Předmět je zaměřen na rozšíření znalostí z předmětu 4IZ171 Strojové učení 1 (v angličtině). V předmětu budou vyučovány teoretické základy vybraných metod strojového učení a jejich reálné aplikace na případových studiích včetně interpretace výsledků.
Předmět je zaměřen na rozšíření znalostí z předmětu 4IZ171 Strojové učení 1 (v angličtině). V předmětu budou vyučovány teoretické základy vybraných metod strojového učení a jejich reálné aplikace na případových studiích včetně interpretace výsledků.
Po úspěšném absolvování budou studenti schopni rozumět principům vybraných přístupů strojového učení a dobývání znalostí z databází (kombinování modelů (ensemble learning), mělké neuronové sítě). Dále budou rozumět postupům umožňujícím interpretaci výsledků těchto modelů.
• Principy ensemblového modelování v regresních a klasifikačních úlohách. • Předzpracování dat a časté chyby • Vybrané ztrátové a chybové funkce • Vybrané numerické optimalizační algoritmy • Optimalizace hyper-parametrů náhodných lesů. • Metoda podpůrných vektorů (SVM) • Algoritmus boosting a expanze báze. • Vybrané implementace boostingu. • Metoda gradient boosting machine. • Metoda stochastic gradient boosting machine. • Metoda extreme gradient boosting. • Neuron, aktivační funkce, váhy. • Mělké neuronové sítě – architektura, trénování a optimalizace. • Strojové učení a práce s chybějícími hodnotami. • Případové studie pro regresní úlohy. • Případové studie pro klasifikační úlohy. • Způsoby interpretace výsledků ensemblových modelů.
Základní:
Doporučená příprava:
Používej Markdown: ## Nadpis, **tučně**, `kód`, - odrážky, > citace