Úvod do strojového učení

Na kurzu nejdříve probereme základní pojmy a koncepty strojového učení a hned potom se pustíme do trénování prvních modelů. Naučíme se vhodně reprezentovat různé druhy dat, trénovat modely a správně vyhodnocovat jejich výsledky. Všechna probíraná témata si prakticky vyzkoušíme při programování v Pythonu s využitím knihovny scikit-learn.

Lektor kurzu

RNDr. VINCENT ČENĚK KRÍŽ, Ph.D.

Vincent Čeněk Kríž vystudoval počítačovou lingvistiku na MFF UK a strojovým učením se profesionálně zabývá od roku 2011. Má zkušenosti s vývojem systémů strojového učení pro významné společnosti a aktuálně působí jako seniorní ML specialista ve společnosti Tipsport.

Více o lektorovi

Během své profesní kariéry vyvíjel systémy pro společnosti Textkernel, ČSOB a RARE Technologies.

Pracoval také jako Lead Data Scientist ve společnosti Alma Career, provozovateli pracovního portálu Jobs.cz. Aktuálně pracuje jako seniorní ML specialista ve společnosti Tipsport.

Cílová skupina

Obsah kurzu a probírané příklady můžeme přizpůsobit potřebám účastníků.

• Programátoři, lead engineeři a IT architekti – získají vhled do návrhu, vývoje a nasazování vlastních systémů strojového učení.
• Administrátoři a DevOps specialisté – seznámí se s možnostmi využití strojového učení při monitoringu a alertingu.

Cíl kurzu

Kurz Vás srozumitelně provede teoretickými základy strojového učení. Na praktických příkladech si následně vyzkoušíte přípravu dat, trénování, ladění a vyhodnocování modelů.

Osnova kurzu

• Stručný teoretický úvod do strojového učení
  • Kdy je vhodné použít strojové učení?
  • Definování základních konceptů
• Seznámení s pracovním prostředím (Jupyter Notebook)
• Úvod do knihovny scikit-learn
• Evaluační míry a strategie
  • Matice záměn (confusion matrix), accuracy, precision, recall, F1-score
  • ROC křivka
  • Rozdělení dat, grid search
• Tvorba příznaků (features)
  • One-hot encoding pro kategoriální data
  • TF-IDF pro textová data
• Základní algoritmy
  • Rozhodovací stromy
  • Geometrické klasifikátory
• Výběr nejlepších příznaků (features)
  • Prokletí dimenzionality
  • Prahování podle rozptylu (variance threshold), informační zisk
• Statistická významnost
  • Konfidenční intervaly, t-test, křížová validace

Předpoklady účastníka

Předpokládá se základní znalost programování v Pythonu.

Další požadavky

Pro účastníky kurzu bude připraveno online pracovní prostředí v podobě Jupyter Notebooků, ve kterých si prakticky vyzkoušejí všechny probírané metody.