155YUSU Úvod do strojového učení v DPZ

Z GeoWikiCZ

Základní údaje o předmětu

  • Aktuální a kompletní informace jsou na této stránce
  • Kód předmětu: 155YUSU
  • Garant předmětu:

Ing. Martin Landa, Ph.D.

  • 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)

  1. Úvod: aplikace strojového učení v geoinformatice a DPZ, historický kontext, členění strojového učení [LB]
  2. Lineární algebra v NumPy a Vizualizace dat v Matplotlib [OP/ML]
  3. GeoPython (GDAL, Rasterio, GeoPandas) [OP/ML]
  4. Základní algoritmy strojového učení (rozhodovací stromy, SVM, neuronové sítě) [OP]
  5. Algoritmy neřízené klasifikace (K-means, Mean shift, DBSCAN) [OP]
  6. Generalizace modelu [OP]
  7. Demonstrace existujícího ML projektu (GridSearchCV, ST_LUCAS), zadání samostatného projektu [OP/LB]
  8. Ansámbly ve strojovém učení (princip kombinace více modelů: random forest, extra trees) [OP]
  9. Úvod do hlubokého učení (PyTorch / TensorFlow) [LB]
  10. Multilayer perceptron ANN (Regrese - MLP) [LB]
  11. Konvoluční neuronové sítě (Klasifikace - FCN, SegNet/UNet) [LB]
  12. Zpracování semestrálního projektu (základní pracovní postup) [LB]
  13. Zpracování semestrálního projektu (ladění modelu strojového učení) [LB/ML]

Odkazy