Strojové učení v programovacím prostředí Julia

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra matematiky

Anotace:

Předmět seznámí studenty se 1) základy programovacího jazyka Julia a 2) jeho použití pro optimalizaci, strojové učení, obyčejné diferenciální rovnice a statistiku. Důraz bude kladen na kombinaci vysvětlení teoretických konceptů, naprogramování jejich zjednodušených verzí a využití již existujících balíků.

Požadavky:

Osnova přednášek:

1. Úvod do Julie, výhody oproti jazykům Matlab, Python, R. Proměnné a operátory.

2. Funkce, numerické typy a multiple dispatch.

3. Příkazy if-else, for a while smyčky, základní iterátory.

4. Složené typy a jejich konstruktory. Parametrické typy.

5. Moduly a prostředí. Použití již existujícího kódu.

6. Užitečné balíčky: Plots.jl pro vytváření grafů, DataFrames.jl pro práci s tabulkovými daty.

7. Optimalizace. Metoda gradientního sestupu a výběr délky kroku.

8. Regrese a klasifikace. Lineární regrese a SVM.

9. Neuronové sítě I. Vytvoření neuronové sítě manuálně a pomocí balíku Flux.jl.

10. Neuronové sítě II. Výpočet gradientů. Stochastická verze metody gradientního sestupu.

11. Obyčejné diferenciální rovnice. Algoritmy. Balík ODE.jl.

12. Statistika I. Úvod. Limitní věty. Balík Distributions.jl.

13. Statistika II. Maximální věrohodnost. Rovnoměrné rozdělení na kouli nebo simplexu.

Osnova cvičení:

Cíle studia:

Studijní materiály:

[1] Bezanson, Jeff, et al. Julia: A fresh approach to numerical computing. SIAM review 59.1 (2017): 65-98.

[2] Kochenderfer, Mykel J., and Tim A. Wheeler. Algorithms for optimization. MIT Press, 2019.

[3] Lauwens, Ben, and Allen B. Downey. Think Julia: how to think like a computer scientist. O'Reilly Media, 2019.

Doporučená literatura:

[4] Julia Documentation. @ https://docs.julialang.org/en/v1/manual/documentation/index.html

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: