Strojové učení a umělá inteligence v prostředí Python
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
122XSUP | Z | 2 | 2C | česky |
- 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 2024/2025:
- Rozvrh není připraven
- Rozvrh na letní semestr 2024/2025:
- Rozvrh není připraven
- Předmět je součástí následujících studijních plánů: