Algoritmy data miningu

Garant předmětu:

Pavel Kordík

Přednášející:

Rodrigo Augusto Da Silva Alves, Pavel Kordík, Daniel Vašata

Cvičící:

Rodrigo Augusto Da Silva Alves, Pavel Kordík, Daniel Vašata

Předmět zajišťuje:

katedra aplikované matematiky

Anotace:

Studenti se seznámí s algoritmy používanými v data miningu a strojovém učení, případně si prohloubí znalosti z předchozího studia. U studentů se předpokládá, že již základy data miningu znají. V předmětu budou vedle moderních algoritmů data miningu (např. gradient boosting) představeny i nové typy úloh (např. doporučovací systémy) a modelů (např. jádrové metody).

Požadavky:

základy statistiky, algoritmizace, BI-ML1/BI-ML2

Osnova přednášek:

1. Rekapitulace základních metod data miningu a jejich aplikací.

2. Vyhodnocování modelů.

3. Bias variance dekompozice, negative correlation learning.

4. Rozhodovací stromy a na nich založené ensemble metody.

5. - 6. (2) Boosting, gradient boosting (XGBoost).

7. Úvod do jádrových metod.

8. Jádrové metody.

9. Moderní jádrové metody.

10.-11. (2) Úvod do doporučovacích systémů, použití metody kNN.

12. Faktorizační metody pro doporučování.

13. Učení hyperparametrů, AutoML, nové trendy.

Osnova cvičení:

(1-6) Různé ukázky a podrobné příklady na vyhodnocování modelů a vybrané algoritmy strojového učení.

Cíle studia:

Předmět je vhodný pro studenty, kteří se chtějí seznámit s disciplínou vytěžování znalostí z dat (data mining). Pokrývá nejužitečnější algoritmy, které lze snadno využít v kterékoli oblasti informatiky.

Studijní materiály:

1. Hastie, T. - Tibshirani, R. - Friedman, J. : The Elements of Statistical Learning, Data Mining, Inference and Prediction. Springer, 2011. ISBN 978-0387848570.

2. Murphy, K. P. : Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series). MIT Press, 2012. ISBN 978-0262018029.

3. Shai Shalev-Shwartz, Shai Ben-David : Understanding Machine Learning, From Theory to Algorithms. Cambridge University Press, 2014. ISBN 978-1107057135.

4. Aggarwal, Ch. C. : Recommender Systems. Springer, 2016. ISBN 978-3319296579.

Poznámka:

Chybí osnova cvičení. Informace o předmětu a výukové materiály naleznete na https://courses.fit.cvut.cz/NI-ADM/

Další informace:

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

Rozvrh na zimní semestr 2024/2025:

Rozvrh není připraven

Rozvrh na letní semestr 2024/2025:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů:

• Mgr. specializace Teoretická informatika, 2018-2019 (PS)
• Mgr. specializace Počítačová bezpečnost, 2020 (volitelný předmět)
• Mgr. specializace Návrh a programování vestavných systémů, 2020 (volitelný předmět)
• Mgr. specializace Počítačové systémy a sítě, 2020 (volitelný předmět)
• Mgr. specializace Manažerská informatika, 2020 (volitelný předmět)
• Mgr. specializace Softwarové inženýrství, 2020 (volitelný předmět)
• Mgr. specializace Systémové programování, verze od 2020 (volitelný předmět)
• Mgr. specializace Webové inženýrství, 2020 (volitelný předmět)
• Mgr. specializace Znalostní inženýrství, 2020 (PS, volitelný předmět)
• Mgr. specializace Teoretická informatika, 2020 (PS, volitelný předmět)
• Mgr. program, pro fázi studia bez specializace, ver. pro roky 2020 a vyšší (VO, volitelný předmět)
• Master specialization Computer Science, in English, 2021 (VO)
• Master Specialization Digital Business Engineering, 2023 (VO)
• Mgr. specializace Systémové programování, verze od 2023 (volitelný předmět)
• Mgr. specializace Teoretická informatika, 2023 (volitelný předmět)
• Master specialization Computer Science, in English, 2024 (VO)