Přeskočit obsah

155YUSU

6. Návrh a řešení projektu ML

155YUSU

155YUSU Úvod do strojového učení v DPZ
01: Úvod, historický kontext, členění strojového učení
01: Úvod, historický kontext, členění strojového učení
02. Předzpracování geodat (GeoPython)
02. Předzpracování geodat (GeoPython)
- 2.1 GeoPython - Praktická ukázka
- 2.2 GeoPython - Praktická úloha (LUCAS, Sentinel-2)
03. Základní algoritmy strojového učení, úvod do scikit-learn
03. Základní algoritmy strojového učení, úvod do scikit-learn
- 3.1 Úvod do scikit-learn
04. Generalizace ML modelu
04. Generalizace ML modelu
- 04. Generalizace polynomického modelu
- 04. Generalizace rozhodovacího stromu (Decision Tree)
05. Učení bez učitele
05. Učení bez učitele
- 5.1 Učení bez učitele - cvičení
06. Návrh a řešení projektu ML
06. Návrh a řešení projektu ML
- 6. Návrh a řešení projektu ML
07. Sborové učení, ansámbly
07. Sborové učení, ansámbly
- 7.1 Sborové učení, ansámbly - cvičení
08. Úvod do hlubokého učení, PyTorch
08. Úvod do hlubokého učení, PyTorch
- 8.1 PyTorch - framework pro hluboké učení
- 8.2 Lineární regrese v PyTorch
09. MultiLayer Perceptron model (regrese, klasifikace)
09. MultiLayer Perceptron model (regrese, klasifikace)
- 9.1 Multilayer Layer Perceptron (MLP)
- 9.2 MultiLayer Perceptron (MLP) klasifikace snímku Landsat
10. Konvolucní neuronové síte - CNN (klasifikace, segmentace)
10. Konvolucní neuronové síte - CNN (klasifikace, segmentace)
- 10.1 Hluboké učení - Konvoluční neuronové sítě - klasifikace
- 10.2 Hluboké učení - Konvoluční neuronové sítě - segmentace
11. TBD
11. TBD
12. Projekt (šablona)
12. Projekt (šablona)
- 12.1 Land Cover klasifikace s využitím Sentinel-2 a ST_LUCAS

Obsah

Přednáška
Cvičení

6. Návrh a řešení projektu ML¶

Přednáška¶

PDF

Cvičení¶

Projekt strojového učení - Predikce lesních požárů v parku Montesinho

5.1 Učení bez učitele - cvičení

6. Návrh a řešení projektu ML

Copyright © 2024-2025 Katedra geomatiky, FSv ČVUT v Praze

Made with Material for MkDocs