FI:PA034 Strojové učení - Informace o předmětu

PA034 Strojové učení

Rozsah

2/1. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.

Vyučující

doc. Ing. Jan Žižka, CSc. (přednášející)
Radim Řehůřek (cvičící), RNDr. Radim Řehůřek, Ph.D. (zástupce)

Garance

prof. RNDr. Jiří Hřebíček, CSc.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: doc. Ing. Jan Žižka, CSc.

Rozvrh

Čt 16:00–17:50 B003 a každé liché úterý 16:00–17:50 B116

Předpoklady

! P034 Strojové učení

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Aplikovaná informatika (program FI, N-AP)
• Informatika (program FI, M-IN)
• Informatika (program FI, N-IN)
• Učitelství výpočetní techniky pro střední školy (program FI, M-SS)
• Učitelství výpočetní techniky pro střední školy (program FI, M-TV)
• Učitelství výpočetní techniky pro střední školy (program FI, N-SS)

Cíle předmětu

Předmět se zabývá otázkou, jak konstruovat počítačové programy, které se automaticky zlepšují pomocí učení. Cílem předmětu je podat přehled klíčových algoritmů a základní teorie, které tvoří jádro oboru strojového učení. Strojové učení je interdisciplinární, vychází z poznatků mnoha oborů, např. statistika, umělá inteligence, informační teorie, filosofie, biologie, kognitivní vědy a teorie řízení.

Osnova

• Strojové učení jako integrace umělé inteligence a kognitivních věd. Výpočetní procesy spojené s učením. Výběr učícího algoritmu.
• Trénovací a testovací data. Učení a vyhledávání. Přirozené a lidské učení. Jazyk representace problému. Učící algoritmy s numerickými a symbolickými vstupy.
• Indukce rozhodovacích stromů. Přítomnost šumu, neúplný popis příkladů. Přenos stromů na pravidla. Bagging, boosting.
• Perceptrony. Logické neuronové sítě. Kohonenovy mapy. Genetické algoritmy, genetické programování. Srovnání s biologickými systémy.
• Rozpoznávání vzorů. Generalizace. Metoda nejbližšího souseda (k-NN). Učení založené na instancích (IBL algoritmy).
• Bayesovská klasifikace.
• SVM (Support Vector Machines).
• Popis a demonstrace aplikací.

Literatura

• MITCHELL, Tom M. Machine learning. Boston: McGraw-Hill, 1997, xv, 414. ISBN 0070428077. info

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

• Statistika zápisu (nejnovější)
  
• Permalink: https://is.muni.cz/predmet/fi/podzim2006/PA034