Cilji in kompetence
Seznaniti študente s postopki strojnega učenja za iskanje novega metodami za avtomatski zajem in evaluacijo znanja iz podatkovnih zbirk.
Vsebina
• Uvod v inteligentne sisteme
• Osnove zbirk podatkov
• Priprava podatkov
• Delo z manjkajočimi podatki
• Metode nadzorovanega strojnega učenja:
o Odločitvena drevesa
o Nevronske mreže
o Grobe množice
o Hibridne metode
• Evalvacija pridobljenega znanja
Metode poučevanja in učenja
Predavanja, razgovor, demonstracija, računalniške vaje.
Predvideni študijski rezultati - znanje in razumevanje
Znanje in razumevanje:
• Zajemanja podatkov
• Shranjevanja podatkov
• Priprave podatkov za obdelavo z inteligentnimi metodami
• Osnov in uporabe metod strojnega učenja
• Evalvacije rezultatov metod strojnega učenja
• Uporabe pridobljenega znanja.
• Sposobnost učinkovitejšega zajema, shranjevanja in uporabe podatkov.
• Znanje za uporabo podatovnega rudarjenja in iskanja novega znanja na poljubnih področjih.
• Poznavanje metod strojnega učenja.
Temeljni literatura in viri
• Zorman Milan, Podgorelec Vili, Lenič Mitja, Povalej Petra, Kokol Peter in Tapajner Alojz: Inteligentni sistemi in profesionalni vsakdan,
Univerza v Mariboru, Center za Interdisciplinarne in multidisciplinarne raziskave in študije UM, Maribor, 2003
• I. H. Witten, E. Frank, M. A. Hall: Data Mining, Practical Machine Learning Tools and Techniques, Third Edition, Morgan Kaufmann Publishers, 2011.
• J. Han, M. Kamber, J.Pei: Data Mining: Concepts and Techniques, Third Edition, Elsevier, Morgan Kaufmann Publishers, 2012.
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Osnovno poznavanje dela z računalnikom: delo z miško, tipkovico, poznavanje okolja Windows, dela s preglednicami (MS Excel)
Osnove računalništva v bioinformatiki
Podrobnosti o izvedbi in ocenjevanju Pisni izpit se lahko nadomesti s kolokviji v enakem deležu 50 %.
