Algoritmy data miningu

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra teoretické informatiky

Anotace:

The course is suitable for those who want to familiarize themselves with the exceedingly interesting and useful discipline of data mining. The course covers the most useful algorithms that can be easily applied in any field of science.

Požadavky:

základy statistiky, algoritmizace

Osnova přednášek:

1) Úvod a základní úlohy data miningu, klasifikace, predikce, algoritmus nejbližších sousedů a jeho varianty

2) Model, hodnocení modelu, plasticita, regularizace

3) Úvod do klasifikace a regrese

4) Rozhodovací stromy (algoritmy C4.5, CART, MARS)

5) Klasifikace pomocí perceptronů a její zobecnění

6) Lineární, polynomiální a logistická regrese, algoritmy LMS, MLE

7) Nelineární SVM-klasifikátory a SV-regrese

8) Induktivní modelování - algoritmy GMDH MIA, COMBI

9) Nelineární regrese pomocí vícevrstvých perceptronů

10) Kombinování modelů (algoritmus Adaboost)

11) Statistický přístup k umělým neuronovým sítím

12) Shluková analýza (algoritmy K-středů, hierarchické shlukování, neuronový plyn, SOM)

13) Využití statistického přístupu při volbě počtu skrytých neuronů

Osnova cvičení:

Seznámení s nástroji Rapidminer, Matlab

Zadání semestrální práce

Konzultace

Prezentace

Zápočet

Cíle studia:

The course is suitable for those who want to familiarize themselves with the exceedingly interesting and useful discipline of data mining. The course covers the most useful algorithms that can be easily applied in any field of science.

Studijní materiály:

Hastie T.,Tibshirani R.,Friedman J., The Elements of Statistical Learning, Data Mining, Inference and Prediction, Springer, 2011

Poznámka:

Information about the course and courseware are available at https://courses.fit.cvut.cz/MI-ADM/

Další informace:

https://courses.fit.cvut.cz/MI-ADM/

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: