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.
Zimní semestr 2022/2023
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
Č. | Datum | Př. | Zdroj | Téma | Wiki | Additional material |
---|---|---|---|---|---|---|
1 | 23.9. | JM | Úvod. Formulace úloh řešených v rozpoznávání. Bayesovské rozhodování | Machine_learning Naive_Bayes_classifier | some simple problems | |
2 | 30.9. | OD | Nebayesovské úlohy (Neyman-Pearson, Minimax, Wald). | Minimax | ||
3 | 7.10. | OD | Odhady parametrů pravděpodobnostních modelů. Metoda maximální věrohodnosti. | Maximum_likelihood | ||
4 | 14.10. | OD | Metoda nejbližších sousedů. Neparametrické odhady hustoty | K-nearest_neighbor_algorithm | ||
5 | 21.10. | OD | Logistická regrese | Logistic_regression | ||
6 | 28.10. | holiday | ||||
7 | 4.11. | JM | Učení klasifikátoru. Lineární klasifikátor. Perceptron | Linear_classifier Perceptron | ||
8 | 11.11. | JM | Učení jako kvadratický optimalizační problém. Klasifikátor typu SVM. | Support_vector_machine | ||
9 | 18.11. | JM | Učení metodou Adaboost | Adaboost | ||
10 | 25.11. | JM | Učení metodou backpropagation. Neuronové sítě. | Artificial_neural_network | ||
11 | 2.12. | JM | Shlukování metodou k-means | K-means_clustering K-means++ | ||
12 | 9.12. | JM | EM algoritmus | Expectation_maximization_algorithm | Hoffmann,Bishop,Flach | |
13 | 16.12. | JM | Principal component analysis. Fisherův linearní discriminant. | Principal_component_analysis Linear_discriminant_analysis | Veksler, Franc, ver1 | |
14 | 13.1. | JM | Rozhodovací stromy. | Decision_tree Decision_tree_learning | Rudin@MIT |
s
Podmínky získání zápočtu viz labs.