548-0083/02 – GeoComputation (GC)
| Garantující katedra | Katedra geoinformatiky | Kredity | 5 |
| Garant předmětu | prof. Ing. Jiří Horák, Dr. | Garant verze předmětu | prof. Ing. Jiří Horák, Dr. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinně volitelný |
| Ročník | 2 | Semestr | zimní |
| | Jazyk výuky | angličtina |
| Rok zavedení | 2015/2016 | Rok zrušení | 2022/2023 |
| Určeno pro fakulty | HGF | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Cílem předmětu je naučit studenty využívat základní metody umělé inteligence zejména strojového učení jako jsou klasifikační a rozhodovací stromy, metoda podpůrrných vektorů a neuronové sítě v geoinformatice, seznámit je s principy a metodami data miningu, teorií chaosu a fraktály a vybranými metodami stochastické prostorové simulace.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Anotace
Předmět vysvětluje základní přístupy a metody umělé inteligence, zejména metody strojového učení a zaměřuje se na jejich využití v geoinformatice, kde se hodnotí prostorové vlastnosti, upravuje se prostorové vzorkování, provádí se transformace dat. Vysvětlují se klasifikační metody jako jsou Bayesovské klasifikátory, klasifikační a rozhodovací stromy, metoda podpůrrných vektorů. Varianty pro regresní analýzy. Neuronové sítě, včetně pokročilejších metod jako je hluboké učení a konvoluční neuronové sítě. Další část seznamuje s problematikou a metodami data miningu, odvozování vzorů, sekvencí a asociačních pravidel, základní techniky text miningu a shlukovacích metod. Úvod do teorie chaosu a fraktálů, využití v geoinformatice. Stochastická prostorová simulace.
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
E-learning
Další požadavky na studenta
Žádné další požadavky na studenta nejsou kladeny.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
Náplní předmětu bude uvedení do problematiky teorie fuzzy množina a jejich aplikace v praxi. Dále budou vysvětleny základy teorie rozhodování a to v situaci bez rizika i za rizika. Druhá polovina předmětu bude věnována teorii chaosu a fraktálů, fraktální dimenzi a jejich aplikace pomocí vybraných algoritmů.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky