Přednáška představuje oblast strojového učení, které se v současné době intenzivně rozvíjí v úzké
souvislosti s umělou inteligencí. Podává přehled základních typů strojového učení, hlavních
problémů a metod a uvádí některé typické algoritmy.
Poslední úprava: T_KTI (03.05.2012)
The aim of the course is to introduce machine learning as important and in this time very vital field
developing in the close connection with artificial intelligence. The course gives a survey of basic
branches of machine learning (supervised inductive learning, reinforcement learning, unsupervised
learning and knowledge in learning), main problems and methods and some typical algorithms.
Cíl předmětu -
Poslední úprava: T_KTI (03.05.2012)
Naučit teorii, metody a algoritmy používané ve strojovém učení.
Poslední úprava: Mgr. Marta Vomlelová, Ph.D. (14.05.2021)
The course extends the basic machine learning course.
Podmínky zakončení předmětu -
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. (07.06.2019)
The exam consists of a written preparation and an oral part. The requirements are given by the course syllabus.
Literatura -
Poslední úprava: Mgr. Marta Vomlelová, Ph.D. (11.05.2023)
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
C. E. Rasmussen & C. K. I. Williams, Gaussian Processes for Machine Learning, the MIT Press, 2006
A. Cropper and S. Dumancic. Inductive logic programming at 30: a new introduction. CoRR, abs/2008.07912, 2020.
Poslední úprava: Mgr. Marta Vomlelová, Ph.D. (11.05.2023)
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
C. E. Rasmussen & C. K. I. Williams, Gaussian Processes for Machine Learning, the MIT Press, 2006
A. Cropper and S. Dumancic. Inductive logic programming at 30: a new introduction. CoRR, abs/2008.07912, 2020.
Požadavky ke zkoušce -
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. (07.06.2019)
The exam consists of a written preparation and an oral part. The requirements are given by the course syllabus.
Sylabus -
Poslední úprava: Mgr. Marta Vomlelová, Ph.D. (15.05.2024)
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,
příklad expanze bazických funkcí a regularizace (např. vyhlazené splajny),
logistická regrese, zobecněné lineární modely,
ohodnocování modelů (odhad chyby a interval spolehlivosti, krosvalidace, one-leave-out),