| Název předmětu | Introduction to Machine Learning |
|---|---|
| Kód předmětu | KI/EUSU |
| Organizační forma výuky | Přednáška + Cvičení |
| Úroveň předmětu | Bakalářský |
| Rok studia | nespecifikován |
| Semestr | Letní |
| Počet ECTS kreditů | 5 |
| Vyučovací jazyk | Angličtina |
| Statut předmětu | nespecifikováno |
| Způsob výuky | Kontaktní |
| Studijní praxe | Nejedná se o pracovní stáž |
| Doporučené volitelné součásti programu | Není |
| Dostupnost předmětu | Předmět je nabízen přijíždějícím studentům |
| Vyučující |
|---|
|
| Obsah předmětu |
|
1. Division of machine learning tasks 2. Data classification, types of classifiers 3. Preparation of data and datasets: replacement of missing data, work with categorical data 4. Issues of data dimensionality and methods of its reduction 5 Decision trees (types of metrics, construction) 6. Linear classification, linear separability, linear perceptron and its learning, logistic regression 7. Support vector machines (SVM): problem formulation, SVM as an optimization task 8. Method of support vectors: soft-margin issue, dual SVM formulation, solution using quadratic programming, SMO algorithm 9. Method of support vectors: kernel transformations, types of kernels 10. Neural networks: types of networks, network learning, activation functions 11. Neural networks: nonlinear multilayer perceptron (MLP) and its properties, backpropagation algorithm 12-13. Deep learning: basic principles (convolution, pooling) and practical use of frameworks 14. Evaluation of seminar work and discussion
|
| Studijní aktivity a metody výuky |
| nespecifikováno |
| Výstupy z učení |
|
This course presents a practical introduction to data processing and analysis via machine learning. We are focused on a basic understanding of the principles of the methods and we emphasise the practical application of the methods. The relevant frameworks in the Python language (Scikit-learn, TensorFlow, Keras, CVXOPT) are used.
|
| Předpoklady |
|
Basics from linear algebra (vectors, matrices, vector spaces) and analysis and basics of Python
|
| Hodnoticí metody a kritéria |
|
nespecifikováno
|
| Doporučená literatura |
|
|
| Studijní plány, ve kterých se předmět nachází |
| Fakulta | Studijní plán (Verze) | Kategorie studijního oboru/specializace | Doporučený semestr |
|---|