Fuzzy logika v data science
- Kredity: 8
- Ukončenie: Skúška
- Rozsah: 16sP
- Semester: zimný
- Fakulta hospodárskej informatiky
Vyučujúci
Zaradený v študijných programoch
Výsledky vzdelávania
Sémantická neurčitosť alebo fuzzy prostredie je kľúčovou vlastnosťou mnohých úloh v reálnom svete. Absolvovanie tohto predmetu predpokladá rozvoj kľúčových kompetencií a zručností pre efektívne zvládanie tohto typu neurčitosti a riešenie rôznych úloh v oblasti data science a podpory rozhodovania.
Vedomosti
Študenti budú schopní porozumieť pokročilým konceptom výpočtov lingvistickými výrazmi pomocou fuzzy množín, fuzzy logiky a agregačných funkcií. Tieto znalosti sú základom pre ďalšie úlohy začínajúc zberom neurčitých dát, až po lingvistickú interpretáciu vydolovaných informácií.
Kompetencie
Na základe vyššie uvedených vedomostí, budú študenti schopní modelovať úlohy ako: dopytovanie dát na základe lingvistických výrazov, modelovanie flexibilných závislostí, interpretovať informácie z výsledkov dolovania dát krátkymi kvantifikovanými vetami, klasifikovať entity, hodnotiť entity na základe stupňa príslušnosti, odporúčať najvhodnejšie entity, atď.
Zručnosti
V tomto predmete študenti nadobudnú zručnosti ako zaobchádzať s neurčitosťou pri zbere dát, spracovaní dát a interpretácii informácií (vydolovaných z rôznych dátových typov). Tieto zručnosti sú dôležité pri informovaní o vývoji, napríklad manažérov alebo iných kompetentných pracovníkov, stručným a zrozumiteľným spôsobom.
Stručná osnova predmetu
1. Teória fuzzy množín a fuzzy logiky
2. Fuzzy množiny typu II a intuitionistické fuzzy množiny
3. Modelovanie nerozhodnosti v znalostiach (podmienky experta)
4. Rozdiely a podobností medzi pojmami bez ostrých hraníc
5. Symetrické a asymetrické logické agregačné funkcie pri vyhodnocovaní entít
6. Fuzzy mierky a kapacity v rozhodovaní
7. Flexibilné odporúčacie systémy
8. Fuzzy pravidlové systémy ich vysvetliteľnosť a interpretovateľnosť
9. Teória a vlastnosti fuzzy kognitívnych máp
10. Soft computing evaluation logic pre podporu rozhodovania
11. Rozpoznávanie vzorov a klasifikácia pomocou fuzzy logiky
12. Flexibilné systémy pre dopytovanie a interpretovanie výsledkov
13. Zhrnutie vývoja údajov pomocou lingvistických súhrnov (klasické, časové rady)
Odporúčaná literatúra
1. Alonso J. M., Castiello, C., Magdalena, L., Mencar, C.: Explainable Fuzzy Systems: Paving the way from Interpretable Fuzzy Systems to Explainable AI Systems. Springer. Cham, 2021.
2. Bojadziev, G., Bojadziev, M.: Fuzzy logic for business, finance and management. World Scientific Publishing, London, 2007.
3. Bouchon-Meunier B. Strengths of Fuzzy Techniques in Data Science. In: Kosheleva O., Shary S., Xiang G., Zapatrin R. (eds). Studies in Computational Intelligence, vol 835. Springer, Cham, 2020.
4. Dujmović, J. Soft Computing Evaluation Logic: The LSP Decision Method and Its Applications, IEEE Press and Wiley, 2018.
5. Grabisch, M., Marichal, J.-L., Mesiar, R., Pap, E.: Aggregation Functions. Encyclopedia of Mathematics and its Applications, Cambridge University Press, Cambridge, 2009.
6. Hudec, M.: Fuzziness in Information Systems - How to Deal with Crisp and Fuzzy Data in Selection, Classification, and Summarization. Springer, Cham, 2016.
7. Wang, X, Ruan, D, Kerre, E.E.: Mathematics of Fuzziness. Springer, Berlin Heidelberg, 2009.
8. Xu, Z.: Hesitant fuzzy set theory. Springer, Cham, 2014.
9. Xu, Z.: Linguistic decision making – Theory and Methods. Springer, Berlin Heidelberg, 2012.
Podmienky na absolvovanie predmetu
20 % semestrálna seminárna práca, resp. projekt,
20 % priebežné spracovanie úloh, pracovných listov resp. prípadových štúdií.
60 % písomná skúška.
Pracovné zaťaženie študenta
208 h
Účasť na konzultáciách – 16 hodín
Individuálne konzultácie – 42 hodín
Príprava a realizácia projektu – 100 hodín
Príprava na záverečnú skúšku – 50 hodín
Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu
Slovenský jazyk, Anglický jazyk
Dátum schválenia: 10.02.2023
Dátum poslednej zmeny: 17.05.2022
Dátum schválenia: 10.02.2023
Dátum poslednej zmeny: 17.05.2022