Neurónové siete 2023 (FPVaI/KI/NS/22)

KurzuskategóriaAplikovaná informatika (magisterské štúdium)
Neurónové siete predstavujú biologicky inšpirovaný prístup k výpočtovým algoritmom inteligentného spracovania informácií. Záznam poznatkov v pamäti, interpretácia vstupných dát, vzťahy medzi poznatkami, zovšeobecňovanie, rozhodovanie, a pod., sa spontánne objavujú ako výsledok masívnej paralelnej interakcie veľkého množstva relatívne jednoduchých výpočtových elementov.
VV1: Študent získava vedomosti o základných modeloch neurónových sietí.
VV2: Študent porozumie základným vlastnostiam uvedených modelov.
VV3: Študent analyzuje získané vedomosti o jednotlivých typoch modelov.
VV4: Študent aplikuje naučené vedomosti do oblasti modelovania a simulácie.


Softvérové inžinierstvo 22/23 (FPVaIKI/SI/22)

KurzuskategóriaAplikovaná informatika (magisterské štúdium)

Cieľom predmetu je oboznámiť študenta so základnými princípmi softvérového inžinierstva. Študent bude vedieť charakterizovať jednotlivé softvérové procesy, popísať výhody a nevýhody niekoľkých modelov životného cyklu vývoja softvérového produktu, bude prakticky ovládať viacero metód a techník vývoja softvérového produktu. Študent bude rozumieť významu jednotlivých diagramov UML. Študent aplikuje rôzne prístupy k testovaniu a validácie softvérového produktu.

Hĺbková analýza dát (KI/HAD/22)

KurzuskategóriaDátová veda a umelá inteligencia

Obsah kurzu oboznamuje študentov s modelovaním dát a s evalváciou výsledkov. Cieľom kurzu je naučiť študentov vybrať a aplikovať správnu metódu na riešenie data mining-ového problému/úlohy objavovania znalostí a vyhodnotiť získané výsledky. Druhá časť kurzu je zameraná na modelovanie správania sa používateľov webu v závislosti od času.

Výsledky vzdelávania:
Študent rozumie procesu objavovania znalostí- je oboznámený s procesom transformácie údajov na informácie a znalosti. Dôraz je kladený na modelovanie (Data Mining, DM), ktoré je jadrom celého procesu objavovania znalostí (Knowledge Discovery, KD). Študent diskutuje o možnostiach analýzy dát- aplikácii analytických metód na riešenie konkrétnych data mining-ových problémov/úloh objavovania znalostí. Pri riešení problémov sa kladie dôraz nie na algoritmy výpočtov, ale na podstatu metód, správny výber metódy a vyhodnotenie výsledkov (overenie predpokladov použitia, porovnanie výsledkov, vizualizácia, krížová validácia). Študent po absolvovaní predmetu je schopný analyzovať predspracované dáta, vybrať a aplikovať správnu metódu na riešenie data mining-ového problému/úlohy objavovania znalostí a vyhodnotiť získané výsledky.

Informačný list predmetu Data mining

Učiteľ: Magdin Martin

Objavovanie znalostí (KI/OZ/22)

KurzuskategóriaDátová veda a umelá inteligencia

Obsah kurzu oboznamuje študentov s predspracovaním dát o používaní webu, s procesom objavovania vzorcov správania sa používateľov webu a s evalváciou procesu prípravy dát. Cieľom kurzu je naučiť študentov zhodnotiť proces prípravy dát pre konkrétny portál/systém. Druhá časť kurzu je zameraná na obsah a štruktúru webu.

Výsledky vzdelávania:
Študent rozumie procesu objavovania znalostí. Študent rozlišuje domény web mining-u, je schopný získať a predspracovať relevantné dáta o obsahu, štruktúre a používaní webu. Dôraz je kladený na predspracovanie dát (Data Preparation, DP), ktoré je časovo najnáročnejšou fázou celého procesu objavovania znalostí (Knowledge Discovery, KD). Študent diskutuje o možnostiach predspracovania dát. Pri riešení projektu sa kladie dôraz na oblasť objavovania znalostí na základe používania webu- web usage mining. Práve na tejto oblasti si študent ozrejmí princíp a jednotlivé fázy procesu objavovania znalostí. Študent po absolvovaní predmetu je schopný riadiť proces objavovania znalostí.


Informačný list predmetu Web mining