Meta-learning methods for analyzing Go playing trends

• Název práce v češtině: Meta-učící metody pro analýzu trendů her Go
• Název v anglickém jazyce: Meta-learning methods for analyzing Go playing trends
• Klíčová slova: Go, aproximace funkcí, strojové učení, evoluce ansámblů
• Klíčová slova anglicky: Go, function approximation, machine learning, evolution of ensembles
• Akademický rok vypsání: 2011/2012
• Typ práce: diplomová práce
• Jazyk práce: angličtina
• Ústav: Katedra teoretické informatiky a matematické logiky (32-KTIML)
• Vedoucí / školitel: Mgr. Roman Neruda, CSc.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 15.12.2011
• Datum zadání: 15.12.2011
• Datum potvrzení stud. oddělením: 04.10.2012
• Datum a čas obhajoby: 10.09.2013 00:00
• Datum odevzdání elektronické podoby: 22.07.2013
• Datum odevzdání tištěné podoby: 25.07.2013
• Datum proběhlé obhajoby: 10.09.2013
• Oponenti: RNDr. František Mráz, CSc.

Zásady pro vypracování

The goal of the work is to study the possibilities of meta-learning in
the field of Go game playing trends analysis. The student will propose
data mining algorithms for extracting information from large Go games
databases, and he will explore possible application of meta-learning.
The task is to predict general properties of game players, such as
strength or aggressiveness. A web application realizing the proposed
algorithms and enabling further data collection will be a part of this
work.

Seznam odborné literatury

[1] T. Hastie, R. Tibshirani, J. Friedman - The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009

[2] N. Jankowski, W. Duch, K. Grabczewski - Meta-Learning in Computational Intelligence, Springer, 2011