Semestr zimowy 2010/11
Semestr zimowy 2011/12
Semestr zimowy 2012/13
Semestr zimowy 2013/14
Semestr zimowy 2014/15
Semestr zimowy 2015/16
Eksploracja danych IO1203
Treści programowe:
1. Wstęp
2. Wybrane zagadnienia algebry wektorów i macierzy
oraz geometrii wielowymiarowej
3. Wybrane modele sieci neuropodobnych (m.in. perceptrony wielowarstwowe)
4. Zasada separowalności w projektowaniu hierarchicznych sieci neuropodobnych
5. Zasady separowalnej agregacji danych
6. Algorytmy wymiany rozwiązań bazowych
7. Metoda wektorów wspierających (SVM)
8. Zagadnienia ekstrakcji i selekcji cech
9. Projektowanie drzew decyzyjnych i regresyjnych
10. Sieci samoorganizujące się (SOM)
11. Metody skalowania wielowymiarowego
12. Zastosowania metod uczenia maszynowego w bioinformatyce
13. Zastosowania metod uczenia maszynowego w analizie tekstowych oraz graficznych baz danych
Rodzaj przedmiotu
Koordynatorzy przedmiotu
W cyklu 2014Z: | W cyklu 2013Z: | W cyklu 2015Z: | W cyklu 2010Z: | W cyklu 2011Z: |
Efekty kształcenia
Umiejętność doboru i posługiwania się narzędziami eksploracji danych
Literatura
a) podstawowa:
1. Bischop Ch.: Pattern Recognition and Machine Learning, Springer, Berlin 2008
2. Duda O. R. and Hart P. E., Stork D. G.: Pattern Classification, J. Wiley, New York 2001
3 Ripley B. D., Pattern Recognition and Neural Networks, Cambridge University Press 1996
4 Bobrowski L.: Eksploracja danych oparta na wypukłych i odcinkowo-liniowych funkcjach kryterialnych, Wydawnictwa Politechniki Białostockiej, Białystok, 2005
b) uzupełniająca:
1 Koronacki J., Ćwik J.: Statystyczne systemy uczące się, Wydawnictwa Naukowo -Techniczne, Warszawa 2005
2. Tadeusiewicz R.: Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C# , Kraków 2007
3. Fukunaga K., Introduction to Statistical Pattern Recognition, Academic Press 1972.
4. Vapnik V. N.: Statistical Learning Theory, J. Wiley, New York 1998