Dobyvani znalosti

pasky
Matfyz(ák|ačka) level II
Příspěvky: 89
Registrován: 4. 1. 2005 22:57
Typ studia: Informatika Bc.
Kontaktovat uživatele:

Dobyvani znalosti

Příspěvek od pasky »

Ahoj!

Tusite nekdo, co cekat od zkousky? Da se cekat, ze to bude tezsi nez suma pisemek, nebo naopak podobne/lehci?

A na co se asi tak bude zamerovat? (Zajimaji mne hlavne dve veci - jestli se mam drtit i ty strasne metodologie a druhy nastroju pro manazery obchodnich retezcu, a jestli se vazne musim znovu ucit vsech devatero zpusobu jak neuronove site uciti. U prvniho doufam, ze se to moc nevyskytne, u druheho spis pocitam, ze se to holt naucim - kdybych tak mel lepsi pamet, aby mi to tam jeste ze zimy zbylo.)
Next lecture on time travel will be held on previous Monday.
pasky
Matfyz(ák|ačka) level II
Příspěvky: 89
Registrován: 4. 1. 2005 22:57
Typ studia: Informatika Bc.
Kontaktovat uživatele:

Re: Dobyvani znalosti

Příspěvek od pasky »

Mozna se nekomu bude hodit shrnuti, ktere jsem sesmolil na http://wiki.matfyz.cz/wiki/NDBI023_Shrnutí (a ted uz vazne nemam silu opravovat ten divny syntax error, jestli nekdo vidi, co tam je za botu, tak budu rad) (a taky jsem zjistil, ze neumim jednoduse vygenerovat odkaz, ktery bych sem mohl placnout, a je pul seste rano... tak je to na vasich cut'n'paste skillz)
Next lecture on time travel will be held on previous Monday.
pasky
Matfyz(ák|ačka) level II
Příspěvky: 89
Registrován: 4. 1. 2005 22:57
Typ studia: Informatika Bc.
Kontaktovat uživatele:

Zk 10.6.2010

Příspěvek od pasky »

Nejdrive byla pisemka, meli jsme zacit v 11:30, zacali jsme v 11:45, jedine dobre, nebot jsem mel zpozdeni. ;-) Byla tradicne hodina casu a schuzka v 13:45 pred pracovnou. Otazky: 1. Metodologie SEMMA (!) 2. Rozhodovaci stromy, ID3 algoritmus 3. Naivni bayesovsky klasifikator

Na ustni jsme cca 20 minut cekali, pak nejdrive brala jednoho po druhem, pak se zacalo paralelizovat. Mam z toho, priznam se, trochu pachut, ktera je obvykle vyhrazena jinym zkousejicim - nejdrive mne pozadala, abych znovu popsal klasifikator (bez koukani na pisemku), chvilku jsme zonglovali se vzorecky a zkouseli jej poustet v praxi pod palbou spousty zaludnych otazek. Pak abych znovu popsal rozhodovaci stromy, zacala do toho trochu vrtat - pro ktere hodnoty se vytvari uzly, ja jsem tvrdil, ze se obvykle vytvari uzly pro ty hodnoty atributu, ktere mam v datech sve vetve, pani Mrazova ale zase, ze se museji brat hodnoty z celeho datasetu (to se mi moc nezda, kolikrat muzou byt nektere kombinace hodnot atributu nesmyslne, nebo muze byt uzitecne chybejici uzly doplnovat az za behu). Tak mi dala odvodit adaptacni pravidlo backpropu, chvili jsme se nad nim hadali, nez jsme se shodli, ze jsem zapomnel pred derivaci strcit minus. A tak mi dala vetu o schematech, napsal jsem, co mne napadlo, ale kdyz vyslo najevo, ze po mne chce i formalne rozepsat kompletni dukaz, tak jsem se rozloucil a odesel s dvojkou, na to je zivot moc kratky. ;-)

Prijde mi, ze na metodologie se nikoho v mem doslechu neptala, coz je jedine dobre. Ale zklamalo mne, ze IMHO znatelne delsi dukaz klade na technickou spravnost vsech obezlicek nez na porozumneni tomu, proc a jak ty algoritmy funguji. Tak jsem si postezoval, ostatni snad alespon konecne ziskaji predstavu, jak zkouska vypada; kolegu se ptala jeste treba na MBA nebo adaptacni pravidlo v Hopfieldovych sitich a neco s clusterovanim.
Next lecture on time travel will be held on previous Monday.
Odpovědět

Zpět na „NDBI023 Dobývání znalostí“