Bi0034 Analýza a klasifikace dat

Přírodovědecká fakulta
podzim 2009
Rozsah
2/0. 2 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: z.
Vyučující
prof. Ing. Jiří Holčík, CSc. (přednášející)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: prof. Ing. Jiří Holčík, CSc.
Rozvrh
St 10:00–11:50 G2,02003
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Po absolvování předmětu student: - má základní teoretické a metodologické znalosti principů rozpoznávání a klasifikace matematických popisů reálných objektů s důrazem na zpracování biologických dat - dokáže vysvětlit souvislosti a vzájemné vztahy mezi vlastnostmi reálných procesů a jimi generovaných dat a použitými metodami a algoritmy; - umí aplikovat různé metody a algoritmy zpracování dat k dosažení požadovaných výsledků; - umí navrhnout různé modifikace popisovaných algoritmů vhodné pro zpracování dat specifických vlastností.
Osnova
  • 1. Klasifikace dat – základní terminologie. Třídění klasifikačních algoritmů. 2. Příznakové metody. Klasifikace podle diskriminačních funkcí a minimální vzdálenosti. 3. Stanovení diskriminačních funkcí na základě statistických vlastností množiny obrazů. 4. Sekvenční klasifikace. 5. Volba a výběr příznaků. 6. Analýza hlavních komponent. 7. Analýza nezávislých komponent. 8. Faktorová analýza 9. Učení klasifikátorů. Metody odhadu hustot pravděpodobnosti a odhad apriorních pravděpodobností klasifikačních tříd. 10. Shlukování. Podobnost mezi obrazy a shluky. 11. Metody shlukování. 12. Klasifikace pomocí neuronových sítí.
Literatura
  • Mitchel,T.M.: Machine Learning. McGraw Hill 1997
  • Dunham,M.H.: Data Mining: Introductory and Advanced Topics. Prentice Hall 2002
  • Holčík,J.: Analýza a klasifikace signálů. [Učební texty vysokých škol] Brno, Nakladatelství VUT v Brně 1992.
Výukové metody
Přednášky podporované Power Pointovými prezentacemi, přičemž je kladem důraz na pochopení základních principů popisovaných metod a algoritmů. Během přednášek jsou studenti průběžně interaktivně oslovováni s cílem kontrolovat míru jejich pochopení přednášené látky.
Metody hodnocení
ústní zkouška
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2007 - akreditace, podzim 2010 - akreditace, podzim 2007, podzim 2008, podzim 2010, podzim 2011, podzim 2011 - akreditace, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021.