Online kurz Knižnica Scikit-Learn v Pythone

Online kurz Knižnica Scikit-Learn v Pythone je pre vás ideálny, ak už pracujete s Pythonom a chcete ho využiť pri príprave dát a tvorbe modelov strojového učenia. Ide o certifikovaný online kurz na Python knižnicu scikit-learn. Spoločne si vysvetlíme, ako rozlíšiť regresnú a klasifikačnú úlohu, pripraviť vstupné údaje a začať s prediktívnym modelovaním. Regresia nám pomáha odhadovať číselné hodnoty, zatiaľ čo klasifikácia priraďuje údaje do vopred určených kategórií. Ukážeme si, prečo výsledok závisí od kvality dát aj od zvoleného postupu. Získané znalosti využijete pri analytických úlohách, skúmaní vzťahov medzi premennými a príprave vlastných experimentov. Kurz prepája prácu s údajmi s praktickým používaním knižnice pre strojové učenie.

Pri práci s knižnicou scikit-learn v Pythone venujeme pozornosť dátovému čisteniu, predspracovaniu a kontrole vstupov. Naučíme sa rozlišovať validáciu údajov od ich normalizácie a precvičíme si úpravu textových reťazcov aj prácu s kolekciami. Súčasťou je parsovanie XML súborov, URL adries, logov a PDF dokumentov pomocou nástrojov Pythonu. Tieto postupy nám pomôžu získavať informácie v podobe vhodnej na ďalšie spracovanie. Následne prejdeme k lineárnej regresii, viacnásobnej regresii a modelom Ridge, Lasso a ElasticNet. Vysvetlíme si ich použitie a význam regularizácie pri práci s koeficientmi modelu. Zoznámime sa aj s klastrovaním, teda zhlukovaním podobných záznamov bez vopred priradených cieľových tried. Naučíme sa uvažovať nad tým, čo výsledky modelovania znamenajú a ako súvisia s pôvodným analytickým zadaním.

Online kurz Scikit-learn v Pythone absolvujete v slovenčine a vlastným tempom. Pred začiatkom odporúčame mierne pokročilé znalosti Pythonu, objektovo orientovaného programovania a základy štatistiky. Pri práci môžete využiť prostredie JetBrains Datalore alebo vlastné prostredie s potrebnými knižnicami. Čas na samostatné skúšanie príkladov si prispôsobíte svojim skúsenostiam. K náročnejším témam sa môžete počas prístupu vracať a postupne ich precvičovať. Po úspešnom absolvovaní získate certifikát. Ak sa chcete skutočne naučiť používať knižnicu scikit-learn v Pythone na prípravu dát a regresné modelovanie, tak toto je ideálny vstupný online kurz pre vás.

Kurz od Miroslav Reiter - 08.10.2026

Kód kurzu: KNIZNICA-SCIKIT-LEARN

Slovenský

Online kurz Knižnica Scikit-Learn v Pythone vás naučí

Zorientovať sa v základoch strojového učenia a pochopiť úlohu knižnice Scikit-Learn v prostredí Pythonu
Vysvetliť rozdiel medzi regresiou a klasifikáciou a naučiť sa s nimi začať
Ovládať techniky dátového čistenia a predspracovania údajov pre vstup do modelov
Používať normalizáciu a validáciu dát na zlepšenie kvality modelu
Pracovať s textovými reťazcami, kolekciami a inými sekvenciami v jazyku Python
Parsovať rôzne dátové formáty vrátane XML, URL adries, log súborov a PDF dokumentov
Vybudovať lineárne, viacnásobné a pokročilé regresné modely ako Ridge, Lasso a ElasticNet
Vysvetliť princípy a aplikáciu klastrovania v neštruktúrovaných dátach
Rozlíšiť typy klastrov a ich použitie v reálnych analytických úlohách
Kombinovať znalosti z Pythonu, parsovania a Scikit-Learn na tvorbu vlastných ML riešení

Požiadavky a Vstupné Znalosti

Odporúčaním pre tento kurz je absolvovanie kurzu Python II. Mierne Pokročilý
Pokročilá práca s PC a Windows, Linux alebo macOS
Pokročilá práca s kancelárskym balíkom Microsoft Office, OpenOffice alebo LibreOffice
Pokročilá práca s textovým editorom
Schopnosť pracovať so súbormi, priečinkami a tabuľkovými údajmi
Programovanie v jazyku Python a znalosť OOP aspoň na úrovni mierne pokročilý
Základy štatistiky a orientácia v číselných údajoch, premenných a jednoduchých grafoch
Znalosť základných princípov objektovo orientovaného programovania
Základná znalosť angličtiny pri čítaní dokumentácie a chybových hlásení
Ochota samostatne programovať, skúšať príklady a vyhodnocovať získané výsledky

