| aktivní účast | |
| Osvědčení o absolvování programu | |
| nejsou uvedeny | |
Volba jazyka
Uživatel
- Anonym
Přijímací řízení> Vyhledávání> Detail programu CŽVDetail programu CŽV
Pokročilé metody analýzy dat a neuronové sítě: Aplikace v praxi (C-K446-0002)
| Pokročilé metody analýzy dat a neuronové sítě: Aplikace v praxi | |
| prezenční | |
| čeština | |
| "Kurz nabízí účastníkům komplexní vhled do pokročilých metod analýzy dat a neuronových sítí a jejich praktického využití. Zahrnuje sofistikované techniky analýzy dat, jako je shluková analýza a rozpoznávání vzorů pomocí neuronových sítí. Účastníci se naučí aplikovat analýzu hlavních komponent, která umožňuje identifikaci klíčových charakteristik datových souborů a redukci jejich dimenzionality. Dále se seznámí s algoritmy jako jsou support vector machine (SVM) a k-nejbližších sousedů, které jsou vhodné pro řešení klasifikačních problémů. V kurzu budou také účastníkům představeny hluboké neuronové sítě s důrazem na predikci časových řad a analýzu vícerozměrných dat. Účastníci se seznámí s řadou aktuálně využívaných architektur hlubokých neuronových sítí a naučí se je využívat pro analýzu jejich vlastních datových sad. Důležitou součástí kurzu je také validace a vyhodnocování přesnosti klasifikace a predikce pomocí neuronových sítí. Účastníci se naučí, jak správně nastavit a vyhodnotit výkonnostní metriky svých modelů a jak efektivně využívat různé techniky validace a optimalizace. Celkově kurz umožňuje účastníkům získat hlubší porozumění pokročilým metodám analýzy dat a neuronovým sítím a získat praktické dovednosti pro jejich aplikaci v různých oblastech, od průmyslových aplikací po vědecký výzkum. Tím účastníkům poskytuje potřebné znalosti a dovednosti pro úspěšnou práci v oblasti analýzy dat a umělé inteligence." |
|
| Pokročilé metody analýzy dat a neuronové sítě: Aplikace v praxi | |
| Úvod do shlukové analýzy a vybrané metody shlukové analýzy 1: k-nejbližších sousedů, k-means, DBSCAN Aplikace zvolených klasifikačních metod pomocí knihovny Scikit-learn a jejich porovnání Hierarchické shlukování (dendrogram) a vybrané metody shlukové analýzy 2: samoorganizující se mapy Aplikace zvolených klasifikačních metod pomocí knihovny sklearn-som či minisom a jejich porovnání Úvod do neuronových sítí, učení sítí, gradientní metody, multi-layer perceptron (MLP) MLP - univerzální aproximátor, učení neuronových sítí, klasifikace a regrese Aplikace neuronových sítí pro zpracování časových řad Predikce časových řad Aplikace neuronových sítí pro zpracování obrazových dat Problematika klasifikace, detekce objektů, tracking Use case - ukázka pracovního postupu při zpracování nového datasetu Ukázka regresního datasetu Use case - ukázka pracovního postupu při zpracování nového datasetu Ukázka klasifikačního datasetu Vytváření automatických reportů ze zpracovaných dat Automatizace generování reportů s výsledky |
|
| 50 | |
| základy programování v Pythonu | |
| 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