Online kurz Strojové Učenie (Machine Learning ML)

Online kurz Strojové Učenie (Machine Learning ML) je pre vás ideálny, ak už ovládate základy Pythonu a chcete sa naučiť pripravovať údaje, vytvárať prediktívne modely a porozumieť ich výsledkom.

Študenti a absolventi technických alebo ekonomických odborov s programátorskými základmi

Spoločne si vysvetlíme, ako sa modely učia z dát a aké úlohy môžeme pomocou nich riešiť. Naučíme sa rozlišovať regresiu, klasifikáciu a klastrovanie podľa toho, aký výsledok potrebujeme získať. Pri regresii odhadujeme číselné hodnoty, pri klasifikácii priraďujeme kategórie a pri klastrovaní hľadáme skupiny podobných záznamov. Získané poznatky využijete pri analytických projektoch, skúmaní obchodných údajov aj vo výskume. Kurz nás prevedie od porozumenia vstupným dátam k základom praktického modelovania.

Pri práci so strojovým učením venujeme významnú pozornosť čisteniu, validácii a predspracovaniu údajov. Precvičíme si operácie s textovými reťazcami, kolekciami a sekvenciami v Pythone. Vysvetlíme si rozdiel medzi kontrolou správnosti vstupov a úpravou ich podoby. Naučíme sa získavať informácie parsovaním XML súborov, URL adries, logov a PDF dokumentov. Následne prejdeme ku knižnici scikit-learn, ktorá poskytuje nástroje na prípravu dát a tvorbu modelov. Zoznámime sa s princípmi klastrovania a rôznymi typmi zhlukov. Ťažiskom modelovania bude lineárna a viacnásobná regresia, pri ktorej pracujeme s jednou alebo viacerými vstupnými premennými. Ďalej si predstavíme Ridge, Lasso a ElasticNet a vysvetlíme význam regularizácie pri obmedzovaní veľkosti koeficientov. Naučíme sa prepájať výber postupu s charakterom údajov a posudzovať, čo nám výsledky hovoria o riešenej úlohe.

Strojové učenie môžete študovať online, v slovenčine a vlastným tempom. K dispozícii máte ročný prístup, materiály na stiahnutie, prezentáciu a ťaháky, ktoré využijete pri samostatnom precvičovaní. Pred začiatkom odporúčame mierne pokročilé znalosti Pythonu, základy objektovo orientovaného programovania a štatistiky. Praktické príklady si môžete spúšťať, upravovať vstupné údaje a porovnávať získané výsledky. Pri programovaní využijete JetBrains Datalore alebo vlastné prostredie s potrebnými knižnicami. K jednotlivým lekciám sa môžete počas platnosti prístupu vracať podľa svojich potrieb. Získate základ pre ďalšie štúdium prediktívnej analytiky a samostatné experimentovanie s modelmi. Po úspešnom absolvovaní získate certifikát VITA. Ak sa chcete skutočne naučiť strojové učenie v Pythone, pripravovať dáta a používať regresné modely, tak toto je ideálny vstupný online kurz pre vás.

Course from Miroslav Reiter - 11.10.2026

Kód kurzu: STROJOVE-UCENIE

Slovenský

Online kurz Strojové Učenie (Machine Learning ML) will teach you

Pochopiť základy strojového učenia, vrátane jeho princípov a praktických aplikácií v rôznych odvetviach
Programovať v jazyku Python, so zameraním na prácu s reťazcami, kolekciami a dátovými štruktúrami
Validovať a normalizovať dáta, čím zabezpečíte ich kvalitu a konzistenciu
Čistiť a predspracovávať dáta pomocou techník dátového čistenia v Pythone
Parsovať rôzne formáty dát, ako sú XML súbory, URL adresy, logy a PDF dokumenty, pre efektívne získavanie informácií
Používať knižnicu Scikit-Learn na implementáciu algoritmov strojového učenia a analyzovať výsledky pre zlepšenie presnosti
Aplikovať techniky klastrovania dát, identifikovať rôzne typy klastrov
Vytvoriť a vyhodnotiť regresné modely ako lineárne, viacnásobné, Ridge, Lasso, ElasticNet
Pochopiť základy klasifikácie a rozdiely medzi klasifikáciou a regresiou
Pracovať so skutočnými datasetmi, učiť modely a interpretovať výsledky predikcií

Requirements and Prerequisites

Pokročilá práca s PC a Windows, Linux alebo macOS
Pokročilá práca s kancelárskym balíkom Microsoft Office, OpenOffice alebo LibreOffice
Pokročilá práca s textovým editorom
Pri absolvovaní online kurzu sú výhodou skúsenosti s kódovaním a programovaním
Programovanie v jazyku Python a znalosť OOP aspoň na úrovni mierne pokročilý
Logické a algoritmické myslenie je výhodou
Základy štatistiky a orientácia v číselných údajoch, premenných a jednoduchých grafoch
Odporúčaním pre tento kurz je absolvovanie kurzu Python II. Mierne Pokročilý
Základná znalosť angličtiny pri čítaní dokumentácie a chybových hlásení
Ochota samostatne programovať, upravovať príklady a vyhodnocovať výsledky

Target groups and Who the course is for

Python programátori, ktorí chcú začať používať metódy strojového učenia
Dátoví analytici rozširujúci svoje zručnosti o regresné modelovanie
Začínajúci dátoví vedci so znalosťou Pythonu a základov štatistiky
Obchodní analytici s programátorskými skúsenosťami skúmajúci vzťahy medzi údajmi
Databázoví analytici prepájajúci získavanie dát s ich predspracovaním a modelovaním
IT analytici a softvéroví vývojári pripravujúci prototypy prediktívnych riešení
Výskumníci a vedeckí pracovníci využívajúci Python pri analýze dát
Študenti a absolventi technických alebo ekonomických odborov s programátorskými základmi
Projektoví a produktoví manažéri so znalosťou Pythonu a záujmom o dátové modely
Podnikatelia a majitelia e-shopov s programátorskými skúsenosťami analyzujúci vlastné obchodné údaje

Content and Curriculum online kurz Strojové Učenie (Machine Learning ML)

I. Úvod do Strojového Učenia (Machine Learning ML)

Úvod a predstavenie kurzu Strojové Učenie (Machine Learning). Preview	06:20
Čo je strojové učenie (Machine Learning) a ako s ním začať? Preview	35:41

II. Jazyk Python, validácia a data parsing

Čo je to validácia a normalizácia dát aký je medzi nimi rozdiel? Príklady z praxe.	15:46
Dátové čistenie v Pythone a reťazce. Prejdeme spoločne všetky zabudované definície pre reťazce.	01:42:03
Ako na prácu s reťazcami a kolekciami (sekvenciami)?	30:09
Čo je to parsovanie dát a ako sa parsujú údaje?	52:40
Ako na parsovanie XML súborov?	55:43
Ako na parsovanie URL, logov a PDF dokumentov?	53:16

III. Knižnica Scikit-Learn

Učíme sa kľúčovú Python knižnicu strojového učenia Scikit-learn	31:07
Ako na dátové čistenie a predspracovanie dát?	01:25:44
Čo je to normalizácia reťazcov a ako sa používa v praxi?	09:57

IV. Klastrovanie (Zhlukovanie) dát

Čo je klastrovanie a ako ho využiť v strojovom učení?	35:46
Aké máme typy klastrov a klastrovaní?	11:13

V. Regresia, regresné modely a klasifikácia

Ako začať so strojovým učením, regresiou a klasifikáciou?	01:20:33
Aké máme typy a modely regresií? Ako na spracovanie dát? Časť 1.	41:19
Aké máme typy a modely regresií? Ako na spracovanie dát? Časť 2.	32:16
Ako na spracovanie dát? Časť 3. Otázky ako na datasety.	07:18
Ako používať lineárnu regresiu?	32:27
Ako používať viacnásobnú regresiu?	21:46
Ako používať Pokročilejšie Regresie Ridge, Lasso, ElasticNet?	58:58

Frequently Asked Questions FAQ

Čo je Strojové Učenie?

Online kurz Strojové Učenie sa zameriava na proces zisťovania a opravy (alebo odstránenia) nepresných záznamov zo sady záznamov, tabuľky alebo databázy a týka sa identifikácie neúplných, nesprávnych, nepresných alebo irelevantných častí údajov a následného nahradenia, úpravy, alebo vymazanie špinavých alebo hrubých údajov.

Kto používa Strojové Učenie?

Ministerstvo Financií, Finančná správa, Henkel, Lidl, Slovenské elektrárne, Siemens Slovensko, Generali Poisťovňa, Alza, Tatra banka

Kde sa používa Strojové Učenie?

V IT odvetví na identifikáciu a dokumentovanie dátových nečistôt. Súkromné aj finančné inštitúcie pre čistenie dát o klientoch, používateľoch alebo občanoch v štátnej správe.

Prečo sa používa Strojové Učenie?

Zabezpečenie úspešného a efektívneho fungovania podniku, dosiahnutia cieľov vyžaduje kvalitu a čistotu dát. Je dôležité identifikovať neúplne, nesprávnych, nepresne alebo irelevantné častí údajov a následného nahradenie, úpravy, alebo vymazanie špinavých alebo hrubých údajov.

Aké sú TOP certifikácie na Strojové Učenie?

IIBA Certified Business Analysis Professional (CBAP) od 133 EUR, IIBA Entry Certificate in Business Analysis (ECBA) od 320 EUR, PMI Professional in Business Analysis (PMI-PBA) od 205 EUR, IQBBA Certified Foundation Level Business Analyst od 200 EUR, IIBA Certification of Competency in Business Analysis (CCBA) od 132 EUR, NRPA Certified Park and Recreation Professional (CPRP) Exam od 182 EUR. Certifikačná skúška nie je súčasťou kurzu. Treba si za ňu priplatiť extra.

Aký je plat? Koľko zarábajú pozície s kurzom Strojové Učenie?

Priemerná mzda dátového analytika a vedca je 2158 Eur podľa portálu platy.sk. Analytické a databázové pozície patria k tým najlepšie plateným. Odporúčame si informáciu overiť vzhľadom k inflácii a rôznym regiónom.

Aké programy a nástroje používa Strojové Učenie?

Python, Jetbrains Datalore, knižnica Scikit-learn

Čo je strojové učenie a ako súvisí s umelou inteligenciou?

Strojové učenie je oblasť umelej inteligencie, pri ktorej sa modely učia vzory a vzťahy z dát. Získané poznatky využívajú napríklad na odhadovanie hodnôt, priraďovanie kategórií alebo hľadanie podobných záznamov. Základné princípy vysvetľuje aj úvod do strojového učenia od Google.

Aké znalosti potrebujem pred začiatkom kurzu?

Odporúčame mierne pokročilé programovanie v Pythone, orientáciu v objektovo orientovanom programovaní a základy štatistiky. Mali by ste vedieť používať funkcie, podmienky, cykly a kolekcie. Potrebné programátorské zručnosti si môžete doplniť v kurze Python II. Mierne Pokročilý.

Aký je rozdiel medzi regresiou, klasifikáciou a klastrovaním?

Regresia predpovedá číselnú hodnotu, napríklad cenu. Klasifikácia priraďuje záznam do vopred určenej kategórie, napríklad typu produktu. Klastrovanie hľadá skupiny podobných záznamov bez vopred priradených cieľových tried. Kurz podrobnejšie rozvíja regresné modelovanie a predstavuje základy klasifikácie a klastrovania.

Ktoré regresné modely sa naučím používať?

Osnova zahŕňa lineárnu regresiu s jednou aj viacerými vstupnými premennými a modely Ridge, Lasso a ElasticNet. Ridge využíva regularizáciu L2, Lasso regularizáciu L1 a ElasticNet ich kombinuje. Lasso môže niektoré koeficienty nastaviť na nulu. Podrobnosti a príklady nájdete v dokumentácii lineárnych modelov scikit-learn.

Prečo sa venujeme čisteniu dát a parsovaniu dokumentov?

Pred modelovaním potrebujeme údaje získať, skontrolovať a upraviť do použiteľnej podoby. Preto precvičujeme reťazce, kolekcie a parsovanie XML, URL adries, logov a PDF dokumentov. Ide o prípravu vstupov pomocou Pythonu, na ktorú nadväzuje modelovanie v scikit-learn.

Aké nástroje budeme používať?

Budeme pracovať s Pythonom a knižnicou scikit-learn. Medzi uvedené vývojové prostredia patrí JetBrains Datalore; na precvičovanie môžete použiť aj vlastné prostredie s potrebnými knižnicami. Scikit-learn je bezplatná knižnica s otvoreným zdrojovým kódom a jej možnosti predstavuje oficiálny sprievodca.

Ako môžem získané zručnosti využiť v praxi?

Môžete začať pripravovať údaje pre prediktívne úlohy, skúmať vzťahy medzi premennými alebo experimentovať s odhadovaním číselných hodnôt. Princípy klastrovania využijete pri hľadaní podobných skupín záznamov. Použiteľnosť konkrétneho modelu závisí od kvality dát, vhodnosti metódy a overenia výsledkov.

Ako prebieha štúdium a získanie certifikátu?

Študujete online, v slovenčine a vlastným tempom s ročným prístupom. K dispozícii máte materiály na stiahnutie, prezentáciu a ťaháky. Videolekcie môžete sledovať aj na mobile alebo tablete, na programovanie odporúčame počítač. Po úspešnom absolvovaní získate certifikát VITA.

Tutors

Miroslav Reiter

Programátor, manažér a marketér, ktorý mudruje vo vlastnej vzdelávacej spoločnosti IT Academy. Workoholik so 134 certifikáciami a 15 titulmi. Vytvoril som vzdelávaciu platformu VITA.sk, pretože milujem vzdelávanie a všetko čo k nemu patrí. Pomáham firmám ale aj jednotlivcom zlepšovať ich podnikanie a IT. Certifikácie: Microsoft certifikovaný tréner, Google certifikovaný tréner, ITIL, PRINCE2 tréner. 50000+ vyškolených klientov a 1000+ firiem, ktorým som pomohol. Vybrané referencie: Národná Rada SR, Slovnaft, IBM, Panasonic, Ministerstvo obrany SR, ČSOB, Generali, Tatra banka, Európska komisia, SPP, Pixel Federation, ESET.

All tutor courses

Novinka