Machine Learning BootCamp

Kód kurzu: MLBC

Jedná se o týdenní intenzivní sérii všech našich kurzů za zvýhodněnou cenu. Nejsou třeba žádné předchozí znalosti strojového učení. Balíček obsahuje:

Úvod do strojového učení (2 dny)

Jedná se o úvodní kurz pro začátečníky, kteří se strojovým učením nemají žádné zkušenosti a chtějí udělat první kroky k jeho praktickému používání. Účastníci se dozvědí, co je to strojové učení, jaké typy strojového učení se v praxi nejčastěji používají a jak jednotlivé algoritmy fungují. Nebudeme se zabývat přesným matematickým popisem, ale spíše intuitivním porozuměním, které je nezbytné pro efektivní používání a správnou volbu různých nástrojů a knihoven. Velkou pozornost věnujeme způsobům vyhodnocení natrénovaných modelů, problémům s přeučováním, přípravě dat a praktickým poznatkům, které se ve škole nedozvíte.

Zpracování přirozeného jazyka (1 den)

Kurz je zaměřen na analýzu a zpracování textů. Předpokládá se znalost principů strojového učení, ale ty nejdůležitější koncepty budou stručně zopakovány. Specifikem zpracování textů je způsob předzpracování dat a jejich vektorizace. Tomu bude věnována první část. Vše bude prakticky vyzkoušeno na úloze, jejíž cílem je klasifikace textových dokumentů. Dále se účastníci dozvědí, co jsou to jazykové modely a jak je použít pro detekci jazyka dokumentu nebo generování textů.

Konvoluční neuronové sítě a zpracování obrazu (1 den)

Náš workshop je pro machine learning začátečníky, kteří si mají chuť prakticky vyzkoušet neuronové sítě pro zpracování obrázků, ale ještě k tomu neměli tu pravou příležitost. Názornými experimenty spolu poodhalíme, jak a proč takové modely fungují, jaké jsou za jejich fungováním intuice a postupně přes jednoduché příklady dospějeme až k modelům, které se běžně používají v praxi. U těch se zaměříme na možnosti využití jejich vnitřní sémantické reprezentace obrázku a na to, jak co nejefektivněji vizualizovat jejich chování.

Časové řady (1 den)

Kurz je zaměřen na predikci časových řad. V první části se účastníci seznámí se standardními postupy při modelování a predikci časových řad a vyzkouší si jednoduché postupy na ukázkových příkladech. V další části budou vysvětleny metody strojového učení aplikovatelné při predikci časových řad. Účastníci si vyzkouší sestavit a natrénovat model schopný predikovat složitější časovou řadu z historických dat a ověří schopnost modelu predikovat budoucnost.

21 990 Kč

26 608 Kč s DPH

Nejbližší termín od 14.10.2024

Výběr termínů

Odborní
certifikovaní lektoři

Mezinárodně
uznávané certifikace

Široká nabídka technických
a soft skills kurzů

Skvělý zákaznický
servis

Přizpůsobení kurzů
přesně na míru

Termíny kurzu

Počáteční datum: 14.10.2024

Forma: Prezenční/Virtuální

Délka kurzu: 5 dnů

Jazyk: cz/sk

Cena bez DPH: 21 990 Kč

Registrovat

Počáteční datum: Na vyžádání

Forma: Prezenční/Virtuální

Délka kurzu: 5 dnů

Jazyk: en/cz

Cena bez DPH: 21 990 Kč

Registrovat

Počáteční
datum
Místo
konání
Forma Délka
kurzu
Jazyk Cena bez DPH
14.10.2024 Prezenční/Virtuální 5 dnů cz/sk 21 990 Kč Registrovat
Na vyžádání Prezenční/Virtuální 5 dnů en/cz 21 990 Kč Registrovat
G Garantovaný kurz

Nenašli jste vhodný termín?

Napište nám o vypsání alternativního termínu na míru.

Kontakt

Struktura kurzu

Úvod do strojového učení

Den 1

  • Co je to strojové učení
  • Typy strojového učení (klasifikace, regrese, řazení, reinforcement learning, clustering, detekce anomálií, doporučování, optimalizace)
  • Příprava data (rozdělení datových množin, vyváženost dat, šumy v datech, normalizace a standardizace atributů, rozpoznání přeučování a obrana proti němu)
  • Evaluace modelů pro klasifikace (accuracy, precision, recall, matice záměn, ROC křivka, AUC)
  • Základní algoritmy pro klasifikaci (baseline modely, naivní bayesovský klasifikátor, logistická regrese, Support Vector Machines, rozhodovací stromy, ensemble metody)
  • Rychlotutoriál scikit learn (načítání a transformace dat, trénování modelů a predikce, pipelines, evaluace)
  • Praktická úloha na klasifikaci
  • Základní algoritmy pro regresi (analytické metody, gradient descent, SVR, regresní stromy)
  • Evaluace regresních modelů (mean squared error, absolute squared error)
  • Praktická úloha na regresi

