Systemy decyzyjne 1000-135SYD
Pojęcia nieostre: podstawy logiczne, statystyczne i algorytmiczne. Porównanie różnych podejść do opisu pojęć nieostrych.
Nierozróżnialność obiektów, aproksymacja pojęć, zbiory przybliżone. Zależności atrybutów, reguły decyzyjne. Obszar pozytywny. Entropia i entropia warunkowa.
Funkcje boolowskie i wnioskowanie boolowskie w wyznaczaniu reduktów dla: systemów informacyjnych i decyzyjnych, reguł decyzyjnych i asocjacyjnych, dyskretyzacji oraz grupowania wartości symbolicznych. Złożoność obliczeniowa wyznaczania reduktów optymalnych, heurystyki.
Klasyfikatory i metody ich konstruowania. Ocena jakości i wiarygodności reduktów, reguł decyzyjnych i klasyfikatorów we wnioskowaniu indukcyjnym. Zasada minimalnego opisu. Zastosowania.
Elementy teoretycznych podstaw uczenia się pojęć z danych. Algorytmy aproksymacyjnie poprawne (PAC algorytmy). Wymiar Vapnika-Chervonenkisa, przykłady wyznaczania wymiaru, podstawowe własności. Zasadnicze twierdzenie o wyuczalności pojęć. Oszacowania rozmiaru zbioru treningowego niezbędnego dla zapewnienia zadanej jakości algorytmu PAC.
Praca z dostępnymi systemami (np. RSES: logic.mimuw.edu.pl, WEKA: www.cs.waikato.ac.nz/ml/weka/, SAT: www.satlib.org/), wykonanie projektu analizy danych rzeczywistych. (w ramach laboratorium)
Rodzaj przedmiotu
języki obce
Tryb prowadzenia
lektura monograficzna
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
Studenci, po zaliczeniu kursu, powinien dobrze znać podstawowe techniki stucznej inteligencji i ich zastosowania w systemach wspomagania podejmowania decyzji,w szczególności metody stworzenia klasyfikatorów z danych oraz techniki oceniania tych klasyfikatorów.
Kryteria oceniania
2 projekty praktyczne (50%) i egzamin (50%).
Aby przystąpić do egzaminu w terminie zerowym, należy uzyskać co najmniej 80% punktów za oba projekty na 2 tygodnie przed zakończeniem semestru.
Literatura
Intelligent Decision Support Systems Applications in Signal Processing. Ed. by Borra, Surekha / Dey, Nilanjan / Bhattacharyya, Siddhartha / Bouhlel, Mohamed Salim, DeGruyter, 2019.
Power, D.J. A Brief History of Decision Support Systems, DSSResources.COM, World Wide Web, version 4.0, March 10, 2007.
M. Anthony, N. Biggs, Computational learning theory. Cambridge University Press, Cambridge 1992
E.M. Brown. Boolean Reasoning. Kluwer Acad. Publ., Dordrecht 1990
R.O. Duda, P.E. Hart, D. Stork. Pattern classification. John Wiley and Sons, 2001
S. Russell, P. Norvig. AI: Modern approach. Prentice Hall, Englewood Cliffs, New Jersey, 2003
L. Polkowski, A. Skowron (eds.) Rough Sets in Knowledge Discovery. Physica-Verlag, Heidelberg, 1998.
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: