| aktivní účast | |
| Osvědčení o absolvování programu | |
| nejsou uvedeny | |
Volba jazyka
Uživatel
- Anonym
Přijímací řízení> Vyhledávání> Detail programu CŽVDetail programu CŽV
Metodika analýzy dat: Od základů po aplikace metod strojového učení (C-K446-0001)
| Metodika analýzy dat: Od základů po aplikace metod strojového učení | |
| prezenční | |
| čeština | |
| "Kurz poskytuje účastníkům komplexní vhled do širokého spektra metod analýzy dat. Začíná základní metodikou analýzy dat, která zahrnuje popis jednorozměrných a dvourozměrných dat, vzorkování signálů a základní statistické metody zpracování signálů. Účastníci se seznámí s nelineární regresní analýzou, analýza hlavních komponent a postupně se dostane k sofistikovanějším metodám jako je support vector machine (SVM). Tyto metody jsou důležité pro porozumění složitějším vzorům a vztahům v datech a umožňují přesnější modelování a predikce. V průběhu kurzu se účastníci také naučí používat rozhodovací stromy, které jsou užitečné pro klasifikaci i predikci, a gradientní metody, které jsou důležité pro optimalizaci modelů. Tyto techniky rozšiřují účastníkům schopnost analyzovat a interpretovat data a umožňují jim efektivnější práci s rozsáhlejšími a komplexnějšími datovými soubory. Kurz dále zdůrazňuje důležitost validace a vyhodnocování přesnosti klasifikace, což jsou klíčové kroky při práci s daty a modely. Účastníci se naučí správně hodnotit výsledky svých modelů. Celkově kurz poskytuje účastníkům široký přehled základních a pokročilých metod analýzy dat a umožňuje jim aplikovat tyto techniky na reálná data v různých oblastech, od akademického výzkumu po průmyslové aplikace. Tím účastníkům poskytuje potřebné dovednosti a znalosti pro úspěšnou a efektivní práci v oblasti analýzy dat." |
|
| Metodika analýzy dat: Od základů po aplikace metod strojového učení | |
| Úvod do programování a jazyk Python 1 Seznámení se s jazykem Python, představení možných IDEs, základní práce s proměnnými, cykly, podmínky Úvod do programování a jazyk Python 2 Funkce, knihovny, moduly, instalace a načítání knihoven a modulů Práce s daty ve formě tabulky, jednoduchá zobrazení dat Knihovna pandas - DataFrame, statistické přehledy, indexace dat v DataFrame, filtrování, agregace, odstranění dat, korelační matice, načítání různých typů dat (read_csv, read_sql) Knihovna seaborn - Relační grafy, sloupcové grafy, histogram, heatmap Statistické vyhodnocení dat Testy normality dat a použití knihovny SciPy Testování hypotéz nezávislosti dat - Fischerův exaktní test, Boschlooův test, chí-kvadrát test Lineární regrese, úvod do nelineární regrese, validace regresních modelů, regularizace Práce s knihovnami SciPy a NumPy" Transformace dat - normalizace, standardizace, kódování, PCA, LDA Úvod do knihovny Scikit-learn Klasifikační modely #1: Logistická regrese; Vyhodnocování kvality klasifikačních modelů Problematika vyhodnocení a porovnání klasifikačních modelů, tvorba modelů založených na logistické regresi Klasifikační modely #2: Support Vector Machine, Rozhodovací stromy, náhodné lesy; rozdíly mezi binární klasifikací a klasifikací do více tříd Pokročilé klasifikační modely a problém klasifikace do více tříd |
|
| 50 | |
| nejsou stanoveny | |
| podání přihlášky a zaplacení účastnického poplatku |
Podmínky absolvování a kvalifikace
sbalit rozbalitGarant a místo
sbalit rozbalitVrba Jan Ing. Ph.D. Ústav matematiky, informatiky a kybernetiky Ústav matematiky, informatiky a kybernetiky VŠCHT v Praze Steinbach Jakub Ing.
Vrba Jan Ing. Ph.D.Termín a délka
sbalit rozbalit2024/2025 letní semestr 17.03.25 1 32 hodiny 8 lekcí po 4 hodinách = 32 hodin Poplatky a financování
sbalit rozbalit14900 Kč / kurz Přihláška
sbalit rozbalitOn-line Steinbach Jakub Ing. Jakub.Steinbach@vscht.cz 220443773 01.05.2024 - 30.03.2025