Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Reflecting on Imbalance Data Issue when Teaching Performance Measures

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F17%3A39902712" target="_blank" >RIV/00216275:25530/17:39902712 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-57261-1_4" target="_blank" >http://dx.doi.org/10.1007/978-3-319-57261-1_4</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-57261-1_4" target="_blank" >10.1007/978-3-319-57261-1_4</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Reflecting on Imbalance Data Issue when Teaching Performance Measures

  • Popis výsledku v původním jazyce

    Importance of soft computing methods has continuously grown for many years. Particularly machine learning methods have been paid considerable attention in the business sphere and subsequently within the general public in the last decade. Machine learning and its implementation is the object of interest of many commercial subjects, whether they are small companies or large corporations. Consequently, well-educated experts in the area of machine learning are highly sought after on the job market. Most of the technical universities around the world have incorporated the machine learning into their curricula. However, machine learning is a dynamically evolving area and the curricula should be continuously updated. This paper is intended to support this process. Namely, an imbalance data issue, in context of performance measures for binary classification, is opened, and a teaching method covering this problem is presented. The method has been primary designed for undergraduate and graduate students of technical fields; however, it can be easily adopted in curricula of other fields of study, e.g. medicine, economics, or social sciences.

  • Název v anglickém jazyce

    Reflecting on Imbalance Data Issue when Teaching Performance Measures

  • Popis výsledku anglicky

    Importance of soft computing methods has continuously grown for many years. Particularly machine learning methods have been paid considerable attention in the business sphere and subsequently within the general public in the last decade. Machine learning and its implementation is the object of interest of many commercial subjects, whether they are small companies or large corporations. Consequently, well-educated experts in the area of machine learning are highly sought after on the job market. Most of the technical universities around the world have incorporated the machine learning into their curricula. However, machine learning is a dynamically evolving area and the curricula should be continuously updated. This paper is intended to support this process. Namely, an imbalance data issue, in context of performance measures for binary classification, is opened, and a teaching method covering this problem is presented. The method has been primary designed for undergraduate and graduate students of technical fields; however, it can be easily adopted in curricula of other fields of study, e.g. medicine, economics, or social sciences.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    50302 - Education, special (to gifted persons, those with learning disabilities)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Artificial Intelligence Trends in Intelligent Systems : Proceedings of the 6th Computer Science On-line Conference 2017 (CSOC2017). Vol 1

  • ISBN

    978-3-319-57261-1

  • ISSN

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    10

  • Strana od-do

    33-42

  • Název nakladatele

    Springer

  • Místo vydání

    Heidelberg

  • Místo konání akce

    Zlín

  • Datum konání akce

    26. 6. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku