PV115 Laboratoř dobývání znalostí

Fakulta informatiky
podzim 2024
Rozsah
0/0/2. 2 kr. Ukončení: z.
Vyučováno kontaktně
Vyučující
doc. RNDr. Lubomír Popelínský, Ph.D. (přednášející)
Garance
doc. RNDr. Lubomír Popelínský, Ph.D.
Katedra strojového učení a zpracování dat – Fakulta informatiky
Kontaktní osoba: doc. RNDr. Lubomír Popelínský, Ph.D.
Dodavatelské pracoviště: Katedra strojového učení a zpracování dat – Fakulta informatiky
Rozvrh seminárních/paralelních skupin
PV115/01: Út 24. 9. až Út 17. 12. Út 14:00–15:50 A321, L. Popelínský
Předpoklady
SOUHLAS
Předpokladem pro zápis do předmětu je 1) schopnost samostatné práce v oblasti ML 2) schválení přihlášky vedoucím laboratoře (kapacita labu i vedoucího spíše omezená) 3) schopnost práce v týmu; Zájemci o dlouhodobější zapojení či spoluprácující na projektech laboratoře mají přednost.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Předmět si smí zapsat nejvýše 10 stud.
Momentální stav registrace a zápisu: zapsáno: 2/10, pouze zareg.: 1/10, pouze zareg. s předností (mateřské obory): 0/10
Mateřské obory/plány
předmět má 37 mateřských oborů, zobrazit
Cíle předmětu
Na konci tohoto kurzu bude student schopen vytvořit systém pro dobývání znalostí z dat.
Výstupy z učení
Student bude schopen
- porozumět vědeckým pracem ze strojového učení a dobývání znalostí;
- kritického čtení odborných prací;
- na základě studia navrhnout, implementovat a ověřit metodu strojového učení nebo dobývání znalostí
Osnova
  • Studenti pracují v laboratoři vyhledávání znalostí a podílejí se na řešení výzkumných úloh z různých oblastí dobývání znalostí z dat:
  • Návrh projektu
  • Průběžné konzultace
  • Presentace výsledků projektu a závěrečná zpráva Předmět je vhodný spíše pro pokročilé, kteří chtějí pracovat na či konzultovat složitější problém z ML.
Literatura
    doporučená literatura
  • Peter Flach: Machine learning : the art and science of algorithms that make sense of data. Cambridge ; New York : Cambridge University Press, c2012
  • HAN, Jiawei a Micheline KAMBER. Data mining : concepts and techniques. 2nd ed. San Francisco, CA: Morgan Kaufmann, 2006, xxviii, 77. ISBN 1558609016. URL info
Výukové metody
Práce na projektu pod vedením vedoucího laboratoře.
Metody hodnocení
Úspěšná obhajoba projektu, zápočet
Informace učitele
http://www.fi.muni.cz/kd/
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, jaro 2008, podzim 2008, jaro 2009, podzim 2009, jaro 2010, podzim 2010, jaro 2011, podzim 2011, jaro 2012, podzim 2012, jaro 2013, podzim 2013, jaro 2014, podzim 2014, jaro 2015, podzim 2015, jaro 2016, podzim 2016, jaro 2017, podzim 2017, jaro 2018, podzim 2018, jaro 2019, jaro 2020, podzim 2020, jaro 2021, podzim 2021, jaro 2022, podzim 2022, jaro 2023, podzim 2023, jaro 2024, jaro 2025.