Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Samoorganizace a dolování dat

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah
D18SODD ZK
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra softwarového inženýrství
Anotace:

Předmět je zaměřen na využití vektorového a metrického prostoru k samoorganizaci a dolování z datových zdrojů. Zahrnuty jsou jak klasické metody (PCA, kernel PCA, ICA, shluková analýza, identifikační stromy), tak pokročilé techniky samoorganizace na bázi umělých neuronových sítí typu SOM, MLP a RBF. Důraz je kladen na studium vlastností jednotlivých metod, návrh vlastních algoritmů a jejich implementaci při dolování dat.

Požadavky:
Osnova přednášek:
Osnova cvičení:
Cíle studia:

V souvislosti s tématem doktorské práce zvolit vhodné metody dolování dat, aplikovat je a dosažené výsledky kriticky zhodnotit.

Studijní materiály:

Jolliffe I.T. Principal Component Analysis, Series: Springer Series in Statistics, 2nd ed., Springer, NY, 2002, XXIX, 487 p. 28 illus. ISBN 978-0-387-95442-4

B. Schölkopf and A. J. Smola, Learning with Kernels, MIT Press, Cambridge, MA, 2002.

A Hyvärinen, J. Karhunen, E. Oja (2001): Independent Component Analysis, New York: Wiley, ISBN 978-0-471-40540-5

Haykin, S. (1999) Neural Networks: A Comprehensive Foundation, Prentice Hall, ISBN 0-13-273350-1

Poznámka:
Další informace:
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 18. 9. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet3283206.html