O kurzu strojového učení
Tento kurz je vaším průvodcem světem strojového učení (ML). Začínáme od úplných základů – co je to data, jak je čistit a připravit – a postupně přecházíme k pokročilejším tématům jako ensemble metody, neuronové sítě v Kerasu a interpretace modelů.
Celý kurz je postaven na principu "learning by doing". Ke každé části dostanete reálný datový set a zadání projektu, které reflektuje skutečné problémy české firmy. Na konci kurzu budete mít portfolio 4 hotových ML projektů, které můžete ukázat zaměstnavateli.
Předpoklady: Základní znalost Pythonu (proměnné, smyčky, funkce) a středoškolská matematika (lineární rovnice). Není nutná žádná předchozí zkušenost s ML.
Co se naučíte
- Načíst, vyčistit a připravit datové sety pomocí pandas a NumPy
- Vizualizovat data pomocí matplotlib a seaborn
- Implementovat lineární a logistickou regresi
- Používat rozhodovací stromy, random forests a gradient boosting
- Provést správnou evaluaci modelu: křížová validace, AUC-ROC
- Vytvořit jednoduché neuronové sítě v Kerasu/TensorFlowu
- Nasadit model jako jednoduché API (Flask)
- Interpretovat výsledky pro netechnické stakeholdery
Obsah kurzu
Modul 1–3: Základy dat a Pythonu pro ML
Python pro data science – rychlokurz90 min
Pandas: načítání a manipulace s daty120 min
Exploratory Data Analysis (EDA)90 min
Projekt 1: analýza zákaznických dat120 min
Modul 4–7: Klasické algoritmy ML
Lineární a polynomická regrese90 min
Logistická regrese a klasifikace90 min
Rozhodovací stromy a Random Forest90 min
Support Vector Machines a k-NN90 min
Projekt 2: predikce cen nemovitostí180 min
Moduly 8–12: Neuronové sítě, nasazení a projekty
TensorFlow a Keras základy120 min
Convolutional Neural Networks pro obrazy90 min
Nasazení modelu jako REST API90 min
Závěrečný projekt + certifikát240 min
Pro koho je kurz určen
- Analytici dat, kteří chtějí posunout svou kariéru do ML
- Vývojáři přecházející do oblasti AI
- Studenti technických oborů s ambicemi v datové vědě
- Business analytici, kteří chtějí lépe rozumět ML výsledkům