A tantárgy az alábbi témakörök ismeretére épít:
lineáris algebra, operációkutatás alapjai
A tantárgy szerepe a képzés céljának megvalósításában:
gazdasági és mérnöki MSc képzések részére szabadon választható tárgy
A tantárgy részletes tematikája magyarul és angolul:
Manapság éppen az adatok sokasága okoz komoly gondot a döntéshozóknak. Felmerülnek olyan kérdések, hogy hogyan találjunk mintázatot az adatokban, hogyan találjunk összefüggéseket a tulajdonságok (változók) között, milyen módon használjuk ezeket ki, hogy minél jobb döntéseket
hozhassunk. Ebben a tantárgyban olyan többváltozós statisztikán és valószínűségszámításon alapuló módszereket mutatunk be, amelyek tanulómintából nyernek ki információkat döntést elősegítő modellek felépítésére. A modellek jóságát a tanulómintán, majd a tesztelő mintán számszerűsítjük.
Felelevenítünk néhány szükséges valószínűségszámítási, statisztikai és algebrai ismeretet . Röviden ismertetjük az Octave/Matlab
programcsomagot.
Bevezetés a gépi tanulásba. A felügyelt és a felügyelet nélküli tanulás módszereinek áttekintése.
- Felügyelt tanulási módszerek:
Többdimenziós lineáris és polinomiális regresszió. A költségfüggvény minimalizálása két módszerrel: gradiens csökkentés, normálegyenletek algebrai megoldása. Becslés és előrejelzés. Logisztikus regresszió. A költségfüggvény megadása és minimalizálása. Két- illetve többosztályos klasszifikációs feladatok megoldása. Regularizáció, mint a túlhatározottság csökkentélsére alkalmas módszer. Neurális hálók.
Támasz vektor gépek (Support Vector Machines). Naiv Bayes módszer.
- Felügyelet nélküli tanulási módszerek:
Klaszterezés. K-átlag algoritmus. Dimenziócsökkentés. Főkomponens analízis. Közösségi szűrés (collaborative filtering).
Követelmények vizsgaidőszakban:
Pótlási lehetőségek:
elégtelen vizsga a vizsgaidőszak meghirdetett vizsga alkalmain kétszer ismételhető
Konzultációs lehetőségek:
a tárgy oktatójának heti rendszerességgel meghirdetett fogadóóráján
Jegyzet, tankönyv, felhasználható irodalom:
T.Hastie, R. Tibshirani and J.Friedman: The Elements of Statistical Learning, Springer Series in Statistics, 2009.
Nyomtatóbarát változat
