Zkouskove otazky

  1. 1. Evaluace modelů - Loss Functions, Test Errors, Evaluation of Regression and Classification

  2. 2. Principles and algorithms for bagging and boosting - Random Forests and AdaBoosting

  3. 3. Principles and algorithms for Anomaly Detection

  4. 4. Recommender Systems Basic Principles, Task Types, and kNN Algorithm Usage

  5. 5. Factorization methods for recommendations

  6. 6. Jádrová regrese - Lineární expanze do bázových funkcí, duální formulace, jádrový trik

  7. 7. Jádrové funkce - Souvislost s bázovými funkcemi, obecné vlastnosti, příklady

  8. 8. Support Vector Machines - Lineárně separabilní a neseparabilní případ, diskuse řešení

  9. 9. Algoritmy pro řazení (learning to rank) - Popište rozdílnost pointwise, pairwise a listwise přístupů

  10. 10. Způsoby evaluace algoritmů pro řazení (learning to rank) a doporučovacích systémů

  11. 11. Popište rozklad chyby na nedoučení a přeučení (Bias Variance Decomposition of Error) a uveďte jaké složky typicky redukuje bagging a boosting a proč.