Stupeň štúdia: 3.
Ročník: 1.
Povinný predmet
Cieľom predmetu je poskytnúť študentom znalosti z oblasti dátovej ekonomiky. Predmet sa zaoberá analýzou a spracovaním veľkých dátových setov (Big data). Študenti by sa mali oboznámiť s tvorbou, štruktúrou a riadením dátových skladov, pochopiť prístupy k získavaniu znalostí z údajov, ako aj rozšírené znalosti týkajúce sa neurónových sietí.
Stručná osnova predmetu:
- Big data - Veľké dáta, komplexnosť veľkých dát, architektúry spracovania veľkých dát, technológie veľkých dát, obchodná hodnota veľkých dát, dátový sklad, manažment dátového skladu, riadenie workflow v dátovom sklade,
- Dolovanie dát - Formáty údajov a súborov (štruktúrované, neštruktúrované atď.), SQL a databázy, spracovanie textu (parsing, tokenizing, stemming, atď.),
- Reprezentácia dát (reprezentácia vektorov funkcií atď.) Potreba dataminingu, Predspracovanie údajov: redukcia dimenzií, analýza chýbajúcich hodnôt, normalizácia a štandardizácia, detekcia šumu a odľahlých hodnôt.
- Techniky detekcie vzorov, klasifikácie, asociácie a predikcie. Strojové učenie Základné pojmy neurónových sietí, charakteristiky neurónových sietí, terminológia, aplikácia neurónových sietí. Strojové učenie s učiteľom, strojové učenie bez učiteľa, učenie formou odmeňovania.
- Objavovanie znalostí, umelá inteligencia, pravidlá učenia, učenie korekcie chýb, učenie založené na pamäti, hebbovské učenie, kompetitívne učenie, Boltzmannovo učenie, jednovrstvový perceptrón, viacvrstvový perceptrón, spätná propagácia, rekurentné siete, zjednodušovanie sietí, adaptívne siete,
- Neurónové siete založené na rozhodovaní, hierarchické neurónové siete, pravdepodobnostné neurónové siete, siete s radiálnou bázou, porovnanie sietí RBF a viacvrstvového perceptronu.
- Klasifikácia lineárne oddeliteľných vzorov, Boltzmannov stroj, Helmholtzov stroj, Podporné vektorové stroje, Samo organizujúci sa migračný algoritmus, genetické algoritmy, predikčné systémy.
