APDMB041 Inteligentní zpracování dat

Fyzikální ústav v Opavě
léto 2025
Rozsah
2/2/0. 6 kr. Ukončení: zk.
Vyučující
doc. Ing. Petr Čermák, Ph.D. (přednášející)
doc. Ing. Petr Čermák, Ph.D. (cvičící)
Garance
doc. Ing. Petr Čermák, Ph.D.
Fyzikální ústav v Opavě
Předpoklady
(FAKULTA(FU) && TYP_STUDIA(B))
Žádné
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Studenti se seznámí s vybranými metodami inteligentního zpracování dat, včetně rozhodování nad těmito daty.
Výstupy z učení
Student bude po absolvování předmětu schopen:
popsat a vysvětlit zpracování zvuku a metody zpracování zvuku se zaměřením na řeč;
popsat a vysvětlit Markovovy skryté řetězce, aplikace v rozpoznávání hlasu;
popsat základní řetězec processingu zpracování obrazu;
popsat metody segmentace, detekce segmentů a jejich klasifikace;
popsat a vysvětlit detekci významných bodů a použití;
popsat metodu redukce dimenze PCA;
popsat a vysvětlit metody rozhodování a expertní systémy.
Osnova
  • 1. Zpracování zvuku a rozpoznávaní zvuku

  • 2. Markovovy skryté řetězce, aplikace v rozpoznávání hlasu

  • 3. Rozpoznávání obrazu, základní řetězec processingu

  • 4. Vybrané metody segmentace

  • 5. Analýza, detekce a klasifikace segmentů obrazu

  • 6. Detekce významných bodů v obraze

  • 7. Příklady segmentace, klasifikace a detekce významých bodů u medicínských obrazů (CT, MR, US)

  • 8. Zpracování vícerozměrných dat, PCA, redukce dimenze

  • 9. Multikriteriální rozhodování nad vícerozměrnými daty

  • 10. Expertní systémy

  • 11. Příklady analýzy dat pro enviromentální monitoring.

Literatura
    povinná literatura
  • ZELINKA, I. Evoluční výpočetní techniky, principy a aplikace. Praha, 2008. ISBN 978-80-7300-218-3.
  • SZELISKI, Richard. Computer Vision: Algorithms and Applications. Berlin, 2010.
  • MAŘÍK a kol. Umělá inteligence I, II. Praha, 2001.
  • NOUZA, J.: Pokročilé metody rozpoznávání řeči. 2016 [cit 2018-01-13]. Dostupné online http://itakura.ite.tul.cz/jan/PMR/.
  • DOUGHERTY, G. Digital Image Processing for Medical Applications. Oxford, 2009. ISBN 978-0521860857.
  • LEVER, J., KRZYWINSKI, M., ALTMAN, N., Points of Significance . Principal component analysis, https://doi.org/10.1038/nmeth.4346.
Výukové metody
Formy výuky budou následující:
1. teoretická příprava(přednášky);
2. laboratorní cvičení(zpracování dat).
Metody hodnocení
Aktivní účast na cvičeních, v rámci ústní zkoušky prokázání znalosti problematiky studijního předmětu.
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Předmět je zařazen také v obdobích léto 2021, léto 2022, léto 2023, léto 2024.