aktivní účast na seminářích 50 %

ústní zkouška 50 %

Active seminar participation – 50%

Oral final exam – 50%

Doporučená:

• Burkov, Andriy. The Hundred-Page Machine Learning Book. : Andriy Burkov, 2019, 160 s. ISBN 199957950X.
• Theobald Oliver Theobald. Machine Learning for Absolute Beginners. : Independently Published, 2021, s. ISBN 855809842Y.
• Orange Data Mining [online]. Dostupné z: https://orangedatamining.com

Obligatory:

• p. . : , , s. ISBN .

• Interaktivní přednášky (s využitím vizualizací, softwaru)

• Praktická cvičení a práce na projektu

• Skupinová diskuze, zpětná vazba a sebehodnocení

• Vyhledávání a interpretace odborných zdrojů

Interactive lectures (using visualizations and software)

Practical exercises and project work

Group discussions, feedback, and self-assessment

Searching and interpreting scientific sources

vypracovaný projekt +

ústní zkouška

p

1: Úvod do AI a aplikací v chemii

2: Data v chemii a forenzní vědě

3: Základy informatiky pro chemiky

4: Složitost algoritmů, datové struktury a formáty

5: Základy strojového učení (ML)

6: Neuronové sítě (téměř) bez matematiky

7: Otevřené Nástroje pro práci s AI

8: Cvičení I: Získávání, čištění a příprava dat

9: Cvičení II: Klasifikace chemických vzorků

10: Cvičení III: Predikce vlastností látek

11: Limity AI, overfitting, interpretace modelů

12: Kvantové počítače a výpočty v chemii

13: Projektový workshop

14: Shrnutí, Prezentace studentských projektů

1: Introduction to AI and Its Applications in Chemistry

2: Data in Chemistry and Forensic Science

3: Basics of Computer Science for Chemists

4: Algorithm Complexity, Data Structures, and Formats

5: Fundamentals of Machine Learning (ML)

6: Neural Networks (Almost) Without Mathematics

7: Open-Source Tools for Working with AI

8: Lab I: Data Acquisition, Cleaning, and Preparation

9: Lab II: Classification of Chemical Samples

10: Lab III: Prediction of Substance Properties

11: Limits of AI, Overfitting, and Model Interpretation

12: Quantum Computing and Calculations in Chemistry

13: Project Workshop

14: Course Summary and Student Project Presentations

Po absolvování kurzu bude student schopen:

Popsat základní pojmy AI, strojového učení a datové analýzy.

Vysvětlit principy složitosti algoritmů a struktury dat.

Použít nástroje pro vizuální analýzu dat (Orange).

Provést základní klasifikaci a predikci chemických dat.

Kriticky interpretovat výsledky AI modelů.

Zorientovat se v etických a technických limitech AI.

After completing the course, students will be able to:

Describe the basic concepts of AI, machine learning, and data analysis.

Explain the principles of algorithm complexity and data structures.

Use tools for visual data analysis (e.g., Orange).

Perform basic classification and prediction of chemical data.

Critically interpret the results of AI models.

Understand the ethical and technical limitations of AI.

Znalosti v rozsahu předmětu

Knowledge within the scope of the course

žádné