Cílem předmětu Metody strojového učení pro vestavěné systémy je seznámit studenty s aktuálními moderními přístupy v oblasti metod strojového učení, které jsou přímo implementovatelné do výpočetně omezených vestavěných systémů. Studentům jsou rovněž přestaveny možnosti optimalizace vývoje či funkce vestavěných systémů pomocí metod strojového učení. Metody strojového učení se dnes prosazují v mnoha aplikačních oblastech vestavěných systémů a mikrokontrolérů, přičemž se předpokládá, že tento stav se bude pokračovat i v budoucnu. V rámci tohoto předmětu se studenti naučí praktickým aplikacím a uplatnění těchto moderních přístupů v reálné implementaci.
Literature
[1] Burkov, Andriy. Machine Learning Engineering. 2020.
[2] Burkov, Andriy. The Hundred-Page Machine Learning Book. 2019.
[3] Mitchell, Tom M. Machine Learning. McGraw Hill, 2017.
[4] Harrington, Peter. Machine learning in action. Manning Publications Co, 2012.
Advised literature
[1] Embedded deep learning: algorithms, architectures and circuits for always-on neural network processing. Springer Science+Business Media, 2018.
[2] Reinforcement learning. Springer Science+Business Media, 2017.
[3] Eiben, A. E., a J. E. Smith. Introduction to Evolutionary Computing. Springer Verlag, 2015.
[4] Aggarwal, Charu C., a Chandan K. Reddy, editoři. Data clustering: algorithms and applications. Chapman and Hall/CRC, 2014.
[5] CHOLLET, François. Deep learning v jazyku Python: knihovny Keras, Tensorflow. Přeložil Rudolf PECINOVSKÝ. Knihovna programátora (Grada). Praha: Grada Publishing, 2019.