Cílem předmětu je získat praktické zkušenosti s dobýváním znalostí. Věnuje se více přípravě dat, může předcházet přednášce Úvod do strojového učení.

The course provides basic experience with data preprocessing and machine learning algortithms.

Pro úspěšné absolvování předmětu je třeba provést analýzu dat, prezentovat výsledky a odevzdat ve formě semestrální práce.

Students have to analyze a given data set, present the results and submit the analysis in a written form.

Willi Richert, Luis Pedro Coelho: Building Machine Learning Systems with Python, Packt Publishing 2013

Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani: An Introduction to Statistical Learning with Applications in R, Springer 2013

Willi Richert, Luis Pedro Coelho: Building Machine Learning Systems with Python,

Packt Publishing 2013

Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani: An Introduction to Statistical Learning with Applications in R, Springer 2013

Cílem semináře je poskytnout konkrétní zkušenost analýzy dat. V přednáškové části si studenti zopakují a rozšíří dostupné nástroje, v seminární části budeme budou aplikovat metody na konkrétní datovou sadu a sdílet zkušenosti.

Svou analýzu odevzdají ve formě semestrální práce.

Přednášky pokryjí základy pro práci:

• grafy (XY - scatterplot, krabicový - boxplot a další možnosti grafického zobrazení),

• agregace a statistiky pro skupiny,

• tvorba jednoduchých klasifikačních a regresních modelů,

• vyhodnocení vzhledem k různým chybovým funkcím,

• čištění dat (chybějící a odlehlé hodnoty).

Dle konkrétních analyzovaných dat se dále zaměříme na některá z témat:

• časové řady,

• převod textu na vektory tfidf,

• klastrování a učení pravidel (apriori).

The seminar provides an experience in data analysis. It extends the lecture Introduction to Machine Learning.

Lectures introduce to machine learning tools and library functions usage. Participants of the seminar analyze a given dataset and submit their results as a seminar work.

The lectures cover:

• graphs (scatter plot, box plot and basic graphs and graph annotations)

• groupby function and group statistics

• simple classification and regression models

• evaluation with respect to different error functions

• ways to identify outliers, missing data handling.

According a specific dataset we may further focus at:

• time series,

• text tfidf vectorization,

• clustering and apriori algorithm.