Harmonogram cvičení

týden	datum	téma
1.	5. 10.	Seznámení s nástrojem R a jeho instalací. Připomenutí základních pojmů ze statistiky v příkladech.
2.	12. 10.	Základy vizualizace v R. Průzkumová analýza dat.
3.	19. 10.	Lineární regrese. Naivní Bayesův klasifikátor. xZadání úkolu Ax
4.	26. 10.	Algoritmy pro shlukování (k-means, rozdíl mezi hierarchickým a nehierarchickým shlukováním, volba optimálního počtu shluků) a jejich použití.
5.	2. 11.	Kontrukce rozhodovacího stromu - příklad, kdy je tento model vhodný a nevhodný. Výhody prořezávání. Odevzdání úkolu A
6.	9. 11.	Vyhodnocení a využití modelů: křížová validace, bootstrapping, křivka učení. Klasifikátor k-nejbližších sousedů. xZadání úkolu Bx
7.	16. 11.	Naivní bayesovský klasifikátor. Lineární klasifikátor.
8.	23. 11.	Další nástroje pro modelování dat: neuronové sítě, volba parametrů a jejich aplikace.
9.	30. 11.	Další nástroje pro modelování dat: SVM, ... Odevzdání úkolu B
10.	7. 12.	Porozumnění datům a jejich příprava: postupy pro diskretizaci, normalizaci a doplnění chybějících hodnot, agregace dat. Selekce a extrakce příznaků. PCA. xZadání úkolu Cx
11.	14. 12.	Tvorba modelu kombinací více základních modelů - bagging, boosting, AdaBoost.
12.	21. 12.	Konzultace.
13.	4. 1.	Další nástroje pro modelování: neklasifikovaná data a konstrukce asociačních pravidel (s využitím Apriori algoritmu). Odevzdání úkolu C
14.	11. 1.	Zpracování přirozeného jazyka jako vstupu: "text mining" a jeho základní úlohy.