|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KKY / ZSUR
:
Popis předmětu
Pracoviště / Zkratka
|
KKY
/
ZSUR
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Základy strojového učení a rozpoznávání
|
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
|
34 / -
|
4 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Zimní semestr
|
Vyučovaný semestr
|
Zimní semestr
|
Minimum (B + C) studentů
|
10
|
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
|
KKY/USK
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
KEV/SNEMB
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Kurs dává systematický přehled hlavních oblastí metod strojového rozpoznávání obrazů a strojového učení.
|
Požadavky na studenta
|
Samostatné vyřešení zadané úlohy (PC). Porozumění základním principům strojového rozpoznávání obrazů a strojového učení.
|
Obsah
|
Úvod do strojového rozpoznávání předmětů a jevů, základy učících se systémů. Klasifikátory pro strukturálně a příznakově popsané předměty a jevy. Bayesovo kritérium, diskriminační funkce. Klasifikátor podle nejbližšího a k-nejbližšího souseda. Klasifikátor s lineární diskriminační funkcí. Perceptron. Úvod do neuronových sítí. Učení bez učitele - shluková analýza. Rozhodovací stromy. Příklady aplikací systémů automatického rozpoznávání předmětů a jevů.
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
Kepka, Jiří; Psutka, Josef. Kombinace příznakových a strukturálních metod rozpoznávání : Umělá inteligence ; Jiří Kepka ; Josef Psutka. Plzeň : ZČU, 1994. ISBN 80-7082-131-0.
-
Základní:
Kotek, Zdeněk, Mařík, Vladimír. Metody rozpoznávání a jejich aplikace. Academia, Praha, 1993. ISBN 80-200-0297-9.
-
Doporučená:
Breiman, Leo. Classification and regression trees. Boca Raton : Chapman & Hall/CRC, 1998. ISBN 0-412-04841-8.
-
On-line katalogy knihoven
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Kontaktní výuka
|
26
|
Praktická výuka [vyjádření počtem hodin]
|
39
|
Příprava na zkoušku [10-60]
|
45
|
Příprava prezentace (referátu) [3-8]
|
10
|
Projekt individuální [40]
|
40
|
Celkem
|
160
|
|
Předpoklady
|
Odborné znalosti - pro úspěšné zvládnutí předmětu se předpokládá, že je student před zahájením výuky schopen: |
disponovat základy matematické analýzy |
disponovat základy lineární algebry |
disponovat základy teorie pravděpodobnosti a statistiky |
Odborné dovednosti - pro úspěšné zvládnutí předmětu se předpokládá, že student před zahájením výuky dokáže: |
aplikovat základy matematické analýzy při řešení konkrétních úloh |
aplikovat základy lineární algebry při řešení konkrétních úloh |
aplikovat základy teorie pravděpodobnosti a statistiky při řešení konkrétních úloh |
Obecné způsobilosti - před zahájením studia předmětu je student schopen: |
bc. studium: své učení a pracovní činnost si sám plánuje a organizuje, |
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
definovat problematiku klasifikace |
vysvětlit rozdíl mezi příznakovým a strukturálním přístupem |
charakterizovat rozdíly mezi jednotlivými typy klasifikátorů (Bayesův, lineární, podle minimální vzdálenosti,podle k-nejbližšího souseda) |
pochopit základy neuronových sítí |
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
analyzovat základní typy klasifikačních úloh a zvolit vhodný typ klasifikátoru |
realizovat klasifikátory s obecnou diskriminační funkcí (Bayesův klasifikátor) |
realizovat klasifikátory s lineární diskriminační funkcí |
navrhnout klasifikátory podle minimální vzdálenosti |
navrhnout klasifikátor s částečnou anebou žádnou informací učitele - metody shlukové analýzy |
navrhnout jednoduchou perceptronovou neuronovou síť |
Obecné způsobilosti - po absolvování předmětu je student schopen: |
bc. studium: samostatně a odpovědně se na základě rámcového zadání rozhodují v souvislostech jen částečně známých, |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Odborné dovednosti - odborné dovednosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Seminární práce, |
Kombinovaná zkouška, |
Obecné způsobilosti - obecné způsobilosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Seminární práce, |
Kombinovaná zkouška, |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
Přednáška s diskusí, |
Individuální konzultace, |
Odborné dovednosti - pro dosažení odborných dovedností jsou užívány vyučovací metody: |
Přednáška s demonstrací, |
Obecné způsobilosti - pro dosažení obecných způsobilostí jsou užívány vyučovací metody: |
Samostatná práce studentů, |
|
|
|
|