MACHINE LEARNING

Generalizace/specializace

Entropie pro tvorbu rozhodovacích stromů

Co je overfiting.

Prořezávání rozhodovacího stromu.

Confusion matrix

Kvantitativní míry kvality klasifikačního algoritmu

Metody vzorkování (sampling)

Shlukování, k-means algoritmus, soft clustering (EM)

Časté vzory (large itemsets) a asociační pravidla

Detekce anomálií


JAZYK R

porozumění kódu


TEXT MINING

Základní úlohy

Reprezentace a předzpracování dat

Sumarizace textu. Extraktivní a abstraktivní s. SUmarizace z jednoho a 
z více dokumentů. Metody extraktivní s. ROUGE a vyhodnocování výsledků
sumarizace.


REPORTS

LSA, LDA and beyond. Critical analysis of this class of methods

Probabilistic methods (3)

Translingual Mining (Transfer learning). From English to Latin

Biomedical text mining









 



TEXT MINING

Stručně vysvětlete 
	Tokenization
	Bag-of-words
	n-gram
	TF-IDF 
	Morphological readings
	chunks
	name entities
	LSA nebo LDA

Jaké jsou varianty TF-IDF?

Předzpracování textu pro text mining

Vysvětlete, co je feature selection. Popište jednu metodu

Vysvětlete, co je feature construction. Popište jednu metodu

Vysvětlete, co je aktivní učení a kde je výhodné ho použít.

Uveďte na příkladu rozdíl mezi morfologickým značkováním 
angličtiny (např. Penn Tree Bank) a češtiny.

Morfologická desambiguace

Filtrování, klasifikace a kategorizace textů

Extrakce informace z textu

Hledání klíčových slov

Sumarizace textu

Shlukování dokumentů a termů

Analýza sentimentu a opinion mining