Rozvrh na FEL 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 2019/2020

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 Jan Šochman (JŠ) sochmj1@fel.cvut.cz

Nutné prerekvizity

Plán přednášek 2019/2020

Č. Datum Př. Zdroj Téma Wiki Additional material
1 27.9. JM pdf Úvod. Formulace úloh řešených v rozpoznávání. Bayesovské rozhodování Machine_learning Naive_Bayes_classifier some simple problems
2 4.10. JM pdf Nebayesovské úlohy (Neyman-Pearson, Minimax, Wald). Minimax
3 11.10. JM pdf Odhady parametrů pravděpodobnostních modelů. Metoda maximální věrohodnosti. Maximum_likelihood
4 18.10. JM pdf Metoda nejbližších sousedů. Neparametrické odhady hustoty K-nearest_neighbor_algorithm
5 25.10. JM pdf Logistická regrese Logistic_regression
6 1.11. pdf Učení klasifikátoru. Lineární klasifikátor. Perceptron Linear_classifier Perceptron
7 8.11. JM pdf Učení jako kvadratický optimalizační problém. Klasifikátor typu SVM. Support_vector_machine
8 15.11. JM pdf Učení metodou Adaboost Adaboost
9 22.11. OD pdf, pdf, CNN Mishkin Učení metodou backpropagation. Neuronové sítě.Artificial_neural_network Flach, ver1
10 29.11. JM pdf Shlukování metodou k-means K-means_clustering K-means++
11 6.12. JM pdf Principal component analysis. Fisherův linearní discriminant. Principal_component_analysis Linear_discriminant_analysis Veksler, Franc, ver1
12 13.12. JM pdf Rozhodovací stromy. Decision_tree Decision_tree_learning Rudin@MIT
13 20.12. JM pdf EM algoritmus Expectation_maximization_algorithm Hoffmann,Bishop,Flach
14 10.1. OD 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

  • Duda R. O., Hart, P. E.,Stork, D. G.: Pattern Classification, John Willey and Sons, 2nd edition, New York, 2001
  • Schlesinger M. I., Hlaváč V.: Deset přednášek ze statistického a strukturního rozpoznávání Ten Lectures on Statistical and Structural Pattern Recognition, ČVUT, 1999
  • Bishop, C.: Pattern Recognition and Machine Learning, Springer, 2011
  • Goodfellow, I., Bengio, Y. and Courville, A.: Deep Learning, MIT Press, 2016. www

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.

Termín 2020

  • písemná část zkoušky: 22.1.2020, posluchárna K1, 12:00
  • ústní část: 23.1.
courses/b4b33rpz/lectures.txt · Last modified: 2019/11/25 17:18 by drbohlav