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.

Students will be able to:

Create predictions and robust models based on data.

Classify data.

Choose a suitable model and method for solving the problem.

Work with Keras and Tensorflow frameworks.

Validate models and evaluate their accuracy.

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

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.

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.

Předmět je zakončen písemnou zkouškou.

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.

1 Data normalization, transformation, coding.

2 Nonlinear regression analysis.

3 Support vector machine (SVM).

4 Gradient methods.

5 Selected structures of neural networks (MLP, RBF).

6 Self-organizing maps.

7 Project.

8 Nearest Neighbors Algorithm.

9 Cluster analysis.

10 Decision trees.

11 Validation, evaluation of classification accuracy, feature extraction.

12 Convolutional neural networks.

13 Recurrent neural networks.

14 Use of Tensorflow framework in chemistry.

Elektronické materiály k předmětu.

Electronic teaching materials for the course.

Základní znalosti z matematické statistiky a programování v Pythonu.

Basic knowledge of mathematical statistics and programming in Python.

Úvod do Pythonu

Introduction to Python