procvičení základních pojmů
10) Příklady metrických prostorů a ultrametriky, procvičení základních pojmů
11) Paradoxy ve vysoce dimenzionálních prostorech a redukce dimenze
12) Procvičení matematických metod teorie shlukování
13) Příklady výpočtu kvality shlukování
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky