Předmět Strojové učení (USII / PSU)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu USII / PSU - Strojové učení, Fakulta ekonomicko-správní, Univerzita Pardubice (UPa).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
| Materiál | Typ | Datum | Počet stažení |
|---|
Další informace
Obsah
Koncept strojového učení a teorie učeníTypy úloh strojového učeníGenerativní algoritmy učeníPodpůrné vektorové strojeSoubory algoritmů pro učení s učitelemAlgoritmy pro učení bez učiteleHybridní učící se systémyHodnocení učících se algoritmůPosilované učeníPříklady aplikací strojového učení
Získané způsobilosti
Po absolvování předmětu by měl student rozumět základním metodám strojového učení, měl by je umět používat a měl by umět pro konkrétní úlohu navrhnout vhodný systém se strojovým učením.
Literatura
WITTEN, I.H., FRANK, E., HALL, M.A. Data Mining: Practical Machine Learning Tools and Techniques. Amsterdam, 2011. ALPAYDIN, E. Introduction to Machine Learning. London, 2009. MITCHELL, T. Machine Learning. New York, 1997. DUDA, R., HART, P., STORK, D. Pattern Classification. New York, 2001. BISHOP, C.M. Pattern Recognition and Machine Learning. New York, 2007. HASTIE, T., TIBSHIRANI, R., FRIEDMAN, J. The Elements of Statistical Learning. Berlin, 2009.
Požadavky
Požadavky k zápočtu: Zpracování zadaných úloh na cvičení s minimálně 60% úspěšností. Úspěšné obhájení praktického projektu, při němž student prokáže schopnost aplikovat získané teoretické znalosti. Tento projekt bude zahrnovat sběr dat pro zvolenou úlohu, aplikaci vybraného přístupu strojového učení a analýzu a interpretaci výsledků.Požadavky ke zkoušce:Vyhodnocení zkoušky: 40% hodnocení projektu, 60% hodnocení písemného přezkoušení. Celková minimální úspěšnost písemného přezkoušení je 60%.
Garant
doc. Ing. Petr Hájek, Ph.D.
Vyučující
doc. Ing. Petr Hájek, Ph.D.doc. Ing. Petr Hájek, Ph.D.