SNS Strojové učení a neuronové sítě
Vysoká škola technická a ekonomická v Českých Budějovicíchléto 2024
- Rozsah
- 0/2/0. 2 kr. Ukončení: z.
Vyučováno prezenčně. - Vyučující
- Ing. Tereza Matasová (cvičící)
- Garance
- Ing. Tereza Matasová
Ústav znalectví a oceňování – Rektor – Vysoká škola technická a ekonomická v Českých Budějovicích
Kontaktní osoba: Ing. Tereza Matasová
Dodavatelské pracoviště: Skupina Ekonomie – Oddělení zástupce ředitele pro výzkum, vývoj a tvůrčí činnost – Ústav znalectví a oceňování – Rektor – Vysoká škola technická a ekonomická v Českých Budějovicích - Rozvrh seminárních/paralelních skupin
- SNS/E4: Ne 12. 5. 14:50–16:20 D315, 16:30–18:00 D315, Ne 2. 6. 8:00–9:30 D315, 9:40–11:10 D315, T. Matasová
- Předpoklady
- MAX_PREZENCNICH(35) && MAX_KOMBINOVANYCH(35)
Základy práce se SW Mathematica. - Omezení zápisu do předmětu
- Předmět je nabízen i studentům mimo mateřské obory.
- Mateřské obory/plány
- Business analytik (program VŠTE, BSA)
- Podniková ekonomika (program VŠTE, B_PE)
- Cíle předmětu opírající se o výstupy z učení
- Student se seznámí s nejběžnějšími algoritmy pro strojové učení. Tyto algoritmy dokáže optimalizovat a prakticky použít ve svém oboru.
- Výstupy z učení
- Student zná běžně používané algoritmy pro strojové učení včetně základních neuronových sítí. Student umí algoritmy prakticky použít v aplikaci na svůj obor. Student rovněž umí výsledky optimalizovat. Student je schopen porozumět principu strojového učení, chybám, které mohou vzniknout při kódování a interpretaci výsledků.
- Osnova
- 1. Porozumění syntaxe Wolfram Mathematica a základní matematické úpravy
- 2. Porozumění syntaxe Wolfram Mathematica a základní matematické úpravy
- 3. Porozumění syntaxe Wolfram Mathematica a základní matematické úpravy
- 4. Porozumění syntaxe Wolfram Mathematica a základní matematické úpravy
- 5. Proces přípravy a získání vědeckých dat
- 6. Import a export
- 7. Regrese
- 8. Predikce
- 9. Predikce
- 10. Klasifikace
- 11. Shluková analýza
- 12. Shluková analýza
- 13. Práce s textem
- Literatura
- povinná literatura
- BERNARD, Etienne. Introduction To Machine Learning. Wolfram Media, 2021. ISBN 1-57955-048-7. info
- VILLALOBOS ALVA, Jalil. Beginning Mathematica and Wolfram for Data Science: Applications in Data Analysis, Machine Learning, and Neural Networks. Apress, 2021. ISBN 978-1-4842-6593-2. info
- WOLFRAM, Stephen. An Elementary Introduction to the Wolfram Language. Online. 3. vydání. Wolfram Media, 2023. ISBN 978-1-944183-07-3. URL info
- Organizační formy výuky
- seminář
- Komplexní výukové metody
- frontální výuka
kritické myšlení
samostatná práce – individuální nebo individualizovaná činnost
výuka podporovaná multimediálními technologiemi
e-learning
- Studijní zátěž
Aktivita Počet hodin za semestr Prezenční forma Kombinovaná forma Příprava na seminář, cvičení, tutoriál 5 15 Příprava na závěrečný test 3 25 Seminární práce 18 Účast na semináři/cvičeních/tutoriálu/exkurzi 26 12 Celkem: 52 52 - Metody hodnocení a jejich poměr
- projekt - semestrální 100 %
- Podmínky testu
- Dojde k~zadání úlohy, která se bude řešit v~průběhu celého semestru na jednotlivých seminářích.
- Statistika zápisu (nejnovější)
- Permalink: https://is.vstecb.cz/predmet/vste/leto2024/SNS