Bi0034 Analýza a klasifikace dat

Přírodovědecká fakulta
podzim 2012
Rozsah
2/1. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: z.
Vyučující
prof. Ing. Jiří Holčík, CSc. (přednášející)
RNDr. Jiří Jarkovský, Ph.D. (přednášející)
Mgr. Terézia Černá (přednášející)
RNDr. Eva Koriťáková, Ph.D. (přednášející), RNDr. Eva Koriťáková, Ph.D. (zástupce)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: prof. Ing. Jiří Holčík, CSc.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Rozvrh
Po 8:00–10:50 F01B1/709
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu
Po absolvování předmětu student: - má základní teoretické a metodologické znalosti principů rozpoznávání a klasifikace matematických popisů reálných objektů s důrazem na zpracování biologických dat - dokáže vysvětlit souvislosti a vzájemné vztahy mezi vlastnostmi reálných procesů a jimi generovaných dat a použitými metodami a algoritmy; - umí aplikovat různé metody a algoritmy zpracování dat k dosažení požadovaných výsledků; - umí navrhnout různé modifikace popisovaných algoritmů vhodné pro zpracování dat specifických vlastností.
Osnova
  • 1. Klasifikace dat – základní terminologie. Třídění klasifikačních algoritmů. 2. Příznakové metody. Klasifikace podle diskriminačních funkcí a minimální vzdálenosti. 3. Stanovení diskriminačních funkcí na základě statistických vlastností množiny obrazů. 4. Sekvenční klasifikace. 5. Volba a výběr příznaků. 6. Analýza hlavních komponent. 7. Analýza nezávislých komponent. 8. Faktorová analýza 9. Učení klasifikátorů. Metody odhadu hustot pravděpodobnosti a odhad apriorních pravděpodobností klasifikačních tříd. 10. Shlukování. Podobnost mezi obrazy a shluky. 11. Metody shlukování. 12. Klasifikace pomocí neuronových sítí.
Literatura
  • Dunham,M.H.: Data Mining: Introductory and Advanced Topics. Prentice Hall 2002
  • Mitchel,T.M.: Machine Learning. McGraw Hill 1997
  • Holčík,J.: Analýza a klasifikace signálů. [Učební texty vysokých škol] Brno, Nakladatelství VUT v Brně 1992.
Výukové metody
Přednášky podporované Power Pointovými prezentacemi, přičemž je kladem důraz na pochopení základních principů popisovaných metod a algoritmů. Během přednášek jsou studenti průběžně interaktivně oslovováni s cílem kontrolovat míru jejich pochopení přednášené látky.
Metody hodnocení
ústní zkouška
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021.