| Název předmětu | Úvod do strojového učení |
|---|---|
| Kód předmětu | KI/KUSU |
| Organizační forma výuky | Přednáška + Cvičení + Seminář |
| Úroveň předmětu | Bakalářský |
| Rok studia | nespecifikován |
| Semestr | Letní |
| Počet ECTS kreditů | 4 |
| Vyučovací jazyk | Čeština |
| Statut předmětu | Povinně-volitelný |
| Způsob výuky | Kontaktní |
| Studijní praxe | Nejedná se o pracovní stáž |
| Doporučené volitelné součásti programu | Není |
| Vyučující |
|---|
|
| Obsah předmětu |
|
1. Rozdělení úloh strojového učení 2. Klasifikace dat, typy klasifikátorů 3. Příprava dat a datasetů: nahrazení chybějících dat, práce s kategorickými daty 4. Problematika dimenzionality dat a metody její redukce 5 Rozhodovací stromy (typy metrik, konstrukce) 6. Lineární klasifikace, lineární separovatelnost, lineární perceptron a jeho učení, logistická regrese 7. Metoda podpůrných vektorů (SVM): formulace problému, SVM jako optimalizační úloha 8. Metoda podpůrných vektorů: problematika hranice (soft-margin), duální formulace SVM, řešení pomocí kvadratického programování, SMO algoritmus 9. Metoda podpůrných vektorů: jádrové transformace, druhy jader 10. Neuronové sítě: typy sítí, učení sítí, aktivační funkce 11. Neuronové sítě: nelineární vícevrstvý perceptron (MLP) a jeho vlastnosti, algoritmus backpropagation 12. ? 13. Hluboké učení: základní principy (konvoluce, pooling) a praktické užití frameworků 14. Hodnocení seminární práce a diskuse
|
| Studijní aktivity a metody výuky |
| nespecifikováno |
| Výstupy z učení |
|
Předmět Úvod do strojového učení představuje praktický úvod do zpracování a analýzy dat pomocí strojového učení. Výuka je směřována na základní pochopení principu metod a důraz je kladen na praktickou aplikaci metod za použití příslušných frameworků v jazyce Python (Scikit-learn, TensorFlow, Keras, CVXOPT).
|
| Předpoklady |
|
nespecifikováno
KI/APR1 ----- nebo ----- KI/KAPR1 |
| Hodnoticí metody a kritéria |
|
nespecifikováno
Zápočet: vypracování seminární práce na předem zvolené téma, typicky implementace řešení zadané úlohy Zkouška: obhajoba seminární práce a ověření teoretických znalostí |
| Doporučená literatura |
|
| Studijní plány, ve kterých se předmět nachází |
| Fakulta | Studijní plán (Verze) | Kategorie studijního oboru/specializace | Doporučený semestr |
|---|