4IZ210 — Zpracování informací a znalostí

O předmětu

Cílem předmětu je seznámit studenty s metodami strojového učení. V předmětu bude podán přehled problematiky s důrazem na detailní porozumění reprezentativním algoritmům pro jednotlivé úlohy strojového učení. V praktické části budou studenti pracovat s vybranými dostupnými systémy pro strojové učení.

Co se naučíš

Po úspěšném absolvování budou studenti schopni rozumět principům vybraných přístupů strojového učení a dobývání znalostí z databází. Uplatnění nabytých znalostí se předpokládá ve široké škále aplikací, které dávají prostor pro automatizaci rozhodovacích procesů.

Obsah předmětu

• Úvod do strojového učení. • Datové struktury pro strojové učení, základní metody předzpracování dat • Indukce rozhodovacích stromů a lesů (míry kvality, prořezávání, spojité atributy, omezení) • Metody založené na paměti (míry vzdálenosti, K nejbližších sousedů) • Úvod do shlukování (míry vzdálenosti, hierarchické a nehierarchické přístupy) • Učení asociačních pravidel • Vybrané další metody a problémy (např. doporučovací systémy, analýza grafových dat) • Evaluace a interpretace modelů strojového učení

Literatura

Základní:

Jak uspět v předmětu

Doporučená příprava:

• Pravidelná příprava během semestru místo drcení na zkoušku
• Přednáškové slidy a materiály dostupné přes Moodle VŠE (dl.vse.cz)
• Stará zkouška / typové otázky — zeptej se cvičícího nebo hledej na InSIS
• Studijní skupiny a sdílení poznámek

• Přečti si sylabus — co je povinná vs. doporučená literatura
• Podmínky zápočtu (zápočtové testy, projekty, docházka)
• Termíny zkoušek zapisovat včas — kapacita bývá omezená

Doporučené zdroje

• Sylabus na InSIS — osnova, literatura, garant
• Moodle VŠE — prezentace a studijní materiály
• Knihovna VŠE — přístup k e-knihám a databázím
• SIS VŠE — výsledky zkoušek, zkušební termíny