Cieľové skupiny a Komu je kurz určený

Python programátori, ktorí chcú začať používať knižnicu scikit-learn
Dátoví analytici so záujmom o regresné modelovanie a prípravu údajov
Začínajúci dátoví vedci rozvíjajúci praktické zručnosti v strojovom učení
Business analytici so znalosťou Pythonu, ktorí skúmajú vzťahy medzi premennými
Databázoví analytici prepájajúci získavanie dát s ich ďalším modelovaním
IT analytici pripravujúci údaje a 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 analytické modely
Podnikatelia a majitelia e-shopov s programátorskými skúsenosťami, ktorí chcú analyzovať vlastné údaje

Obsah a Učebná Osnova online kurz Knižnica Scikit-Learn v Pythone

I. Úvod a predstavenie knižnice Scikit-Learn

Úvod a predstavenie online kurzu Scikit-Learn. Náhľad	09:44
Ako začať so strojovým učením, regresiou a klasifikáciou? Náhľad	01:20:33
Predstavenie knižnice Scikit-learn jazyka Python.	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

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. Regresia, regresné modely a klasifikácia

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

IV. Klastrovanie (Zhlukovanie) dát

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

Často Kladené Otázky FAQ

Čo je Scikit-Learn?

Online kurz Scikit-Learn sa zameriava na využitie knižnice Scikit-Learn pre efektívne spracovanie a analýzu dát pomocou strojového učenia v Pythone. Naučíte sa, ako používať Scikit-Learn na predspracovanie dát a hodnotenie modelov.

Kto používa Scikit-Learn?

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

Kde sa používa Scikit-Learn?

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 Scikit-Learn?

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 Scikit-Learn?

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 Scikit-Learn?

Priemerná mzda dátového čističa 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 Scikit-Learn?

Python, Jetbrains Datalore, Scikit-learn

Čo je scikit-learn a na čo sa používa?

Scikit-learn je open-source knižnica Pythonu na strojové učenie. Poskytuje nástroje na regresiu, klasifikáciu, klastrovanie, predspracovanie údajov a hodnotenie modelov. Prehľad možností a príklady použitia nájdete v oficiálnej dokumentácii scikit-learn.

Aké znalosti potrebujem pred začiatkom kurzu?

Odporúčame mierne pokročilé programovanie v Pythone, znalosť objektovo orientovaného programovania a základy štatistiky. Mali by ste vedieť pracovať s premennými, funkciami a kolekciami. Programátorské zručnosti si môžete doplniť v kurze Python II. Mierne Pokročilý.

Ktoré regresné modely sa naučím používať?

Kurz sa venuje lineárnej regresii, viacnásobnej regresii a modelom Ridge, Lasso a ElasticNet. Viacnásobná regresia pracuje s viacerými vstupnými premennými. Ridge, Lasso a ElasticNet využívajú regularizáciu, ktorá ovplyvňuje veľkosť koeficientov modelu.

Aký je rozdiel medzi klasifikáciou a klastrovaním?

Klasifikácia predpovedá príslušnosť k vopred známym triedam na základe označených tréningových príkladov. Klastrovanie hľadá skupiny podobných záznamov bez vopred priradených cieľových tried. V kurze si vysvetlíme tieto rozdiely a predstavíme typy klastrov a klastrovania.

Prečo kurz zahŕňa reťazce a parsovanie dokumentov?

Údaje často potrebujeme najskôr získať, upraviť a skontrolovať. Preto sa venujeme práci s reťazcami, kolekciami a parsovaniu XML, URL adries, logov a PDF dokumentov. Ide o prípravu dát pomocou Pythonu; samotná knižnica scikit-learn slúži predovšetkým na následné modelovanie a súvisiace spracovanie údajov.

Aké programy a prostredie budem používať?

Budeme pracovať s Pythonom a knižnicou scikit-learn. Medzi uvedené prostredia patrí JetBrains Datalore. Na samostatné precvičovanie môžete použiť aj vlastné vývojové prostredie, v ktorom spustíte Python a potrebné knižnice.

Ako dlho trvá kurz a dokedy mám prístup?

Kurz ponúka približne 12 hodín obsahu a ročný prístup. Študujete vlastným tempom a k lekciám sa môžete vracať. Pri plánovaní štúdia počítajte aj s časom na samostatné programovanie, skúšanie príkladov a porovnávanie výsledkov.

Získam po absolvovaní kurzu certifikát?

Áno, po úspešnom absolvovaní získate certifikát o absolvovaní kurzu VITA. Súčasťou kurzu je aj 100 MB materiálov na stiahnutie, prezentácia a ťaháky, ktoré využijete pri precvičovaní a opakovaní učiva.

Lektori

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.

Všetky kurzy lektora