|
Vyučující
|
-
Mirshahi Sina, MSc.
-
Viktorin Adam, Ing. Ph.D.
-
Šenkeřík Roman, prof. Ing. Ph.D.
-
Sahgal Divya
-
Komínková Oplatková Zuzana, prof. Ing. Ph.D.
-
Li Peng, Ing. Ph.D.
|
|
Obsah předmětu
|
- Úvod do softcomputingu. - Fuzzy teorie. - Úvod do strojového učení a preprocessing dat pro inteligentní výpočetní metody. - Naivní bayesovský klasifikátor, Bayesovské sítě. - Rozhodovací stromy. Random forest. - Vícekriteriální rozhodovací analýza. - Support vector machines. - Úvod do dataminingu - historie, principy a postupy, aplikace. - Redukce dimensionality - PCA algoritmus. feature extraction a feature selection. Rankovací algoritmy - PageRank. - Clusteringové algoritmy - K-means, Fuzzy cMeans, DBSCAN, EM algoritmus a další. - Text mining, dolování webových dat (web data mining), analýza sociálních sítí. - Agetní systémy - teorie a jejich aplikace. - Multiagentní systémy - teorie a jejich aplikace.
|
|
Studijní aktivity a metody výuky
|
|
Přednášení, Cvičení na počítači
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| Znalosti z oblastí: Matematika Základy informatiky Programování Základy umělé inteligence |
| Znalosti z oblastí: Matematika Základy informatiky Programování Základy umělé inteligence |
| Výsledky učení |
|---|
| Student umí vyjmenovat a definovat různé softcomputingové metody, včetně fuzzy logiky a pravděpodobnostního počítání, a popisovat jejich reálné aplikace. |
| Student umí vyjmenovat a definovat různé softcomputingové metody, včetně fuzzy logiky a pravděpodobnostního počítání, a popisovat jejich reálné aplikace. |
| Student rozumí a umí popsat základy strojového učení a techniky preprocessingu dat pro inteligentní výpočetní metody. |
| Student rozumí a umí popsat základy strojového učení a techniky preprocessingu dat pro inteligentní výpočetní metody. |
| Student má znalosti o principech a metodách dataminingu a dokáže analyzovat jejich aplikace. |
| Student má znalosti o principech a metodách dataminingu a dokáže analyzovat jejich aplikace. |
| Student umí definovat a vysvětlit algoritmy pro klasifikaci a predikci, včetně naivních bayesovských klasifikátorů a rozhodovacích stromů. |
| Student umí definovat a vysvětlit algoritmy pro klasifikaci a predikci, včetně naivních bayesovských klasifikátorů a rozhodovacích stromů. |
| Student umí objasnit základy agentních a multiagentních systémů a jejich roli ve výpočetní inteligenci. |
| Student umí objasnit základy agentních a multiagentních systémů a jejich roli ve výpočetní inteligenci. |
| Odborné dovednosti |
|---|
| Student aplikuje fuzzy logiku a Bayesovské sítě pro řešení konkrétních softcomputingových problémů. |
| Student aplikuje fuzzy logiku a Bayesovské sítě pro řešení konkrétních softcomputingových problémů. |
| Student dokáže navrhnout a implementovat modely strojového učení, včetně přípravy a optimalizace dat. |
| Student dokáže navrhnout a implementovat modely strojového učení, včetně přípravy a optimalizace dat. |
| Student realizuje dataminingové projekty, včetně klasifikace, predikce a clusteringu. |
| Student realizuje dataminingové projekty, včetně klasifikace, predikce a clusteringu. |
| Student efektivně využívá rozhodovací stromy a Random Forest pro analýzu a predikci dat. |
| Student efektivně využívá rozhodovací stromy a Random Forest pro analýzu a predikci dat. |
| Student umí zpracovávat a analyzovat velké datové soubory, včetně technik text miningu a analýzy sociálních sítí. |
| Student umí zpracovávat a analyzovat velké datové soubory, včetně technik text miningu a analýzy sociálních sítí. |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Přednášení |
| Přednášení |
| Cvičení na počítači |
| Cvičení na počítači |
| Hodnotící metody |
|---|
| Ústní zkouška |
| Ústní zkouška |
|
Doporučená literatura
|
-
AGGARWAL, Charu C. Data mining: the textbook. 2015. ISBN 978-3-319-14141-1.
-
Aliev, R. A. Soft computing and its applications. Singapore : World Scientific, 2001. ISBN 981-02-4700-1.
-
Brink H., Richards J.W., Fetherolf M. Real-world machine learning. 2017. ISBN 978-1-61729-192-0.
-
HAND D., MANNILA H., SMYTH P. Principles of Data Mining. Cambridge : MIT Press, 2001. ISBN 026208290X.
-
IGNATOW G., MIHALCEA R. An introduction to text mining: research design, data collection, and analysis. 2018. ISBN 978-1-5063-3700-5.
-
Kacprzyk J, Pedrycz, W. Springer handbook of computational intelligence. 2015.
-
LAM H-K., LING S. H., NGUYEN H. T. Computational intelligence and its applications: evolutionary computation, fuzzy logic, neural network and support vector machine techniques. 2012. ISBN 978-1-84816-691-2.
-
MAIMON, O., ROKACH, L. Data Mining and Knowledge Discovery Handbook. Hardcover. ISBN 978-0387244358.
-
Novák, V. Fuzzy množiny a jejich aplikace. Praha : SNTL, 1990. ISBN 80-03-00325-3.
-
ROKACH L., MAIMON O.Z. Data mining with decision trees: theory and applications. Second edition. 2015. ISBN 978-981-4590-07-5.
-
Volná E. Základy soft computingu. Ostravská Univerzita, 2012.
-
WITTEN, I. H. Data mining: practical machine learning tools and techniques. Fourth Edition. Amsterdam: Elsevier, 2017. ISBN 9780128042915.
|