Úspešný študent bude v primeranej miere poznať teoretické pozadie a prakticky vedieť použiť nasledovné metódy a postupy: PCA, LDA, GMM, NN, ES, KNN, rozhodovacie stromy, Bayesov klasifikátor pre 2 a viac tried, ML a MAP postupy pre odhad parametrov funkcií.

• Osoba zodpovedná za predmet: Ing. Juraj Kačur, PhD., juraj.kacur@stuba.sk

1. Úvod do pravdepodobnosti: udalosti, spojite a diskrétne náhodné premenné a vektory, závislosť premenných, súčasné nastanie udalostí a podmienene pravdepodobnosti, funkcia hustoty a distribučná funkcia rozdelenia.

2. Štatistické veličiny náhodných premenných: stredné hodnoty, disperzie, kvantity, kovariančné matice, momenty vyšších rádov, centrované a necentrované.

3. Testovania hypotéz základné pojmy, chyba 1. a 2. druhu, testovanie na hladine významnosti α, Bayesov klasifikátor.

4. Odhady parametrov funkcie na základe: maximálnej vierohodnosti, maximálnej a posteriórnej pravdepodobnosti, Bajesov odhad.

5. Metódy redukcie dimenzie dát, analýza hlavných komponentov (PCA)

6. Metódy redukcie dimenzie dát,Lineárna diskriminatívna analýza (LDA

7. Gaussov zmesový model, ML trénovanie a EM algoritmus

8. K najbližší sused, lokálna regresia, vlastnosti a použitie

9. Rozhodovacie stromy, trénovanie, zastavovacie kritériu, spätné prerezávanie (odstránenie pretrénovania).

10. Neurónové siete: úvod, viac vrstvový perceptrón (MLP) a jeho trénovanie „back prop.“

11. Neurónové siete: MLP modifikácie, fenomén pretrénovania.

12. Genetické algoritmy a stochastická optimalizácia: evolučné stratégie ES(μ,λ), ES(μ+λ) a modifikácie

• Aktívna účasť na cvičeniach, úspešné odovzdanie semestrálneho zadania a úspešné absolvovanie skúšky.

• Celková známka na skúške bude odvodená od bodového vyjadrenia nasledovne:

  • Cvičenia 40 bodov (semestrálne zadanie 40 bodov), minimálny počet bodov pre pripustenie na skúšku je 20 a je podmienený max. 2 ospravedlnenými absenciami.

  • Písomná skúška 60 bodov

• Minimálny celkový počet bodov pre absolvovanie predmetu je 56.

Odporúčaná:

• F. Lamoš, R. Potocký, Pravdepodobnosť a matematická štatistika, Univerzita Komenského, Bratislava, 1998

• Kvasnička V., Pospíchal J., Tiňo P., Evolučné algoritmy, STU Bratislava, 2000

• M. Oravec, J. Polec, S. Marchevský a kol. : Neurónové siete pre číslicové spracovanie signálov, FABER Bratislava,1998

• T. M. Mitchell.: Machine Learning, McGraw-Hill, ISBN 0-07-042807-7, 1997

• Z. Riečanová a kol. : Numerické metódy a matematická štatistika, ALFA Bratislava, 1987