Table of Contents

Rozvrh na FEL Posluchači RPZ Diskusní fórum

Cíl předmětu

Předmět 33RPZ má studentovi poskytnout souhrnnou představu o rozpoznávání, jeho metodách, nástrojích a aplikacích. S velmi podobnými metodami se někdy setkáte pod názvy teorie rozhodování, analýza dat, dolování z dat, teorie učení či statistické učení.

Základní informace

Zimní semestr 2018/2019

Kdy a kde: KN:E-301 ( Karlovo náměstí, budova E), pátek 11:00-12:30

Přednášející: Jiří Matas (JM) matas@cmp.felk.cvut.cz, Ondřej Drbohlav (OD) drbohlav@cmp.felk.cvut.cz Vojtěch Franc (VF) xfrancv@cmp.felk.cvut.cz, Jan Čech (JČ) cechj@cmp.felk.cvut.cz

Nutné prerekvizity

Plán přednášek 2018/2019

Č. Datum Př. Zdroj Téma Wiki Additional material
1 5.10. JM pdf Úvod. Formulace úloh řešených v rozpoznávání. Bayesovské rozhodování Machine_learning Naive_Bayes_classifier some simple problems
2 12.10. JM pdf Nebayesovské úlohy (Neyman-Pearson, Minimax, Wald). Minimax
3 19.10. JM pdf Odhady parametrů pravděpodobnostních modelů. Metoda maximální věrohodnosti. Maximum_likelihood
4 26.10. OD pdf Metoda nejbližších sousedů. Neparametrické odhady hustoty K-nearest_neighbor_algorithm
5 2.11. JM pdf Logistická regrese Logistic_regression
6 9.11. JM pdf Učení klasifikátoru. Lineární klasifikátor. Perceptron Linear_classifier Perceptron
7 16.11. JM pdf Učení jako kvadratický optimalizační problém. Klasifikátor typu SVM. Support_vector_machine
8 23.11. JM pdf Učení metodou Adaboost Adaboost
9 30.11. JM pdf, pdf Učení metodou backpropagation. Neuronové sítě.Artificial_neural_network Flach, ver1
10 7.12. JM pdf Shlukování metodou k-means K-means_clustering K-means++
11 14.12. JM pdf Principal component analysis. Fisherův linearní discriminant. Principal_component_analysis Linear_discriminant_analysis Veksler, Franc, ver1
12 21.12. JM pdf Rozhodovací stromy. Decision_tree Decision_tree_learning Rudin@MIT
13 4.1. JM pdf EM algoritmus Expectation_maximization_algorithm Hoffmann,Bishop,Flach
14 11.1. JM Druhý průchod látkou, připrava na zkoušky. Konzultace / Basic notions recapitulation, links between methods, answers to exam questions (joint for English and Czech courses. In English if needed)

Doporučená literatura

Hodnocení

Práce v semestru 50%, písemná část zkoušky 40%, ústní 10%. Pro známku “A” je podmínkou získat z písemné části zkoušky získat alespoň “B”.

Zkouška

Ukázkové příklady pro písemnou část (písemky z předchozích let) naleznete na adrese http://cmp.felk.cvut.cz/cmp/courses/recognition/Exam-questions/ v souborech test_*

Otázky pro ústní i písemnou část jsou voleny z tohoto seznamu otázek či jeho anglické verze.