PředmětyPředměty(verze: 963)
Předmět, akademický rok 2024/2025
  
Strojové učení v Pythonu - M445024
Anglický název: Machine Learning in Python
Zajišťuje: Ústav matematiky, informatiky a kybernetiky (446)
Fakulta: Fakulta chemicko-inženýrská
Platnost: od 2024
Semestr: letní
Body: letní s.:5
E-Kredity: letní s.:5
Způsob provedení zkoušky: letní s.:
Rozsah, examinace: letní s.:2/2, Z+Zk [HT]
Počet míst: neurčen / neurčen (neurčen)
Minimální obsazenost: neomezen
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Úroveň:  
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
Garant: Hrnčiřík Pavel doc. Ing. Ph.D.
Klasifikace: Informatika > Programování
Anotace -
Předmět Strojové učení v Pythonu se zabývá praktickým využitím programovacího jazyka Python v oblasti strojového učení. Studenti se seznámí s aktuálními algoritmy strojového učení a s moderní platformou Tensorflow a Keras. Důraz je kladen na použití metod strojového učení v chemii a na schopnost studentů samostatně aplikovat tyto metody na praktické problémy.
Poslední úprava: Fialová Jana (17.06.2020)
Výstupy studia předmětu -

Studenti budou umět:

Vytvářet predikce a robustní modely na základě dat.

Klasifikovat data.

Vybrat vhodný model a metodu pro řešení příslušného problému.

Pracovat s frameworky Keras a Tensorflow.

Validovat modely a vyhodnocovat jejich přesnost.

Poslední úprava: Hrnčiřík Pavel (17.06.2020)
Podmínky zakončení předmětu (Další požadavky na studenta)

Splnění průběžných a zápočtových testů, obhajoba individuálního projektu, zkouškový test.

Poslední úprava: Hrnčiřík Pavel (17.06.2020)
Literatura -

Z: François CHOLLET, Deep learning v jazyku Python: knihovny Keras, Tensorflow, Grada Publishing, Praha, 2019.

D: Sebastian RASCHKA, Vahid MIRJALILI, Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, Packt Publishing, Birmingham, 2019.

Poslední úprava: Hrnčiřík Pavel (17.06.2020)
Požadavky ke zkoušce (Forma způsobu ověření studijních výsledků)

Předmět je zakončen písemnou zkouškou.

Poslední úprava: Cibulková Jana (13.09.2023)
Sylabus -

1 Normalizace dat, transformace, kódování.

2 Nelineární regresní analýza.

3 Support vector machine (SVM).

4 Gradientní metody.

5 Vybrané struktury neuronových sítí (MLP, RBF).

6 Samoorganizující se mapy.

7 Projekt.

8 Algoritmus k-nejbližších sousedů.

9 Shluková analýza.

10 Rozhodovací stromy.

11 Validace, vyhodnocování přesnosti klasifikace, feature extraction.

12 Konvoluční neuronové sítě.

13 Rekurentní neuronové sítě.

14 Využití frameworku Tensorflow v chemii.

Poslední úprava: Fialová Jana (17.06.2020)
Studijní opory -

Elektronické materiály k předmětu.

Poslední úprava: Hrnčiřík Pavel (17.06.2020)
Vstupní požadavky -

Základní znalosti z matematické statistiky a programování v Pythonu.

Poslední úprava: Hrnčiřík Pavel (17.06.2020)
Studijní prerekvizity -

Úvod do Pythonu

Poslední úprava: Hrnčiřík Pavel (17.06.2020)
Zátěž studenta
Činnost Kredity Hodiny
Účast na přednáškách 1 28
Příprava na přednášky, semináře, laboratoře, exkurzi nebo praxi 1.1 30
Práce na individuálním projektu 1.4 40
Příprava na zkoušku a její absolvování 0.5 14
Účast na seminářích 1 28
5 / 5 140 / 140
 
VŠCHT Praha