Praktický úvod do strojového učení

Typ studia	bakalářské
Jazyk výuky	čeština
Kód	653-2248/01
Zkratka	PUSU
Název předmětu česky	Praktický úvod do strojového učení
Název předmětu anglicky	Praktický úvod do strojového učení
Kreditů	5
Garantující katedra	Katedra materiálového inženýrství a recyklace
Garant předmětu	Ing. Lukáš Halagačka, Ph.D.

Osnova předmětu

1. Seznámení se s prostředím Python a instalace knihoven pro zpracování dat a strojové učení
2. Práce s daty, reprezentace datových struktur a základní statistické indikátory
3. Analýza numerických a smíšených dat s využitím knihovny Pandas
4. Základní funkce z knihovny Scikit-learn pro lineárni regresi
5. Přiklad problémů a řešení pomoci nelineárni regrese
6. Multivrstvé neuronové sítě
7. Aplikace hlubokých neuronových sítí s využitím knihovny PyTorch vhodné pro dynamické řešení problémů
8. Řešení praktické úlohy klasifikace obrazu s využitím prezentovaných numerických nástrojů
9. Úvodní popis knihovny TensorFlow využívané pro hluboké učení a vizualizaci v soukromé sféře

Povinná literatura

HENDL, J. Big data: věda o datech - základy a aplikace. Průvodce. Praha: Grada Publishing, 2021. ISBN 978-80-271-3031-3.
CHOLLET, F. Deep learning v jazyku Python: knihovny Keras, Tensorflow. 2., přepracované a rozšířené vydání. Knihovna programátora. Praha: Grada Publishing, 2023. ISBN 978-80-271-5133-2.
NORGAARD, M. Neural networks for modelling and control of dynamic systems: a practitioner's handbook. Advanced textbooks in control and signal processing. London: Springer, c2000. ISBN 1-85233-227-1.

Doporučená literatura

JHA, A.R. Mastering PyTorch: Build powerful neural network architectures using advanced PyTorch 1. x features. Packt Publishing Ltd, 2021.
MCKINNEY, Wes. Python for data analysis: Data wrangling with Pandas, NumPy, and IPython." O'Reilly Media, Inc.", 2012.

https://pytorch.org/tutorials/
https://pandas.pydata.org
https://www.tensorflow.org/learn

zpět na vyhledávání