|
Vyučující
|
-
Pavlačka Ondřej, RNDr. Ph.D.
|
|
Obsah předmětu
|
1. Strojové učení obecně: - představení jednotlivých typů úloh - regrese, klasifikace (binární, multiclass, fasetová), učení bez učitele (shluková analýza, detekce anomálií), - preprocessing dat, redukce dimenze (PCA), volba trénovací, testovací a případně validační množiny - měření kvality modelu, overfitting, regularizace, ... - SW možnosti řešení úloh strojového učení - zejména Python knihovny (ScikitLearn, Keras, TensorFlow), ukázány i možnosti knihoven (toolboxů) v Matlabu. 2. Konvoluční neuronové sítě. 3. Ensemble learning - základní idea, vybrané metody (např. Random forests). 4. Doporučovací systém (recommender systém) 5. Zpětnovazební učení (reinforcement learning) 6. Detekce anomálií.
|
|
Studijní aktivity a metody výuky
|
|
Přednášení, Demonstrace
|
|
Výstupy z učení
|
Rozumět matematickému základu vybraných pokročilých metod z oblasti strojového učení a schopnost jejich praktické implementace s využitím speciálních knihoven v Pythonu.
Porozumění pokročilým metodám strojového učení Schopnost aktivní implementace pokročilých metod strojového učení
|
|
Předpoklady
|
lineární algebra, kalkulus, programování, angličtina
|
|
Hodnoticí metody a kritéria
|
Analýza výkonů studenta, Seminární práce
Kolokvium: Samostatně vyřešit zadané příklady z jednotlivých typů úloh v oblasti strojového učení. Součástí řešení příkladů bude diskuse týkající se vyhodnocení kvality modelu a volby nejlepší metody.
|
|
Doporučená literatura
|
-
Bishop, Ch. M. (2011). Pattern recognition and machine learning.
-
Cielen D., Meysman A., Ali M. (2016). Introducing Data Science: Big Data, Machine Learning, and more, using Python tools. Manning Publications.
-
Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (2nd Ed.). O´Reilly, Sebastopol.
-
Müller, A. C., Guido, S. (2017). Introduction to Machine Learning with Python. O´Reilly, Sebastopol.
-
Raschka, S., Mirjali, V. (2019). Python Machine Learning (3rd Ed.). Packt Publishing, Birmingham.
-
S. Theodoridis. (2020). Machine Learning: A Bayesian and Optimization Perspective. Academic Press.
-
Tibshirani, H. T., Jerome, R. F. (2016). The Elements of Statistical Learning. Springer.
|