155YUSU Úvod do strojového učení v DPZ
Základní údaje o předmětu
- Aktuální a kompletní informace jsou na této stránce
- Kód předmětu: 155YUSU
- Garant předmětu:
- Přednášející: Ing. Lukáš Brodský, Ph.D.,
Ing. Ondřej Pešek, Ing. Martin Landa, Ph.D.
- Rozsah: 2+2
- Počet kreditů: 5
- Ukončení: z, zk
Anotace
Strojové učení tvoří v dnešní době nedílnou součást analýzy dat a prediktivního modelování v mnoha oborech včetně dálkového průzkumu Země. Cílem předmětu je získání základních znalostí o algoritmech strojového učení a principech generalizace modelů a praktický návrh procesních linek. Studenti v předmětu samostatně pracují na zadaných příkladech aplikace strojového učení s využití dat DPZ. Podmínkou nutnou ke splnění předmětu je správná generalizace trénovaného modelu, včetně teoretického hodnocení přeučení (overfitting) a nedoučení (underfitting). V projektech studenti vytvářejí vlastní skripty v jazyce Python a kriticky hodnotí výsledky.
Doporučená literatura
Podmínky ukončení předmětu
Uspěšné zpracování semestrálního projektu.
Harmonogram
Vyučující: Ing. Lukáš Brodský, Ph.D. (LB), Ing. Ondřej Pešek (OP), Ing. Martin Landa, Ph.D. (ML)
- Úvod: aplikace strojového učení v geoinformatice a DPZ, historický kontext, členění strojového učení [LB]
- Lineární algebra v NumPy a Vizualizace dat v Matplotlib [OP/ML]
- GeoPython (GDAL, Rasterio, GeoPandas) [OP/ML]
- Základní algoritmy strojového učení (rozhodovací stromy, SVM, neuronové sítě) [OP]
- Algoritmy neřízené klasifikace (K-means, Mean shift, DBSCAN) [OP]
- Generalizace modelu [OP]
- Demonstrace existujícího ML projektu (GridSearchCV, ST_LUCAS), zadání samostatného projektu [OP/LB]
- Ansámbly ve strojovém učení (princip kombinace více modelů: random forest, extra trees) [OP]
- Úvod do hlubokého učení (PyTorch / TensorFlow) [LB]
- Multilayer perceptron ANN (Regrese - MLP) [LB]
- Konvoluční neuronové sítě (Klasifikace - FCN, SegNet/UNet) [LB]
- Zpracování semestrálního projektu (základní pracovní postup) [LB]
- Zpracování semestrálního projektu (ladění modelu strojového učení) [LB/ML]