SNS Strojové učení a neuronové sítě

Vysoká škola technická a ekonomická v Českých Budějovicích
zima 2020
Rozsah
0/2/0. 2 kr. Ukončení: z.
Vyučující
doc. Ing. Vojtěch Stehel, MBA, PhD. (cvičící)
Garance
doc. Ing. Vojtěch Stehel, MBA, PhD.
Ústav technicko-technologický – Rektor – Vysoká škola technická a ekonomická v Českých Budějovicích
Dodavatelské pracoviště: Ústav technicko-technologický – Rektor – Vysoká škola technická a ekonomická v Českých Budějovicích
Rozvrh seminárních/paralelních skupin
SNS/S01: St 11:25–12:55 D617, V. Stehel
Předpoklady
FORMA ( P )
Základy práce s programem Matlab, nebo ochota se je v prvních týdnech doučit (cca 2 až 4 h samostudia).
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu opírající se o výstupy z učení
Student se seznámí s nejběžnějšími algoritmy pro strojové učení. Tyto algoritmy dokáže optimalizovat a prakticky použít ve svém oboru.
Výstupy z učení
Student zná běžně používané algoritmy pro strojové učení včetně základních neuronových sítí. Student umí algoritmy prakticky použít v aplikaci na svůj obor. Student rovněž umí výsledky optimalizovat. Student je schopen porozumět principu strojového učení, chybám, které mohou vzniknout při kódování a interpretaci výsledků.
Osnova
  • 1. Strojové učení – úvod do problematiky 2. Získání a příprava dat 3. Regrese a klasifikace 4. Nejbližší soused 5. Naive Bayes Classification 6. Discriminant Analysis 7. Support Vector Machines 8. Stromy 9. Gaussian Process Regression 10. Zlepšení prediktivní schopnosti modelu 11. Neuronové sítě 12. Samoorganizující se mapy a dopředné sítě 13. Hluboké učení
Literatura
    doporučená literatura
  • Kvasnička, V. - Beňušková, L. - Pospíchal, J. - Farkaš, I. - Tiňo, P. - Kráľ, A.:Úvod do teórie neurónových sietí. IRIS, Bratislava 1997.
  • Šíma, J. Generalized back propagation for interval training patterns, Neural Network World 2 (1992), 167-173.
  • Šíma, J. - Neruda, J.: Teoretické otázky neuronových sítí. Matfyzpress, Praha 1996.
Organizační formy výuky
přednáška
seminář
cvičení
exkurze - odborná
tutoriál
konzultace
bloková výuka - tutoriál
Komplexní výukové metody
frontální výuka
skupinová výuka - kompetice
skupinová výuka - kooperace
skupinová výuka - kolaborace
projektová výuka
brainstorming
kritické myšlení
samostatná práce – individuální nebo individualizovaná činnost
výuka podporovaná multimediálními technologiemi
Studijní zátěž
AktivitaPočet hodin za semestr
Prezenční formaKombinovaná forma
Příprava na seminář, cvičení, tutoriál515
Příprava na závěrečný test325
Seminární práce18 
Účast na semináři/cvičeních/tutoriálu/exkurzi2612
Celkem:5252
Metody hodnocení a jejich poměr
seminární práce 100 %
Podmínky testu
100 % seminární práce
Předmět je zařazen také v obdobích léto 2020, léto 2021, léto 2024.