460-6026/02 – Strojové učení (SU)

Garantující katedraKatedra informatikyKredity10
Garant předmětudoc. Ing. Jan Platoš, Ph.D.Garant verze předmětudoc. Ing. Jan Platoš, Ph.D.
Úroveň studiapostgraduálníPovinnostpovinně volitelný typu B
RočníkSemestrzimní + letní
Jazyk výukyangličtina
Rok zavedení2019/2020Rok zrušení
Určeno pro fakultyFEIUrčeno pro typy studiadoktorské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
PLA06 doc. Ing. Jan Platoš, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zkouška 28+0
kombinovaná Zkouška 28+0

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Cílem kurzu je poskytnout posluchači detailní přehled o postupech a metodách v oblasti strojového učení. Dále se individuálně prohloubí tyto znalosti a dovednosti směrem, který je v souladu se specifickým zaměřením jeho doktorandského studia a disertační práce.

Vyučovací metody

Semináře
Individuální konzultace
Projekt
Ostatní aktivity

Anotace

Předmět je zaměřen na zpracování dat a datovou analýzu vzhledem k dolování znalostí. Předmět pokrývá všechny fáze zpracování dat od jejich získávání, předzpracování a čistění, po jejich klasifikaci, shlukování a vizualizaci. Hlavní důraz bude kladen na zpracování dat medicínského a laboratorního charakteru ale jiné zdroje dat budou také zahrnuty.

Povinná literatura:

• BERGERON, Bryan P. Bioinformatics computing. Upper Saddle River, NJ: Prentice Hall/Professional Technical Reference, c2003. ISBN 9780131008250. • TSAI, Jeffrey J.-P a Ka-Lok NG. Computational methods with applications in bioinformatics analysis. New Jersey: World Scientific, 2017. ISBN 978-981-3207-97-4.

Doporučená literatura:

• AGGARWAL, Charu C. Data mining: the textbook. New York, NY: Springer Science+Business Media, 2015. ISBN 978-3-319-14141-1. • ZHANG, Yan-Qing a Jagath Chandana RAJAPAKSE. Machine learning in bioinformatics. Hoboken, N.J.: Wiley, c2009. Wiley series on bioinformatics. ISBN 9780470116623.

Forma způsobu ověření studijních výsledků a další požadavky na studenta

Průběžná kontrola studijních aktivit a přiřazených úkolů v rámci pravidelných konzultací. V případě, že součástí úkolů studenta bude rovněž publikační činnost, bude příslušný článek v rámci kurzu odprezentován.

E-learning

Další požadavky na studenta

Student vypracovává a obhajuje práci na zadané téma.

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

• Data – vektor, proud, signal, síť • Čištění dat, řešení chybějících dat, agregace • Redukce dimenze, expanse dimenze • Explorativní analýza dat • Unsupervised learning – dolování vzorů, slukování, vyhodnocení shlukování • Detekce anomálií • Supervised learning • Klasifikace pomocí lineárních modelů - Klasifikace pomocí pravděpodobnostních modelů - Klasifikace pomocí nelineárních modelů - Regrese • Zpracování síťových dat - Modely sítí - Shlukování - Detekce komunit • Vizualizace dat

Podmínky absolvování předmětu

Prezenční forma (platnost od: 2019/2020 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
2020/2021 (P0588D140004) Bioinformatika a výpočetní biologie P angličtina Ostrava povinně volitelný typu B stu. plán
2020/2021 (P0588D140004) Bioinformatika a výpočetní biologie K angličtina Ostrava povinně volitelný typu B stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku