|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KKY / SUR
:
Popis předmětu
Pracoviště / Zkratka
|
KKY
/
SUR
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Strojové učení, řešení úloh a rozpoznává
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
6
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
3
[HOD/TYD]
Cvičení
2
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ano v případě předchozího hodnocení 4 nebo nic.
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ano v případě předchozího hodnocení 4 nebo nic.
|
Letní semestr
|
0 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
23 / -
|
0 / -
|
1 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Zimní semestr
|
Vyučovaný semestr
|
Zimní semestr
|
Minimum (B + C) studentů
|
1
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
1|2|3|4 |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ano
|
Profilující předmět |
Ne
|
Základní teoretický předmět |
Ano
|
Hodnotící stupnice |
1|2|3|4 |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
KKY/ZSUR
|
Předměty,které předmět podmiňuje
|
KKY/AKSZ, KKY/ROSZ, KKY/SZKUI
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je seznámit studenty se základními metodami z oblasti strojového řešení úloh, strojového učení a rozpoznávání. Vedle teoretických poznatků si student osvojí i praktické postupy při řešení vybraných úloh z probíraných oblastí, a to formou zpracování samostatných semestrálních prací.
|
Požadavky na studenta
|
Zápočet: Samostatné vyřešení zadané úlohy (PC), vypracování referátu, účast na vybraných cvičeních nebo (externí) vyřešení odpovídajících příkladů.
Zkouška: znalost přednášené problematiky + diskuze k samostatně vyřešeným úlohám (ze cvičení).
|
Obsah
|
Úvod, strojové řešení úloh. Algoritmy prohledávání grafů, optimální a suboptimální strategie prohledávání, Astar.
Klasifikační úloha. Klasifikace založená na Bayesově teorie rozhodování. Odhad parametrů pravděpodobnostního klasifikátoru metodou maximální věrohodnosti. EM algoritmus. Lineární klasifikátory. SVM (Support Vector Machines) klasifikátory.
Neuronové sítě. Bayesovské sítě.
Klasifikátory pro předměty a jevy popsané řetězci (vektorů) příznaků, kontextově závislé klasifikátory; klasifikace na principu porovnávání vzorů (dynamické programování); Klasifikace s využitím skrytých Markovových modelů.
Učení s využitím rozhodovacích stromů.
Učení bez učitele, hierarchické a nehierarchické metody shlukování. Gaussovské směsi, shlukování s maximální věrohodností.
Výběr a uspořádání příznaků, Karhunen-Loeve transformace, Independent Component Analysis.
Závěr, rezerva.
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Rozšiřující:
Kotek, Zdeněk, Mařík, Vladimír. Metody rozpoznávání a jejich aplikace. Academia, Praha, 1993. ISBN 80-200-0297-9.
-
Rozšiřující:
Duda, R.O., Hart, P.E., Stork, D.G. Pattern Classification. Wiley, 2000. ISBN 978-0-471-05669-0.
-
Doporučená:
Theodoridis, S., Kouroumbas, K. Pattern recognition. Elsevier, 2008. ISBN 978-1-597-49272-0.
-
Doporučená:
Bishop, C.M. Pattern Recognition and Machine Learning. Springer, 2006. ISBN 978-0387-31073-2.
-
Doporučená:
Mařík V. a kol. Umělá inteligence 1. Academia, Praha, 1993. ISBN 80-200-0496-3.
-
On-line katalogy knihoven
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Praktická výuka [vyjádření počtem hodin]
|
10
|
Kontaktní výuka
|
39
|
Příprava prezentace (referátu) [3-8]
|
10
|
Příprava na zkoušku [10-60]
|
60
|
Projekt individuální [40]
|
40
|
Celkem
|
159
|
|
Předpoklady
|
Odborné znalosti - pro úspěšné zvládnutí předmětu se předpokládá, že je student před zahájením výuky schopen: |
disponovat základními znalostmi matematické analýzy, lineární algebry, teorie pravděpodobnosti a statistiky |
Odborné dovednosti - pro úspěšné zvládnutí předmětu se předpokládá, že student před zahájením výuky dokáže: |
aktivně využívat dříve získané znalosti z oblasti matematické analýzy, lineární algebry, matematické pravděpodobnosti a statistiky |
pracovat v programovacím jazyku Matlab |
Obecné způsobilosti - před zahájením studia předmětu je student schopen: |
mgr. studium: samostatně a odpovědně se na základě rámcového zadání rozhodují v souvislostech jen částečně známých, |
mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i laikům informace o povaze odborných problémů a vlastním názoru na jejich řešení, |
mgr. studium: používají své odborné znalosti, odborné dovednosti a obecné způsobilosti alespoň v jednom cizím jazyce, |
mgr. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru., |
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
řešit problémy náležející do oblasti automatického řešení úloh |
navrhnout jednoduchý klasifikátor založený na Bayesově teorii rozhodování, odhadnout parametry klasifikátoru metodou maximální věrohodnosti (EM algoritmus) |
navrhnout a natrénovat klasifikátor s lineární diskriminační funkcí, SVM klasifikátor |
navrhnout kontextově závislý klasifikátor - navrhnout a natrénovat klasifikátor s částečnou anebou žádnou informací učitele - metody shlukové analýzy |
provést výběr informativních příznaků u metody shlukové analýzy |
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
student dovede analyticky přemýšlet;
student dovede používat poznatky získané dřívějším studiem v oblasti matematiky, výpočetní techniky a základů kybernetiky |
Obecné způsobilosti - po absolvování předmětu je student schopen: |
mgr. studium: dle vyvíjejících se souvislostí a dostupných zdrojů vymezí zadání pro odborné činnosti, koordinují je a nesou konečnou odpovědnost za jejich výsledky, |
mgr. studium: používají své odborné znalosti, odborné dovednosti a obecné způsobilosti alespoň v jednom cizím jazyce, |
mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i širší veřejnosti vlastní odborné názory, |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Seminární práce, |
odborné znalosti jsou hodnoceny formou kombinované zkoušky a zpracováním referátů seminárních prací |
Odborné dovednosti - odborné dovednosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Seminární práce, |
použitelnost odborných dovedností je posuzována během zkoušky a během obhajoby seminárních prací |
Obecné způsobilosti - obecné způsobilosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Seminární práce, |
obecné způsobilosti jsou s důrazem na praktičnost sledovány a postupně hodnoceny v průběhu obhajoby seminárních úloh a prováděné zkoušky |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
Přednáška založená na výkladu, |
Řešení problémů, |
Samostudium, |
Samostatná práce studentů, |
Seminární výuka (diskusní metody), |
Odborné dovednosti - pro dosažení odborných dovedností jsou užívány vyučovací metody: |
Přednáška založená na výkladu, |
Seminární výuka (diskusní metody), |
Samostudium, |
Seminární výuka (badatelské metody), |
Obecné způsobilosti - pro dosažení obecných způsobilostí jsou užívány vyučovací metody: |
Přednáška založená na výkladu, |
Cvičení (praktické činnosti), |
Analyticko-kritická práce s textem, |
Samostudium, |
Prezentace práce studentů, |
Samostatná práce studentů, |
|
|
|
|