Machine learning a data mining 1 [ KMI/MLDM1 ]

Předmět je první částí dvousemestrálního kurzu věnovaného principům a hlavním metodám získávání znalostí z dat (data mining) a strojového učení (machine learning). Po úvodu do problematiky s vymezením těchto pojmů a rozboru dat a jejich předzpracování jsou, z algoritmického hlediska, probírány základní data mining metody klasifikace, asociační analýzy a shlukování využívané (nejen) pro machine learning.

Společné informace ke zkoušce

• požadované znalosti dány seznamem přednášek, přesněji odpřednášenou látkou a obsahem slajdů k přednáškám
• průběh ústním zodpovězením vylosovaných otázek s písemnou přípravou

• Outrata J.: Machine learning a data mining 1 (slajdy)

1. Úvod: Data mining: získávání znalostí z dat, KDD, typické úlohy. Strojové učení: učení ze znalostí z dat, fáze a typy.
   slajdy
2. Data: Typy dat a atributů, kvalita a předzpracování (vzorkování, normalizace, diskretizace), podobnost a nepodobnost objektů, souhrnné statistiky a vizualizace.
   slajdy
3. Klasifikace: Rozhodovací stromy, problém přeučení, vyhodnocení výkonnosti, pravidlová (rule-based), nejbližší soused, naivní bayesovská, support vector machines (SVM), regrese.
   slajdy
4. Asociační analýza: Itemsets, pravidla, algoritmus Apriori, vyhodnocení zajímavosti.
   slajdy
5. Shlukování: Typy shluků, K-means, hierarchické, hustotové (density-based), expectation-maximization (EM), vyhodnocení kvality.
   slajdy

Na stránkách cvičícího.