MPŠ
MPŠ MP&Scaron MP&Scaron MP&Scaron Avtorji

Mednarodna
podiplomska šola
Jožefa Stefana

Jamova 39
SI-1000 Ljubljana
Slovenija

Tel: (01) 477 31 00
Faks: (01) 477 31 10
E-pošta: info@mps.si

Išči

Opis predmeta

Odkrivanje znanja iz okoljskih podatkov

Programi:

Ekotehnologije, 3. stopnja

Sodelavci:

prof. dr. Sašo Džeroski

Cilji:

Vpeljati študente v raziskovalno delo na področju odkrivanja znanja iz okoljskih podatkov. Študenti bodo pridobili temeljna znanja o analizi podatkov z metodami strojnega učenja, kot tudi širši pregled najpogosteje uporabljanih metod za strojno učenje. Seznanili se bodo s konkretnimi primeri uporabe teh metod za analizo okoljskih podatkov. V okviru praktičnega dela se bodo usposobili za samostojno uporabo nekaterih programskih orodji strojnega učenja.

Študenti bodo pridobili znanje, ki jim bo omogočalo razumevanje procesa odkrivanja znanja in se bodo usposobili nekaj metod strojnega učenja uporabiti pri analizi okoljskih podatkov.

Vsebina:

1. Uvod v odkrivanje znanja in metode strojnega učenja (učenje odločitvenih in regresijskih dreves; učenje pravil; verjetnostna klasifikacija; metoda najbližjih sosedov; odkrivanje enačb)

2. Razredi okoljskih problemov, pri katerih lako uporabimo strojno učenje (modeliranje populacijske dinamike, modeliranje habitata)

3. Primeri uporabe strojnega učenja pri analizo podatkov o okolju (vodni ekosistemi, kmetijstvo, gozdarstvo, okoljska epidemiologija in toksikologija, naravne nesreče / napr. modeliranje rasti alg v beneški laguni in v blejskem jezeru, pretok genov pri GSO, modeliranje habitata medveda, napovedovanje biorazgradljivosti, napovedovanje potresov, požarov, poplav)

4. Praktično delo z izbranimi metodami strojnega učenja na okoljskih podatkih (predstavitev in vaje na programskih paketih za strojno učenje)

Temeljna literatura in viri:

A. Fielding, editor. Machine Learning Methods for Ecological Applications. Kluwer, Boston, MA, 1999.

S. Dzeroski. Data mining in a nutshell. In S. Dzeroski, N. Lavrac, editors, Relational Data Mining, pages 3-27. Springer, Berlin, 2001.

S. Dzeroski. [KDD Applications in] Environmental sciences. In W. Klösgen, and J. M. Zytkow, editors. Handbook of Data Mining and Knowledge Discovery, pages 817-830. Oxford University Press, 2002.

Izbrane reference nosilca:

• S. Dzeroski and L. Todorovski, eds., Computational Discovery of Scientific Knowledge. Springer, Berlin, 2007.

• Todorovski, L. , and Dzeroski, S. Integrating Domain Knowledge in Equation Discovery. In S. Dzeroski and L. Todorovski, eds., Computational Discovery of Scientific Knowledge, pages 69-97. Springer, Berlin, 2007.

• N. Atanasova, F. Recknagel, Lj. Todorovski, S. Dzeroski, and B. Kompare. Computational Assemblage of Ordinary Differential Equations for Chlorophyll-a Using a Lake Process Equation Library and Measured Data of Lake Kasumigaura. In F. Recknagel, editor, Ecological informatics : scope, techniques, and applications, 2nd ed., pages 409-427. Springer, Berlin, New York, 2006.

• Todorovski, L., and Dzeroski, S. Integrating knowledge-driven and data-driven approaches to modeling. Ecological Modelling, 194 : 3-13, 2006.

• D. Demsar, S. Dzeroski, T. Larsen, J. Struyf, J. Axelsen, M. Bruns-Pedersen, and P. Henning Krogh. Using multi-objective classification to model communities of soil microarthropods. Ecological Modelling, vol. 191 : 131-143, 2006.

• M. Jurc, M. Perko, S. Dzeroski, D. Demsar, and B. Hrasovec. Spruce bark beetles (Ips typographus, Pityogenes chalcographus, Col.: Scolytidae) in the Dinaric mountain forests of Slovenia : monitoring and modeling. Ecological Modelling, vol. 194 : 219-226, 2006.

• A. Kobler, S. Dzeroski, and I. Keramitsoglou. Habitat mapping using machine learning-extended kernel-based reclassification of an Ikonos satelite image. Ecological Modelling, vol. 191 (1) : 83-95, 2006.

• N. Atanasova, Lj. Todorovski, S. Dzeroski, and B. Kompare. Constructing a library of domain knowledge for automated modelling of aquatic ecosystems. Ecological Modelling, vol. 194 : 14-36, 2006.

• N. Atanasova, Lj. Todorovski, S. Dzeroski, S. Remec-Rekar, F. Recknagel, and B. Kompare. Automated modelling of a food web in lake Bled using measured data and a library of domain knowledge. Ecological Modelling, vol. 194 : 37-48, 2006.

• S. Dzeroski, S., and L. Todorovski. Learning population dynamics models from data and domain knowledge. Ecological Modelling, 170: 129-140, 2003.

• S. Dzeroski, and D. Drumm. Using regression trees to identify the habitat preference of the sea cucumber (Holothuria leucospilota) on Rarotonga, Cook Island. Ecological Modelling, 170: 219-226, 2003.

Načini preverjanja znanja:

Seminar in ustni izpit.

Obveznosti študentov:

Seminar in ustni izpit.

Zunanje povezave: