| Název předmětu | Machine Learning |
|---|---|
| Kód předmětu | FES/ESU |
| Organizační forma výuky | Přednáška + Seminář |
| Úroveň předmětu | Doktorský |
| Rok studia | nespecifikován |
| Semestr | Zimní a letní |
| Počet ECTS kreditů | 5 |
| Vyučovací jazyk | Angličtina |
| Statut předmětu | Volitelný |
| Způsob výuky | Kontaktní |
| Studijní praxe | Nejedná se o pracovní stáž |
| Doporučené volitelné součásti programu | Není |
| Vyučující |
|---|
|
| Obsah předmětu |
|
Teorie učení a vybrané úlohy učení. Generativní a diskriminační algoritmy. Podpůrné vektorové stroje a podpůrná vektorová regrese. Teoretické otázky výběru trénovacích dat. Selekce a extrakce atributů. Soubory algoritmů pro učení s učitelem a bez učitele. Kombinování učení s učitelem a bez učitele. Analýza výsledků učení a problém přesnosti a komplexnosti. Strojové učení ve vyhledávání informací a extrakci znalostí z textu. Aplikace strojového učení při zpracování velkých objemů dat.
|
| Studijní aktivity a metody výuky |
| nespecifikováno |
| Výstupy z učení |
|
Cílem předmětu je seznámit doktorandy s nejnovějšími přístupy z oblasti strojového učení. Jsou diskutovány současné trendy v rozvoji algoritmů strojového učení pro různé typy úloh učení a také vybrané aplikace strojového učení zejména v oblasti zpracování velkých objemů dat.
|
| Předpoklady |
|
nespecifikováno
|
| Hodnoticí metody a kritéria |
|
nespecifikováno
Studenti budou v rámci předmětu zpracovávat samostatnou práci v rozsahu článku do vědeckého časopisu. Téma této práce se bude vztahovat k tématu disertační práce doktoranda a použité metody budou zahrnovat některý ze současných přístupů ke strojovému učení. Zkouška: ústní s minimálně 60% úspěšností. |
| Doporučená literatura |
|
| Studijní plány, ve kterých se předmět nachází |
| Fakulta | Studijní plán (Verze) | Kategorie studijního oboru/specializace | Doporučený semestr |
|---|