MI-ZI (verze 2018)
Znalostní inženýrství
platnost: od června 2021
| Označení | Otázka | Předmět |
|---|---|---|
| MI-ZI-1 | Ensemble metody: rozdíl mezi baggingem a boostingem, gradient boosting (XGBoost). | MI-ADM.16 |
| MI-ZI-2 | Jádrové metody: jádrová regrese, bázové funkce, SVM (separabilní a neseparabilní případ). | MI-ADM.16 |
| MI-ZI-3 | Algoritmy pro doporučování: uveďte základní přístupy a způsob vyhodnocení kvality, faktorizační metody pro doporučování. | MI-ADM.17 |
| MI-ZI-4 | Struktura a vazby na webu: principy procházení a získávání obsahu webu, fenomén malého světa, metriky centralit, silné a slabé vazby, afiliační sítě a detekce komunit, PageRank, HITS. | MI-DDW.16 |
| MI-ZI-5 | Techniky pro získávání informace z textu: předzpracování a extrakce informace z volného textu, extrakce pojmenovaných entit, analýza sentimentu. | MI-DDW.16 |
| MI-ZI-6 | Analýza chování uživatelů na webu: sběr dat a metriky, typy doporučovacích systémů, jejich evaluace, výhody a nevýhody. | MI-DDW.16 |
| MI-ZI-7 | Business data model, datová architektura a modelování, extrakce dat a datová integrace. | MI-EDW.16 |
| MI-ZI-8 | MPP databáze pro datové sklady, Hadoop a discovery platformy, nástroje pro datovou integraci a reporting. | MI-EDW.16 |
| MI-ZI-9 | Kontext a základní funkce Business Intelligence, analytické činnosti a rozhodovací procesy, uživatelské požadavky, roadmapa. | MI-EDW.16 |
| MI-ZI-10 | Evoluce neuronových sítí a rozhodovacích stromů. | MI-MVI.16 |
| MI-ZI-11 | Autoencodery a generativní neuronové sítě. | MI-MVI.16 |
| MI-ZI-12 | Vícevrstvá perceptronová síť (MLP), gradientní a další metody učení MLP, sítě s hlubokým učením (deep learning). | MI-MVI.16 |
| MI-ZI-13 | Vyhodnocování a optimalizace SQL: prováděcí plány (execution plans), optimalizace řízená odhadem ceny (cost-based optimization), statistiky databázových objektů, metody přístupu k datům a jejich cena, metody vyhodnocení spojení a jejich cena. | MI-PDB.16 |
| MI-ZI-14 | Databázové modely: relační, objektově-relační, dokumentový, XML, sloupcový, klíč-hodnota, grafový, rozdíly, vhodné aplikace (aplikační domény). Dotazovací jazyky: SQL, XQuery, Neo4, jejich typické konstrukce a vyjadřovací možnosti. | MI-PDB.16 |
| MI-ZI-15 | CAP teorém a NoSQL databáze. Klasifikace NoSQL databází z pohledu CAP teorému, příklady konkrétních NoSQL databází a jejich architektury; horizontální vs. vertikální škálování, replikace a sharding. Koncepce BASE vs. ACID. | MI-PDB.16 |
| MI-ZI-16 | Metody pro hodnocení a výběr příznaků (univarietní/multivarietní metody, filtrační/wrapper/embedded metody). Selektivní/adaptivní metody redukce počtu instancí (CNN, Delauney/Gabriel/RNG grafy, Wilsonova editace, Multi-edit metoda, Tomkovy spoje). | MI-PDD.16 |
| MI-ZI-17 | Algoritmy pro nahrazování chybějících hodnot. Detekce a ošetření odlehlých hodnot. Vyvažování skupin dat (undersampling/oversampling metody). | MI-PDD.16 |
| MI-ZI-18 | Lineární projekce dat do prostoru o méně dimenzích (PCA, LDA). Nelineární metody redukce dimensionality (Sammonova projekce). | MI-PDD.16 |
| MI-ZI-19 | Automatické plánování, plánovací graf, kompilace plánování jako výrokové splnitelnosti (SAT), plánování v prostoru plánů. Plánování pohybu a problém lokalizace v robotice. | MI-UMI |
| MI-ZI-20 | Splňování omezení s konečnými doménami (CSP), pokročilé prohledávání (backjumping, dynamický backtracking), filtrace domén a lokální konzistenční techniky, globální podmínky, rozhodovací heuristiky. | MI-UMI |
| MI-ZI-21 | Systematické a lokální splňování v logice (DPLL, CDCL, WalkSAT, posílání zpráv). Rozhodování v teoriích prvního řádu, obecná rezoluce, princip SAT-modulovaných teorií (SMT). Zpracování přirozeného jazyka. | MI-UMI |
📄 Tabulka je dostupná také v CSV (hodnoty oddělené středníkem).
🔙 Historii změn najdete na GitLabu.