Pozn.:
P | Datum | Učitel | Osnova přednášek | Obsah |
---|---|---|---|---|
1 | JK | Úvod do předmětu, shluková analýza, formalizace | sad_uvod.pdf | |
2 | JK | EM algoritmus, k-means, hierarchické shlukování | shlukovani.pdf | |
3 | JK | Spektrální, konceptuální, semi shlukování. Dvojshlukování | shlukovani_pokr.pdf | |
4 | JK | Časté množiny položek, algoritmus Apriori, asociační pravidla | asociace.pdf | |
5 | JK | Časté posloupnosti, epizodální pravidla, modely posloupností | sekvence.pdf | |
6 | JK | Časté podstromy/podgrafy | grafy.pdf | |
7 | JK | Učení z textů a webu, aplikace | TM, LA tutorial (Grobelnik) | |
8 | FŽ | Computational learning theory - intro, PAC learning | colt.pdf | |
9 | FŽ | Continuing Lecture 8 | ||
10 | FŽ | PAC-learning logic forms | pac-logic.pdf | |
11 | FŽ | Continuing Lecture 10 + Learning in predicate logic | predicate.pdf | |
12 | FŽ | Infinite Concept Spaces (see note below table) | infspaces.pdf | |
13 | FŽ | Empirical testing of hypotheses | empirical.pdf | |
14 | FŽ | Continuing Lecture 13 |
Note for the mathematically inclined: here is a long version of Lecture 12 including a proof of PAC-learnability with finite VC-dimension: infspaces-long-1.pdf, infspaces-long-2.pdf. Not required for exam.
Cvičení | Datum | Osnova cvičení | Obsah |
---|---|---|---|
1 | Úvod, program, požadavky, SW nástroje; vstupní test (prerekvizita RPZ) | ||
2 | Zrušeno | ||
3 | Předzpracování dat, chybějící a odlehlé hodnoty; shlukování | ||
4 | EM algoritmus a učení s poloučitelem | ||
5 | Spektrální shlukování | ||
6 | Hledání častých množin položek a asociačních pravidel | ||
7 | Hledání častých sekvencí a podgrafů | ||
8 | Příprava na test | ||
9 | Test z první poloviny kurzu | ||
10 | Nedoučené a přeučené klasifikátory, odhady chyby | ||
11 | Horní odhady chyb | ||
12 | Učení se k-term DNF pomocí k-CNF | ||
13 | Vapnikova-Červoněnkisova dimenze | ||
14 | Výběr parametrů pomocí křížové validace, zápočet |