155YUSU Úvod do strojového učení v DPZ: Porovnání verzí
(založena nová stránka s textem „{{Neúplné}} == Anotace == === Doporučená literatura === == Podmínky ukončení předmětu == == Harmonogram == == Odkazy == {{Geoinformatika}}“) |
m (→Harmonogram) |
||
| Řádek 8: | Řádek 8: | ||
== Harmonogram == | == Harmonogram == | ||
# Úvod: aplikace strojového učení v geoinformatice a DPZ | |||
# Základní koncept strojového učení | |||
# Lineární algebra v NumPy | |||
# Analýza dat v Pandas | |||
# Vizualizace dat v Matplotlib a Seaborn | |||
# GeoPython (GDAL, Rasterio, GeoPandas, vizualizace geodat) | |||
# Základní algoritmy strojového učení (rozhodovací stromy, SVM, neuronové sítě) | |||
# Algoritmy neřízené klasifikace | |||
# Pokročilé techniky strojového učení (princip kombinace více modelů: random forest, extra trees a XGBoost) | |||
# Umělé neuronové sítě | |||
# Konvoluční neuronové sítě | |||
# Zpracování semestrálního projektu (základní pracovní postup) | |||
# Zpracování semestrálního projektu (ladění modelu strojového učení) | |||
== Odkazy == | == Odkazy == | ||
{{Geoinformatika}} | {{Geoinformatika}} | ||
Verze z 25. 9. 2023, 10:40
Anotace
Doporučená literatura
Podmínky ukončení předmětu
Harmonogram
- Úvod: aplikace strojového učení v geoinformatice a DPZ
- Základní koncept strojového učení
- Lineární algebra v NumPy
- Analýza dat v Pandas
- Vizualizace dat v Matplotlib a Seaborn
- GeoPython (GDAL, Rasterio, GeoPandas, vizualizace geodat)
- Základní algoritmy strojového učení (rozhodovací stromy, SVM, neuronové sítě)
- Algoritmy neřízené klasifikace
- Pokročilé techniky strojového učení (princip kombinace více modelů: random forest, extra trees a XGBoost)
- Umělé neuronové sítě
- Konvoluční neuronové sítě
- Zpracování semestrálního projektu (základní pracovní postup)
- Zpracování semestrálního projektu (ladění modelu strojového učení)