1. komponenta

Vrsta nastave	Ukupno
Predavanja	45

* Opterećenje je izraženo u školskim satima (1 školski sat = 45 minuta)

CILJEVI KOLEGIJA:
Ovo je nastavak kolegija Matrične i tenzorske metode u analizi podataka.
Cilj je za neke od problema opisanih u kolegiju prethodniku detaljno opisati i implementirati algoritme za inteligentno pretraživanje i analizu podataka.
Naglasak je na detaljnom opisu i implementaciji algoritama koji se trenutno koriste u primjenama.

NASTAVNI SADRŽAJI:
1. Klasifikacija pomoću tenzorskih metoda
2. Tenzorske i matrične metode za prepoznavanje lica i znakova.
Usporedba
3. Numeričko računanje tenzorskih dekompozicija - detalji razvoja
algoritama
3.1 CP (Canonical Polyadic); 3.2. Tuckerova dekompozicija; 3.3
Tensot-Train (TT) dekompozicija
4. CP dekompozicija i HITS algoritam
5. Klasteriranje na nelinearnim strukturama
5.1 Difuzijska udaljenost i difuzijska jezgra; veza s Markovljevim
lancima
5.2 Difuzijska preslikavanja u primjenama
6. Lokalno linearna ulaganja
6.1 Ideja metričkih ulaganja
6.2 Praktićni aspekti (lifting trick; kernel trick)
6.3 Nystroemova aproksimacija jezgre
7. Studijski primjeri

Upis predmeta :
Odslušan : Matrične i tenzorske metode u analizi podataka

Polaganje predmeta :
Položen : Matrične i tenzorske metode u analizi podataka

Izborni modul Modeliranje i pretraživanje baza podataka - Redovni Studij - Primijenjena matematika

Izborni modul Modeliranje i pretraživanje baza podataka - Redovni Studij - Primijenjena matematika

Izborni modul Modeliranje i pretraživanje baza podataka - Redovni Studij - Primijenjena matematika

Izborni modul Modeliranje i pretraživanje baza podataka - Redovni Studij - Primijenjena matematika