Předmět je základní jednotka výuky, jejímž prostřednictvím si student osvojí ucelenou část souboru znalostí a dovedností, potřebnou pro zvládnutí studijního oboru/specializace. Za věcný obsah předmětu zodpovídá garant předmětu. Časovou náročnost předmětu zhruba vyjadřuje atribut předmětu rozsah kontaktní výuky. Například rozsah = 2+2 značí, že předmět bude mít týdně dvě hodiny přednášek a dvě hodiny cvičení týdně. Na závěr semestru musí vyučující provést vyhodnocení, nakolik si ten který student osvojil poznatky a dovednosti, kterých měl během výuky nabýt. Jakým způsobem toto hodnocení vyučující provedou určuje atribut způsob zakončení. U předmětu lze definovat, že předmět je zakončen pouze zápočtem(Z), klasifikovaným zápočtem(KZ), pouze zkouškou(ZK), nebo zápočtem a zkouškou(Z,ZK). Náročnost úspěšného absolvování předmětu je vyjádřena ECTS kreditními body. Výuka předmětu probíhá během semestru. Opakovaně se předmět vyučuje vždy v zimním(Z), nebo v letním(L) semestru každého akademického roku. Výjimečně může předmět být nabízen studentům v obou semestrech(Z,L). Za organizační zajištění výuky zodpovídá přiřazená katedra, která zejména vytvoří časový rozvrh předmětu a zajistí pro předmět vyučující. Někteří přednáší a zkouší, jiní vedou cvičení a udělují zápočty.
Obsahová náplň a další organizační informace, týkající se předmětu je popsána pomocí různých popisných textů(anotace, týdenní osnova, literatura, apod.)
$DODATEK_POPIS
BI-ML2.21 | Strojové učení 2 | Rozsah kontaktní výuky: | 2P+2C | ||
---|---|---|---|---|---|
Vyučující: | Vašata D. | Způsob zakončení: | Z,ZK | ||
Zodpovědná katedra: | 18105 | ECTS Kredity: | 5 | Semestr: | L |
Anotace:
Cílem předmětu je seznámit studenty s vybranými pokročilejšími metodami strojového učení. Ve scénáři učení s učitelem se jedná zejména o jádrové metody a neuronové sítě. Ve scénáři učení bez učitele se jedná o analýzu hlavních komponent a další metody redukce dimenzionality. Kromě toho se studenti obeznámí se základy posilovaného učení a strojového zpracování přirozeného jazyka.
Osnovy přednášek:
1. | Lineární model bázových funkcí, jádrová regrese | |
2. | Metoda podpůrných vektorů (SVM) pro klasifikaci | |
3. | Redukce dimenzionality - analýza hlavních komponent (PCA) | |
4. | Redukce dimenzionality - lineární diskriminační analýza, lokálně lineární vnoření | |
3. | Generativní modely - naivní Bayes | |
6. | Neuronové sítě - perceptron, vícevrstvý perceptron, hluboké učení | |
7. | Neuronové sítě - zpětné šíření chyby, regularizace | |
8. | Neuronové sítě - konvoluční neuronové sítě | |
9. | Neuronové sítě - rekurentní neuronové sítě, moderní metody | |
10. | Posilované učení - úvod, mnohoruký bandita | |
11. | Posilované učení - markovův rozhodovací proces | |
12. | Strojové zpracování přirozeného jazyka |
Osnovy cvičení:
1. | Lineární model bázových funkcí, jádrová regrese | |
2. | Metoda podpůrných vektorů (SVM) | |
3. | Redukce dimenzionality - analýza hlavních komponent (PCA) | |
4. | Redukce dimenzionality - lineární diskriminační analýza, lokálně lineární vnoření | |
3. | Generativní modely - naivní Bayes | |
6. | Neuronové sítě - perceptron, vícevrstvý perceptron | |
7. | Neuronové sítě - hluboké sítě | |
8. | Neuronové sítě - konvoluční neuronové sítě | |
9. | Neuronové sítě - rekurentní neuronové sítě | |
10. | Posilované učení I 11. Posilované učení II | |
12. | Strojové zpracování přirozeného jazyka |
Literatura:
1. | Hastie T., Tibshirani R., Friedman, J. : The Elements of Statistical Learning. Springer, 2009. ISBN 978-0-387-84857-0. | |
2. | Goodfellow I., Bengio Y., Courville A. : Deep Learning. MIT Press, 2016. ISBN 978-0-262-03561-3. | |
3. | Sutton R. S., Barto A. G. : Reinforcement Learning. MIT Press, 2018. ISBN 978-0-262-03924-6. |
Požadavky:
Předpokládá se znalost lineární algebry, matematické analýzy, teorie pravděpodobnosti v rozsahu kurzů vyučovaných na fakultě. Dále se předpokládá znalost strojového učení odpovídající rozsahu kurzu BI-ML1 na fakultě.
|
Předmět je zahrnut do těchto studijních plánů:
Stránka vytvořena 2. 5. 2024, semestry: Z/2020-1, L/2023-4, L/2021-2, L/2019-20, Z/2021-2, Z/2023-4, L/2020-1, Z/2019-20, L/2022-3, Z/2024-5, Z/2022-3, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: J. Novák, I. Halaška |