Analýza dat a výpočetní inteligence

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

ústav mechaniky, biomechaniky a mechatroniky

Anotace:

Doktorandi získají přehled o metodách výpočetní inteligence a analýze dat a dokáží se orientovat v klasických i

nejnovějších trendech umělé inteligence využívající zejména strojové učení a neuronové sítě. Hlubší náhled a dovednosti studenti získají vypracováním předmětového projektu na zadané téma podle zaměření konkrétního doktoranda nebo studijní skupiny.

Historie výpočetní a umělé inteligence, datové analytiky a dataminingu

Základy strojového učení, adaptační algoritmy, optimalizace

Princip supervizorovaných neuronových sítí pro predikci a klasifikaci

Základní metody analýzy dat (lineární a nelineární korelační analýzy, MI, PCA, SVD)

Metody automatického třídění dat (clustering) a metody vizualizace N-rozměrných dat (k-means, PCA, SVD, tSNE)

Samoorganizační mapy

Základy metod a nástrojů zpracování velkých dat (BigData, k-medoids, Hadoop, MapReduce, Spark)

Autoenkodéry pro klasifikace a redukci dimenzionality

Detekce neočekávaných stavů neuronovými sítěmi

Nové metody výpočetní inteligence pro zpracování dat (DeepLearning, Transfer Learning, Transformer neural

networks,)

Požadavky:

Osnova přednášek:

Osnova cvičení:

Cíle studia:

Studijní materiály:

DAVID B FOGEL, DERONG LIU a JAMES M KELLER. Fundamentals of Computational Intelligence: Neural

Networks, Fuzzy Systems, and Evolutionary Computation. Piscataway, NJ: IEEE Press, 2016. ISBN 978-1-119-

21434-2.

RAMSUNDAR, Bharath a Reza Bosagh ZADEH. TensorFlow for deep learning: from linear regression to

reinforcement learning. 2018. ISBN 978-1-4919-8042-2.

LECUN, Yann, Yoshua BENGIO a Geoffrey HINTON. Deep learning. Nature. 2015, 521(7553), 436444.

BUKOVSKY, Ivo, Witold KINSNER a Noriyasu HOMMA. Learning Entropy as a Learning-Based Information

Concept. Entropy [online]. 2019, 21(2), 166. ISSN 1099-4300. Doi:10.3390/e21020166

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: