FI:P068 Empirické metody učení

P068 Empirické metody učení

Faculty of Informatics
Spring 1997

Extent and Intensity

3/0. 3 credit(s). Recommended Type of Completion: zk (examination). Other types of completion: k (colloquium), z (credit).

Teacher(s)

Ivan Brůha (lecturer)

Course Enrolment Limitations

The course is also offered to the students of the fields other than those the course is directly associated with.

fields of study / plans the course is directly associated with

Syllabus (in Czech)

Neformální definice Machine Learning.
Taxonomie učení: empirické a analytické učení, statistické, symbolické a NeuralNet metody, učení s učitelem, učení bez učitele, "batch" a inkrementální učení.
Učení podle příkladů (learning from examples): definice objektu, popisu konceptu, definice učení, reprezentace objektu, atributový a strukturální popis, popis konceptu (tříd), rozhodovací stromy, rozhodovací pravidla, problémy klasifikace, ohodnocování učení.
Empirické učení jako produkční systém.
Přehled známých symbolických ML algoritmů: Winstonův strukturální algoritmus, rodina AQ učících se algoritmů, rodina TDITD učících se algoritmů (včetně ID-3, C4.5), CN2 algoritmus, algoritmus COHER s asociacemi.
Statistické algoritmy učení: přehled, optimální nastavení klasifikátorů, podstata učení, parametrické metody učení, neparametrické metody učení.
Závěr, výzkum v oblasti ML.

Language of instruction

Czech