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. 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.).
Osnova predmetu:
- Kapitola 1. Základné poznatky, pojmy, koncepty
- Kapitola 2. Učenie neurónových sietí
- Kapitola 3. Aproximácia funkcií neurónovými sieťami
- Kapitola 4. Perceptrón a viacvrstvový perceptrón
- Kapitola 5. Sieť s radiálnymi bázovými funkciami
- Kapitola 6. Kohonenova samoorganizujúca sa mapa
- Kapitola 7. PCA a PCA siete
- Kapitola 8. ICA a ICA siete
- Kapitola 9. Kernelové metódy
- Kapitola 10. Súborové učenie
- Kapitola 11. Hlboké konvolučné siete
- Kapitola 12. Lokálne binárne vzory (LBP)
- Kapitola 13. Extrakcia príznakov učením bez učiteľa, autoasociačné kódovanie
- Kapitola 14. Využitie neurónových sietí na kompresiu obrazu
- Kapitola 15. Metódy strojového učenia na analýzu a klasifikáciu prevádzky komunikačných sietí