Den 2

  • Základní algoritmy pro shlukování (K-means, hierarchické shlukování, metody pro určení počtu shluků)
  • Praktická úloha na shlukování
  • Úvod do neuronových sítí (proč jsou populární, výhody/nevýhody, perceptron)
  • Nejpoužívanější aktivační funkce (Sigmoid, Linear, Tanh, Relu, Softmax)
  • Vícevrstvé sítě (Algoritmus zpětné propagace chyby a stochastic gradient descent, konvoluce, pooling a regularizace)
  • Trénování neuronových sítí (epocha, iterace, batch learning)
  • Rychlotutoriál Keras (instalace TensorFlow + Keras, návrh sekvenčního modelu, optimalizátory a trénování, způsob práce s daty)
  • Praktické úlohy na klasifikaci a regresi pomocí neuronových sítí

Zpracování přirozeného jazyka

Den 3

  • Úvod do zpracování přirozeného jazyka
  • Vybrané kapitoly z komputační ligvistiky (korpusy, tokenizace, morfologická, syntaktická a sémantická analýza, entropie, mutual information, perplexita)
  • Vektorizace textových dokumentů (bag of words, one-hot encoding, TF-IDF)
  • Word embedding (word2vec)
  • Praktická úloha na klasifikaci textů
  • Word embedding (vytvoření word2vec modelů a experimenty s vektorovými reprezentacemi slov)
  • Úvod do jazykových modelů (n-gramové modely, vyhlazování, modely založené na neuronových sítích)
  • Praktická úloha na jazykové modelování (implementace jazykových modelů a jejich využití pro detekci jazyka textu)
  • Úprava algoritmu pro generování textů

Konvoluční neuronové sítě a zpracování obrazu

Den 4

  • VGG 16 and ResNet
  • Transfer learning a fine-tuning pro použití v klasifikaci obrazu
  • Klasifikace obrázků
  • Batch normalization a data augmentation
  • U-net a Segmentace obrazu
  • GANs a superresolution
  • Vysvětlitelnost konvolučních neuronových sítí
  • Adversarial patch

Časové řady

Den 5

  • Úvod do teorie časových řad
  • Vybrané postupy modelovaní časových řad (časová a frekvenční doména, spektrální analýza, autokorelace, modely časových řad (ARIMA apod.)
  • Praktický příklad (pandas, základní charakteristiky, jednoduchá predikce)
  • Metody strojového učení pro časové řady (state space metody, hidden markov model, kalman filter, dopředné neuronové sítě, rekurentní neuronové sítě, LSTM)
  • Praktické příklady ilustrující sílu strojového učení (příprava trénovací množiny dle typu úlohy a zvoleného modelu, trénovaní a evaluace)
  • Komplexní scénář predikce časové řady pomocí rekurentní sítě (predikce teploty z vícerozměných vstupních dat: sběr a příprava trénovací množiny, trénování a validace modelu, predikování pomocí naučené sítě)

Předpokládané znalosti

  • Základní znalost programování v Pythonu
  • Středoškolské znalosti lineární algebry, matematické analýzy a teorie pravděpodobnosti. Bude předpokládáno základní porozumění pojmům jako vektor, matice, vektorový prostor, pravděpodobnost, podmíněná pravděpodobnost, nezávislost náhodných jevů a znalost násobení matic a derivace funkcí.
  • Vlastní laptop s předinstalovaným Dockerem.

Potřebujete poradit nebo upravit kurz na míru?

onas

produktová podpora

Navazující kurzy

Introduction to machine learning cz/sk en/cz

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

9 990 Kč bez DPH

Convolutional neural networks and image processing cz/sk en/cz

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

4 990 Kč bez DPH

Natural Language Processing cz/sk en/cz

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

4 990 Kč bez DPH

Time Series Analysis cz/sk en/cz

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

4 990 Kč bez DPH

Machine Learning with R en/cz

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

14 600 Kč bez DPH

Data Manipulation and Visualization with R en/cz

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

14 600 Kč bez DPH

Data modelling in Power BI en/cz

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

12 300 Kč bez DPH

Interpretable machine learning (R/Python) en/cz

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

12 300 Kč bez DPH

Platební brána ComGate Logo MasterCard Logo Visa