Předmět Matematika pro zpracování znalostí (MPZZ)
Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu MPZZ - Matematika pro zpracování znalostí, Vysoká škola báňská - Technická univerzita Ostrava (VŠB-TU).
Top 10 materiálů tohoto předmětu
Materiály tohoto předmětu
Materiál | Typ | Datum | Počet stažení |
---|
Další informace
Cíl
Absolvent předmětu získá následující znalosti a dovednosti: teoretické základy metod pro analýzu dat, implementace a aplikace vybraných metod.
Osnova
1) Algebry2) Grafy a hypergrafy.3) Uspořádané množiny4) Svazy a booleovy algebry5) Konceptuální svazy6) Topologie7) Asociační pravidla 8) Rough Sets9) Aproximační prostory10) Disimilarity, metrické prostory a ultrametriky11) Dimenze a prokletí dimenzionality12) Shlukování13) Kombinatorika, Vapnik-Chervonenkisova dimenzeCvičení na učebně s tabulí:1) Příklady algeber, procvičení základních algebraických pojmů2) Příklady grafů a hypergrafů, procvičení základních pojmů3) Příklady uspořádaných množin, procvičení základních pojmů4) Příklady svazů a Booleových algeber, procvičení základních pojmů5) Příklady konceptuální svazů, ukázky aplikace konceptuálních svazů6) Příklady topologií, procvičení základních pojmů7) Algoritmy pro extrakci asociačních pravidel8) Řešené příklady z teorie rough setů, procvičení základních pojmů9) Příklady aproximačních prostorů, procvičení základních pojmů10) Příklady metrických prostorů a ultrametriky, procvičení základních pojmů11) Paradoxy ve vysoce dimenzionálních prostorech a redukce dimenze12) Procvičení matematických metod teorie shlukování 13) Příklady výpočtu Vapnik-Chervonenkisova dimenze
Literatura
Dan A Simovici; Chabane Djeraba. Mathematical tools for data mining : set theory, partial orders, combinatorics.Springer, 2008.David Skillicorn. Understanding Complex Datasets: Data Mining with Matrix Decompositions, Chapman & Hall, 2007.T. Hastie, R. Tibshirani and J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction,Springer; Corr. 3rd edition, 2009.
Požadavky
Žádné
Garant
prof. RNDr. Václav Snášel, CSc.
Vyučující
Mgr. Pavla Dráždilová, Ph.D.Mgr. Marek Menšík, Ph.D.prof. RNDr. Václav Snášel, CSc.