| Název předmětu | Hybridní modely Data Science v R a Pythonu |
|---|---|
| Kód předmětu | KI/0208 |
| Organizační forma výuky | Seminář |
| Úroveň předmětu | Bakalářský |
| Rok studia | nespecifikován |
| Semestr | Zimní a letní |
| Počet ECTS kreditů | 2 |
| Vyučovací jazyk | Čeština |
| Statut předmětu | Povinně-volitelný |
| Způsob výuky | Kontaktní |
| Studijní praxe | Nejedná se o pracovní stáž |
| Doporučené volitelné součásti programu | Není |
| Dostupnost předmětu | Předmět je nabízen přijíždějícím studentům |
| Vyučující |
|---|
|
| Obsah předmětu |
|
1. analýza dat na základě jejich vizualizace v R (balíčky graphics a ggplot2) 2. analýza dat na základě jejich vizualizace v Pythonu (moduly matplotlib a plotly) 3. zpracování chybějících hodnot v R na základě různých typů regrese, výběr optimálního modelu 4. metody předzpracování dat v R a Pythonu (normalizace, standardizace), kritéria hodnocení kvality zpracování dat, porovnání modelů a výběr optimální metody 5. hybridní model filtrace signálu na základě společného použití waveletové analýzy a Huangovy metody modální dekompozice 6. praktická implementace hybridních modelů filtrace signálu v R a Pythonu 7. metody optimalizace modelu shlukování na základě společného využití vnitřních a vnějších kritérií hodnocení kvality shlukování 8. optimalizace parametrů algoritmů shlukování s použitím Harringtonovy metody a fuzzy logiky v R a Pythonu 9. optimalizace modelu třídění dat s použitím různých kritérií třídění dat 10. hybridní modely snížení dimenze dat na základě společného použití modelů shlukování a třídění 11. praktická implementace hybridních modelů snížení dimenze dat v R a Pythonu pro zpracování velkých dat (genová exprese) 12. vývoj modelu prognózování stavu pacienta na základě genové exprese za použití metod data miningu a strojového učení
|
| Studijní aktivity a metody výuky |
| nespecifikováno |
| Výstupy z učení |
|
Cílem kurzu je získání znalostí a dovedností v oblasti zpracování informací. V průběhu kurzu se studenti seznámí s praktickou realizací různých metod analýzy a předzpracování dat (vizualizace, zpracování chybějících hodnot na základě různých typů regresních modelů, normalizace a filtrace) a s hybridními modely vytvořenými pomocí metod data miningu a strojového učení, které jsou určeny pro zpracování různých typů dat. V rámci kurzu budou využívány funkce a moduly softwarů R a Python.
|
| Předpoklady |
|
nespecifikováno
|
| Hodnoticí metody a kritéria |
|
nespecifikováno
splnění zadaných úkolů |
| Doporučená literatura |
|
|
| Studijní plány, ve kterých se předmět nachází |
| Fakulta | Studijní plán (Verze) | Kategorie studijního oboru/specializace | Doporučený semestr | |
|---|---|---|---|---|
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Informatika (dvouoborové) (A14) | Kategorie: Informatické obory | - | Doporučený ročník:-, Doporučený semestr: - |
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Informační systémy (A14) | Kategorie: Informatické obory | - | Doporučený ročník:-, Doporučený semestr: - |
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Informatika (dvouoborové) (A14) | Kategorie: Informatické obory | - | Doporučený ročník:-, Doporučený semestr: - |
| Fakulta: Přírodovědecká fakulta | Studijní plán (Verze): Informační systémy (A14) | Kategorie: Informatické obory | - | Doporučený ročník:-, Doporučený semestr: - |