Neuronové sítě a deep learning v Pythonu - Online kurz

Představíme si kurz, namotivujeme se a nainstalujeme první knihovny pro deep learning (strojové učení) v Pythonu.

V tutoriálu si nainstalujeme prostředí Jupyter, ukážeme si základy potřebné pro tento kurz a spustíme pár řádku Pythonu.

V tutoriálu si představíme lineární regresi, přečteme data s knihovnou Pandas a budeme předpovídat cenu zlata v Pythonu.

V Python tutoriálu si přiblížíme gradientní metodu optimalizace a pomocí zjednodušeného řešení optimalizujeme linearní regresi.

V tutoriálu si představíme polynomiální regresi a porovnáme předpověď ceny zlata s lineární regresí a druhy strojového učení v Pythonu.

V Python tutoriálu si představíme první klasifikační algoritmus K-NN, jak funguje a proč je tak efektivní.

V Python tutoriálu si napíšeme vlastní KNN algoritmus, tím si utvrdíme znalosti z minulé lekce a lépe pochopíme jak funguje.

V Python tutoriálu si představíme rozhodovací stromy a na jakém principu fungují. Jeden klasifikační strom si vytvoříme a otestujeme na Iris datasetu.

V Python tutoriálu se podíváme na les rozhodovacích stromů a otestujeme ho na Iris dataset. Zjistíme tak, že celý les je moudřejší než sebemoudřejší strom.

V Python tutoriálu si představíme algoritmus K-Means z rodiny algoritmů Učení bez dohledu. Rozdělíme si pomocí něj Iris dataset a otestujeme jeho přesnost.

V Python tutoriálu si představíme algoritmus Support Vector Machine a budeme pomocí něj klasifikovat čísla na obrázcích.

Úvodní tutoriál do neuronových sítí v Pythonu, představíme si v něm perceptron a pro něj neřešitelný XOR problém.

V Python tutoriálu si napíšeme opravdu jednoduchou verzi perceptronu, ten naučíme řešit OR operaci a pochopíme tak lépe principy učení neuronových sítí.