|
|
|
||
Poslední úprava: T_KTI (03.05.2012)
|
|
||
Poslední úprava: T_KTI (03.05.2012)
Naučit teorii, metody a algoritmy používané ve strojovém učení. |
|
||
Poslední úprava: Mgr. Marta Vomlelová, Ph.D. (28.04.2020)
Pro úspěšné absolvování je třeba složit ústní zkoušku z témat obsažených v sylabu v rozsahu předneseném na přednášce.
Část zkoušek může konat distanční formou. Závisí to na vývoji aktuální situace a o jakékoli změně budete včas informováni. |
|
||
Poslední úprava: Mgr. Marta Vomlelová, Ph.D. (20.12.2022)
T. Hastie, R. Tibshirani, J. Friedman: The Elements of Statistical Learning, Springer 2009
G. James, D. Witten, T. Hastie, R. Tibshirani: An Introduction to Statistical learning with Applications in R, Springer, 2014
S.J. Russell, P. Norvig: Artificial Intelligence: A Modern Approach; Prentice Hall, 1995 |
|
||
Poslední úprava: Mgr. Marta Vomlelová, Ph.D. (07.06.2019)
Zkouška je ústní z témat odpovídajících sylabu v rozsahu předneseném na přednášce. |
|
||
Poslední úprava: Mgr. Marta Vomlelová, Ph.D. (07.06.2020)
Snaha je nahlížet probírané modely jako používané algoritmy i z pohledu statistiků (viz první kniha Literatury).
Lineární regrese a učení založené na instancích jakožto extrémy v prostoru možných modelů,
prokletí dimenzionality, bias-variance tradeoff,
logistická regrese, zobecněné lineární modely,
ohodnocování modelů (odhad chyby a interval spolehlivosti, krosvalidace, one-leave-out),
rozhodovací stromy, prořezávání, chybějící hodnoty,
tvorba pravidel PRIM,
kombinace modelů (AdaBoost, random forest),
support vector machines,
Bayesovské učení, EM algoritmus na příkladu klastrování,
Pravděpodobnostní přístupy; neorientované grafické modely, gaussovské procesy a bayesovská optimalizace,
učení bez učitele - nákupní košík (Apriori alg.), klastrování k-means, k-medoids, hierarchické.
|