Čtenářský klub zaměřený na oblast dolování dat a strojové učení

Garant předmětu:

Jiří Kléma

Přednášející:

Jiří Kléma, Filip Železný

Cvičící:

Jiří Kléma, Filip Železný

Předmět zajišťuje:

katedra počítačů

Anotace:

Data mining (DM) se zaměřuje na odhalování netriviálních, skrytých a prakticky použitelných znalostí ve velkých datech. Velikost a heterogenita dat jsou dva klíčové technické problémy dolování dat, které je třeba vyřešit. Hlavním cílem je porozumět vzorům, které řídí procesy generující data a také je srozumitelně popsat. Strojové učení (ML) se zaměřuje na tvorbu počítačových algoritmů, které se mohou automaticky zlepšovat prostřednictvím zkušeností získané z dat. Často klade důraz na výkon, kterého algoritmy dosahují. Rozdíl mezi DM a ML není striktní, strojové učení se často používá jako prostředek k dolování dat. Z tohoto důvodu pokrýváme obě oblasti ve stejném kurzu. Hlavním cílem kurzu je seznámení s pokročilými a moderními tématy v tomto oboru, respektive oborech.

Požadavky:

Osnova přednášek:

Osnova cvičení:

Cíle studia:

Studijní materiály:

1. Rajaraman, A., Leskovec, J., Ullman, J. D.: Mining of Massive Datasets, Cambridge University Press, 2011.

2. Hastie, T., Tibshirani, R., Friedman, J.: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. New York: Springer, 2009.

3. Peng, R. D., Matsui, E.: The Art of Data Science. A Guide for Anyone Who Works with Data. Skybrude Consulting, 200, 162, 2015.

Poznámka:

Další informace:

https://cw.fel.cvut.cz/wiki/courses/xp36rgm/start

Rozvrh na zimní semestr 2024/2025:

Rozvrh není připraven

Rozvrh na letní semestr 2024/2025:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů:

• Doktorské studium, strukturované prezenční (povinně volitelný předmět)
• Doktorské studium, strukturované kombinované (povinně volitelný předmět)