VIKMB03 Machine Learning

Faculty of Arts
Spring 2007
Extent and Intensity
1/1/0. 4 credit(s). Type of Completion: k (colloquium).
Teacher(s)
doc. Ing. Jan Žižka, CSc. (lecturer)
Guaranteed by
Ing. Zdeněk Kadlec, Dr.
Division of Information and Library Studies – Department of Czech Literature – Faculty of Arts
Contact Person: Mgr. Iva Dušová
Timetable
Wed 15:00–16:35 A33 stara
Course Enrolment Limitations
The course is only offered to the students of the study fields the course is directly associated with.
fields of study / plans the course is directly associated with
Course objectives
The subject deals with principles of automatically improving computer programs using learning based on carefully selected examples. The aim is to provide an overview of key algorithms (primarily the artificial neural networks) and the basic theory that create the core of Machine Learning. Machine learning is interdisciplinary, draws on concepts and results from many fields, including statistics, artificial intelligence, information theory, philosophy, biology, cognitive science, and control theory. Applications are in many branches where it is not possible to build an appropriate mathemtaical model for solving problems that, however, can be solved by humans using knowledge mined from generalization of relevant training examples.
Syllabus (in Czech)
  • Strojové učení jako spojení umělé inteligence a kognitivních věd. Výpočtové procesy související s učením. Výběr učícího algoritmu. Trénovací a testovací data. Prostor učení. Učení a vyhledávání. Přirozené a lidské učení. Jazyk reprezentace problému. Algoritmy učení s numerickými a symbolickými vstupy. Perceptrony. Kohonenovy mapy. Genetické algoritmy. Srovnání s biologickými systémy. Výskyt šumu, neúplný popis příkladů. Rozpoznávání vzorů. Generalizace. Metoda nejbližšího souseda (k-NN). Učení z instancí (IBL algoritmy). Induktivní, deduktivní, abduktivní učení. Occamovo ostří.
Language of instruction
Czech
Further Comments
Study Materials
The course is also listed under the following terms Spring 2005, Spring 2006, Spring 2008.
  • Enrolment Statistics (Spring 2007, recent)
  • Permalink: https://is.muni.cz/course/phil/spring2007/VIKMB03