Strojové učení a umělá inteligence v prostředí Python

Garant předmětu:

Vjačeslav Usmanov

Přednášející:

Vjačeslav Usmanov

Cvičící:

Vjačeslav Usmanov

Předmět zajišťuje:

katedra technologie staveb

Anotace:

Kurz Strojové učení a umělá inteligence v prostředí Python je zaměřen na studenty se zájmem získat zkušenosti v programovacím jazyku Python v oblasti vědy a v moderních metodách digitalizace stavebnictví. Studenti během kurzu budou seznámeni se základy Python a nejvíce rozšířenými knihovnami pro Data Science, analýzu dat, strojové učení, umělou inteligenci, Deep Learning a vizualizaci. Výuka bude probíhat ve formě cvičení a praktických menších ukázek v prostředí Python 3.0. Kurz je vhodný jak pro úplné začátečníky, tak i pro pokročilé uživatele Python.

Požadavky:

Zápočet je udělen za účast na cvičení, splnění úloh během semestru a ověření předpokladů. O formě zápočtu (ústní, písemná) rozhoduje garant předmětu.

Osnova přednášek:

Osnova cvičení:

1. Základy Python. Datové typy, proměnné, operátory a operandy. Chyby a ladění.

2. Python: funkce, soubory, parametry. List, Tuple, Set, Dictionary. Logické operátory.

3. Python: podmínky, iterace a smyčky. Mutability a Aliasing. Řazení.

4. Analýza dat pomocí Python. Knihovny Python: NymPy a Pandas. CSV soubory.

5. Co je Data Science? Metodologie Data Science. Sběr a zpracování dat v Python.

6. Nástroje pro Data Science. Notebook Jupyter, GitHub, VSCode (IDE), Hadoop.

7. Databáze a SQL pro Data Science v Python. MySQL a phpMyAdmin.

8. Vizualizace dat v Python (Matplotlib, Seaborn a Folium).

9. Strojové učení v Python. Machine Learning, Supervised vs Unsupervised.

10. Strojové učení: Lineární a Logistic regrese, Ridge regrese.

11. Strojové učení: Klasifikace, Clustering a Retrieval. Rozhodovací stromy.

12. Strojové učení: Algoritmus k-Nearest Neighbors (kNN) v Python. Support Vector Machine. Multiclass Prediction.

13. Umělá inteligence (AI) v Python. Deep Learning v TensorFlow. Neuronové sítě v Keras a PyTorch. Počítačové vidění a zpracování obrazu.

Cíle studia:

Studijní materiály:

[1] The Quick Python Book. by Naomi Ceder. 2018. ISBN: 978-1617294037

[2] Data Science from Scratch. First Principles with Python. by Joel Grus. 2019. ISBN: 978-1492041139

[3] Fluent Python: Clear, Concise, and Effective Programming. by Luciano Ramalho. 2022. ISBN: 978-1492056355

[4] Practices of the Python Pro. by Dane Hillard. 2020. ISBN: 978-1617296086

[5] Introduction to Machine Learning with Python: A Guide for Data Scientists. by Andreas Müller, Sarah Guido. 2016. ISBN: 978-1449369415

Poznámka:

Další informace:

http://www.robostav.cz/robostav-vyuka-122XSUP

Rozvrh na zimní semestr 2023/2024:

Rozvrh není připraven

Rozvrh na letní semestr 2023/2024:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů: