Univerzita Pardubice
Studijní programy a katalog předmětů
pro akademický rok 2016/2017
Univerzita Pardubice
English
Hledání
FAQ

Předmět: Machine Learning

» Seznam fakult » REK » FES
Název předmětu Machine Learning
Kód předmětu FES/ASU
Organizační forma výuky Přednáška
Úroveň předmětu Doktorský
Rok studia nespecifikován
Semestr Zimní a letní
Počet ECTS kreditů 10
Vyučovací jazyk Čeština
Statut předmětu nespecifikováno
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Hájek Petr, prof. Ing. Ph.D.
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.
Po absolvování předmětu by měl student mít přehled o pokročilých metodách strojového učení a měl by umět pro konkrétní úlohu navrhnout a implementovat vhodný systém se strojovým učením.
Předpoklady
nespecifikováno

Hodnoticí metody a kritéria
nespecifikováno
Zpracování a úspěšné obhájení projektu z vybrané látky se zaměřením na doktorskou disertační práci. Všeobecný pohled doktoranda na metody strojového učení.
Doporučená literatura
  • BISHOP, C.M. Pattern Recognition and Machine Learning. New York, 2007.
  • DUDA, R., HART, P., STORK, D. Pattern Classification. New York, 2001.
  • GUYON, I., ELISSEEFF, A. An introduction to variable and feature selection. 2003.
  • HASTIE, T., TIBSHIRANI, R., FRIEDMAN, J. The Elements of Statistical Learning. Berlin, 2009.
  • CHAPELLE, O., SCHOLKOPF, B. Semi-Supervised Learning. Cambridge, 2006.
  • KONONENKO, I., KUKAR, M. Machine Learning and Data Mining. Amsterdam, 2007.
  • MANNING, C. D., RAGHAVAN, P., SCHÜTZE, H. Introduction to Information Retrieval. Cambridge, 2008.
  • STEINWART, I., CHRISTMANN, A. Support Vector Machines. Berlin, 2008.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr
Univerzita Pardubice, data aktuální k: 14.06.2025 23:50. Data byla vytvořena pro akademický rok 2016/2017