|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KKY / SUNO
:
Popis předmětu
Pracoviště / Zkratka
|
KKY
/
SUNO
|
Akademický rok
|
2024/2025
|
Akademický rok
|
2024/2025
|
Název
|
Strojové učení pro netechnické obory
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
5
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
2
[HOD/TYD]
Cvičení
2
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ano v případě předchozího hodnocení 4 nebo nic.
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ano v případě předchozího hodnocení 4 nebo nic.
|
Letní semestr
|
7 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Letní semestr
|
Vyučovaný semestr
|
Letní semestr
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
0
|
Hodnotící stupnice |
1|2|3|4 |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ano
|
Profilující předmět |
Ano
|
Základní teoretický předmět |
Ano
|
Hodnotící stupnice |
1|2|3|4 |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
KKY/ZUI a KIV/PTZD
|
Předměty,které předmět podmiňuje
|
KFI/UINSZ, KKY/UINSZ
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je seznámit studenty se základními typy strojového učení a naučit je využívat knihovny vybraného programovacího jazyka pro implementaci jednoduchých úloh strojového učení s učitelem.
|
Požadavky na studenta
|
Předpokladem získání zápočtu je odevzdání semestrální práce prokazující schopnost využít knihovny vybraného programovacího jazyka v elementární úloze strojového učení s učitelem.
Při kombinované zkoušce student prokáže znalost principů vysvětlovaných během přednášek a seminářů.
|
Obsah
|
Obsah předmětu:
1. Úvod - definice strojového učení, stručná historie, motivační příklady
2. Vztah strojového učení a ostatních paradigmat umělé inteligence (především paradigmatu logicko-symbolického)
3. Typy strojového učení - učení s učitelem, učení bez učitele, posilované učení. Rozdíly mezi nimi, základní principy, příklady.
4. Učení s učitelem - podrobný rozbor principu, trénovací a aplikační fáze, úlohy vhodné pro učení s učitelem
5. Učení s učitelem jako klasifikační úloha - princip, příklady.
6. Nastavení parametrů klasifikátoru na jednoduché úloze s jedním vstupem
7. Knihovny pro strojové učení - přehled, základy použití vybrané knihovny
8. Implementace jednoduchého klasifikátoru ve vybraném programovacím jazyce (s využitím knihoven)
9. Neuronové sítě - úvod, biologická inspirace
10. Neuronové sítě - aktivační funkce, perceptron, vysvětlení základního principu činnosti sítě s jedním neuronem, vztah k jiným typů modelů pro strojové učení
11. Neuronové sítě - zobecnění pro složitější úlohy (jen přehledově), úspěchy neuronových sítí
12. Limity využití strojového učení pro praktické úlohy - odpovědnost za rozhodnutí systémů strojového učení, algoritmické zkreslení.
|
Aktivity
|
|
Studijní opory
|
Studentům je k dispozici kurz v Google Classroom se všemi podstatnými informacemi a materiály.
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
Oliver Theobald. Machine Learning For Absolute Beginners: A Plain English Introduction (Machine Learning From Scratch). 2018.
-
Doporučená:
Aurélien Géron. Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems.
-
On-line katalogy knihoven
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Kontaktní výuka
|
52
|
Příprava na zkoušku [10-60]
|
40
|
Vypracování seminární práce v magisterském studijním programu [5-100]
|
40
|
Celkem
|
132
|
|
Předpoklady
|
Odborné znalosti - pro úspěšné zvládnutí předmětu se předpokládá, že je student před zahájením výuky schopen: |
orientovat se v základních matematických pojmech na úrovni střední školy
rozumět principům psaní jednoduchého počítačového programu
efektivně používat moderní informační technologie
|
Odborné dovednosti - pro úspěšné zvládnutí předmětu se předpokládá, že student před zahájením výuky dokáže: |
načíst a uložit data v textovém formátu v jazyce Python
porozumět jednoduchému kódu v jazyce Python a v případě potřeby jej vhodně modifikovat
nastudovat a zpracovat pro prezentaci populárně-naučný článek z oboru strojového učení v češtině i angličtině
|
Obecné způsobilosti - před zahájením studia předmětu je student schopen: |
bc. studium: efektivně využívá moderní informační technologie, |
bc. studium: rozpozná problém, objasní jeho podstatu, rozčlení ho na části, |
bc. studium: své učení a pracovní činnost si sám plánuje a organizuje, |
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
rozumět principu strojového učení
vysvětlit vztah mezi strojovým učením a ostatními paradigmaty umělé inteligence
charakterizovat základní typy strojového učení
|
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
používat na elementární úrovni knihovny strojového učení v jazyce Python
analyzovat vhodnost metod strojového učení pro konkrétní úlohy
popsat rizika využití strojového učení v praxi
|
Obecné způsobilosti - po absolvování předmětu je student schopen: |
mgr. studium: dle vyvíjejících se souvislostí a dostupných zdrojů vymezí zadání pro odborné činnosti, koordinují je a nesou konečnou odpovědnost za jejich výsledky, |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Seminární práce, |
Odborné dovednosti - odborné dovednosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Seminární práce, |
Obecné způsobilosti - obecné způsobilosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Seminární práce, |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
Přednáška založená na výkladu, |
Přednáška s demonstrací, |
Přednáška s aktivizací studentů, |
Odborné dovednosti - pro dosažení odborných dovedností jsou užívány vyučovací metody: |
Přednáška s aktivizací studentů, |
Cvičení (praktické činnosti), |
Řešení problémů, |
Obecné způsobilosti - pro dosažení obecných způsobilostí jsou užívány vyučovací metody: |
Přednáška s demonstrací, |
Řešení problémů, |
|
|
|
|