16. 9. 2019  4:01 Ľudomila, Ľudmila
Akademický informační systém

Sylabus předmětu I-SUNS - Strojové učenie a neurónové siete (FEI - ZS 2019/2020)


     Informačný list          ECTS          Sylabus          


     Slovenština          Angličtina          


Vysoká škola: Slovenská technická univerzita v Bratislave
Fakulta: Fakulta elektrotechniky a informatiky
Kód predmetu: I-SUNS
Názov predmetu: Strojové učenie a neurónové siete
Druh, rozsah a metóda vzdelávacích činností:
prednáška2 hod. týždenne (prezenčná metóda)
cvičenie2 hod. týždenne (prezenčná metóda)

 
Počet kreditov: 6
 
Odporúčaný semester/trimester: aplikovaná informatika - inžiniersky (povinný), 1. semester
Stupeň štúdia: 2.
Podmieňujúce predmety: žiadne
 
Podmienky na absolvovanie predmetu:
Podmienky na absolvovanie predmetu:
Aktívna účasť na cvičeniach a úspešné zvládnutie úloh. Úspešné absolvovanie skúšky.
Celková známka na skúške bude odvodená od bodového vyjadrenia nasledovne:
- cvičenia max. 45 bodov
- písomná skúška max. 55 bodov
Úspešnosť na skúške je podmienená dosiahnutím minimálne:
- 20 bodov za cvičenia
- 20 bodov za písomnú časť skúšky
Hodnotenie predmetu podľa klasifikačnej stupnice platného Študijného poriadku STU (čl. 16, bod 3):
Kritériá úspešnosti (percentuálne vyjadrenie výsledkov pri hodnotení predmetu)
sú pre klasifikačné stupne nasledovné:
a) A – 92 až 100 %
b) B – 83 – 91 %
c) C – 74 – 82 %
d) D – 65 – 73 %
e) E – 56 – 64 %
f) FX – 0 – 55 %
 
Výsledky vzdelávania:
Cieľom predmetu je oboznámiť študentov s teóriou a aplikáciami strojového učenia. Predmet poskytuje systematický pohľad na najznámejšie nástroje strojového učenia s dôrazom na neurónové siete, boosting, jadrové metódy, stroje s podpornými vektormi, zhlukovanie, hlboké učenie. Po zvládnutí teoretických základov je študent schopný využiť tieto moderné nástroje v najrôznejších oblastiach informačných a komunikačných technológií. V predmete sa uvádzajú aj aplikácie strojového učenia v týchto oblastiach (rozpoznávanie vzorov, biometria, komunikačné siete, spracovanie signálov a pod.).
 
Stručná osnova predmetu:
Pojmy a princípy (umelá inteligencia, strojové učenie, výpočtová inteligencia, inteligentné systémy, objavovanie znalostí, neurónová sieť).
Učenie s učiteľom, učenie bez učiteľa, teória učenia, reinforcement učenie.
Neurocomputing, rozdiely voči klasickým prístupom, možnosti aplikácií, analógia a rozdiely biologických a umelých neurónových sietí (NS).
Modely neurónu, aktivačná funkcia, architektúry NS, proces učenia, NS a aproximácia funkcií.
Viacvrstvový perceptrón, algoritmus spätného šírenia, generalizácia, aproximácia funkcií.
RBF (radial-basis function) siete, regularizačná teória.
Samoorganizujúce sa systémy založené na súťažnom učení a na Hebbovom učení.
Rekurentné siete.
Súbory - boosting, silné a slabé učenie, AdaBoost
Rozmedzia, jadrové (kernel) metódy, stroje s podpornými vektormi
Zhlukovanie
Deep learning (hlboké učenie, hlboké NS)
Aplikácie strojového učenia v rozpoznávaní vzorov a v biometrii, v komunikačných sieťach, v spracovaní signálov
 
Odporúčaná literatúra:
Základné:
MARSLAND, S. Machine Learning: An Algorithmic Perspective. Boca Raton : CRC Press, 2009. 390 s. ISBN 978-1-4200-6718-7.
MITCHELL, T M. Machine learning. New York : McGraw-Hill, 1997. 572 s. ISBN 0-07-115467-1.
KECMAN, V. Learning and Soft Computing: Support Vector Machines, Neural Networks, and Fuzzy Logic Models. Massachusetts : MIT Press, 2001. 541 s. ISBN 0-262-11255-8.
HAYKIN, S. Neural Networks: A Comprehensive Foundation. New York : Macmillan College Publ.Co.Inc, 1994. 696 s. ISBN 0-02-352761-7.
BISHOP, C. Neural Networks for Pattern recognition. Oxford: Clarendon Press, 1996.
ORAVEC, M. Metódy strojového učenia na extrakciu príznakov a rozpoznávanie vzorov. 1. diel: Neurónové siete na extrakciu príznakov, kompresiu a rozpoznávanie obrazu. Bratislava : Nakladateľstvo STU, 2012. 150 s. ISBN 978-80-227-3691-6.
ORAVEC, M. -- PAVLOVIČOVÁ, J. Metódy strojového učenia na extrakciu príznakov a rozpoznávanie vzorov 2: Rozpoznávanie tvárí v biometrii. Bratislava: vydavateľstvo Felia, 2013. 179 s. ISBN 978-80-971512-0-1.
ORAVEC, M. -- POLEC, J. -- MARCHEVSKÝ, S. Neurónové siete pre číslicové spracovanie signálov. Bratislava: Faber, 1998. ISBN 80-967503-9-9.
ORAVEC, M. -- FÉDER, M. -- ZELINA, M. Strojové učenie a neurónové siete: učebné texty. Bratislava : RT Systems, 2013. ISBN 978-80-970519-5-2.
KVASNIČKA, V. Úvod do teórie neurónových sietí. Bratislava: IRIS, 1997. ISBN 80-88778-30-1.

Odporúčaná:
Goodfellow,I., Bengio,Y., Courville,A.: Deep Learning, MIT Press book, 2016 online http://www.deeplearningbook.org/
Li Deng, Dong Yu: Deep Learning: Methods and Applications, Now Publishers, 2014
Oravec,M., Féder,M., Zelina,M.: Strojové učenie a neurónové siete– učebné texty, RT systems Bratislava, 2013, ISBN 978-80-970519-5-2, http://ibooks.sk/publ/suns/
UFLDL (Unsupervised Feature Learning and Deep Learning) Tutorial, http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial

 
Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu: slovenský jazyk alebo anglický jazyk
 
Poznámky:
 
Hodnotenie predmetov:
Celkový počet hodnotených študentov: 477

ABCDEFX
11,7 %19,7 %29,6 %23,3 %11,1 %4,6 %
Vyučujúci: Ing. Zuzana Bukovčiková (cvičiaci, skúšajúci, tútor) - slovenský jazyk, anglický jazyk
Ing. Pavol Marák (cvičiaci, skúšajúci, tútor) - slovenský jazyk, anglický jazyk
prof. Dr. Ing. Miloš Oravec (cvičiaci, prednášajúci, skúšajúci, tútor, zodpovedný za predmet) - slovenský jazyk, anglický jazyk
Ing. Dominik Sopiak, PhD. (cvičiaci, skúšajúci, tútor) - slovenský jazyk, anglický jazyk
 
Dátum poslednej zmeny: 9. 5. 2019
Schválil: prof. Dr. Ing. Miloš Oravec a garant príslušného študijného programu


Poslednú zmenu urobil RNDr. Marian Puškár dňa 09. 05. 2019.

Typ výstupu: