Courses Strojové Učenie (Machine Learning)
Online kurzy Strojové Učenie (Machine Learning) sú určené pre budúcich a súčasných dátových vedcov, dátových analytikov, AI a ML špecialistov, Python programátorov, IT analytikov, výskumníkov a ďalších záujemcov, ktorí chcú pochopiť princípy strojového učenia a prakticky vytvárať vlastné modely. Naučíte sa pracovať s dátami, pripravovať ich na trénovanie modelov, používať regresiu, klasifikáciu a klastrovanie a využívať Python knižnice Scikit-Learn, Keras a TensorFlow. Základným kurzom kategórie je Strojové Učenie (Machine Learning ML). Kurz vás prevedie základnými princípmi strojového učenia, prácou s jazykom Python, dátovým čistením, normalizáciou, validáciou a parsovaním dát. Naučíte sa používať knižnicu Scikit-Learn, vytvárať regresné a klasifikačné modely a pracovať s klastrovaním. Súčasťou sú lineárna a viacnásobná regresia aj pokročilejšie modely Ridge, Lasso a ElasticNet. Na praktickú implementáciu modelov v Pythone sa zameriava Knižnica Scikit-Learn v Pythone. Naučíte sa pripraviť a predspracovať dáta, používať normalizáciu a validáciu, rozlišovať regresiu a klasifikáciu a vytvárať modely pomocou jednej z najpoužívanejších Python knižníc pre Machine Learning. Kurz sa venuje aj klastrovaniu, práci s datasety a regresným modelom Ridge, Lasso a ElasticNet. Pokročilejšiu oblasť strojového učenia predstavuje Neurónové Siete Python Keras a TensorFlow. Kurz vysvetľuje princípy neurónových sietí a učí vytvárať a konfigurovať vlastné modely pomocou Pythonu, Keras a TensorFlow. Naučíte sa pracovať s vrstvami a aktivačnými funkciami, trénovať modely, ukladať a opätovne načítavať naučené modely a pripravovať ich na ďalšie učenie alebo nasadenie. Pre úplných začiatočníkov je vhodný Jemný Úvod do Umelej Inteligencie (AI) a Strojového Učenia (ML). Kurz vysvetľuje základné rozdiely medzi AI a ML, typy modelov, návrh jednoduchého AI/ML projektu a význam dát pri učení modelov. Naučíte sa tiež pracovať s parametrami tréningu, ako sú epochy, veľkosť dávky (Batch Size) a rýchlosť učenia (Learning Rate), a pochopíte ich vplyv na presnosť, stabilitu a výkon modelu. Strojové učenie sa využíva pri predikcii, klasifikácii, detekcii vzorov, segmentácii údajov, automatizácii rozhodovania, odporúčacích systémoch, spracovaní obrazu a textu aj pri dátovej analytike. Pri praktickej práci sa prepájajú znalosti Pythonu, štatistiky, prípravy dát a algoritmov s knižnicami ako Scikit-Learn, TensorFlow a Keras. Online kurzy Strojové Učenie (Machine Learning) vás postupne prevedú od základných princípov ML cez klasické modely až po tvorbu a trénovanie neurónových sietí.
