Týdenní intenzivní kurz je určen pro všechny středoškolské učitele, kteří by rádi zařadili umělou inteligenci do výuky informatiky, ale nemají potřebné znalosti a zkušenosti. V kurzu projdeme úplnými základy umělé inteligence a strojového [...]
  • MLC_IFT
  • Délka 5 dní
  • 0 ITK bodů
  • 0 termínů
  • Praha (19 990 Kč)

    Brno (na vyžádání)

    Bratislava (800 €)

Týdenní intenzivní kurz je určen pro všechny středoškolské učitele, kteří by rádi zařadili umělou inteligenci do výuky informatiky, ale nemají potřebné znalosti a zkušenosti. V kurzu projdeme úplnými základy umělé inteligence a strojového učení a dostaneme se až k návrhu umělých neuronových sítí v Pythonu. Výukové materiály a obsah školení jsou postaveny tak, aby je bylo možné převzít a použít přímo ve výuce na střední škole buď formou samostatného předmětu nebo jako doplnění existující výuky informatiky.

»
  • Základní znalost programování v Pythonu

Studijní materiál společnosti Machine Learning College.

Kapitola 1: Úvod do umělé inteligence

  • co je a co není umělá inteligence
  • slabá a silná umělá inlitegence
  • úlohy umělé inteligence (strojové učení, prohledávání prostoru, optimalizace, plánování, strojové vnímání,
  • zpracování přirozeného jazyka)
  • příklady aplikací umělé inteligence v jednotlivých oblastech
  • historie a milníky umělé inteligence

Kapitola 2: Data a informace

  • rozdíl mezi daty a informacemi
  • data sety a jejich vznik
  • strukturovaná vs. nestrukturovaná data
  • co jsou big data a jak s nimi zacházet
  • intuice vs. fakta
  • příklady selhání intuice
  • praktické příklady rozhodování na základě dat
  • základy popisné statistiky
  • vizualizace dat
  • reprezentativnost dat
  • změny podmínek
  • bias v datech
  • osobní data a GDPR

Kapitola 3: Úvod do strojového učení a jeho aplikací

  • co je učení a čím je specifické strojové učení
  • generalizace vs. memorování
  • proces strojového učení
  • strojové učení s učitelem a bez učitele
  • klasifikace
  • regrese
  • shlukování
  • zpětnovazební učení
  • vybrané aplikace ze zpracování obrazu, zpracování přirozeného jazyka, doporučování a hraní her

Kapitola 4: Filosofie umělé inteligence

  • turingův test a argument čínského pokoje
  • exponenciální růst
  • bezpečnost a férovost metod umělé inteligence
  • společenský dopad umělé inteligence (seberou nám stroje práci?)
  • etické otázky v umělé inteligenci

Kapitola 5: Základy datové analýzy v jazyce Python

  • základy a syntax jazyka Python 3.x (základní datové struktury, cykly, podmínky, základy OOP, serializace)
  • vektory, matice a práce s nimi v knihovně NumPy
  • seznámení s Jupyter notebooky v prostředí Google Colab
  • načítání dat a jednoduchá manipulace s nimi v knihovně Pandas
  • praktické příklady na jednoduchou manipulaci s daty a vyvozování závěrů z nich

Kapitola 6: Regrese

  • opakování definice regrese a jejího použití
  • proces regresní analýzy od přípravy dat až po trénování, predikci a validaci
  • matematické základy – vektor, vektorový prostor, nadrovina, geometrická interpretace derivace
  • datové struktury – grafy a stromy
  • lineární regese
  • rozhodovací stromy pro regresi
  • praktická cvičení v knihovně ScikitLearn

Kapitola 7: Klasifikace

  • opakování definice klasifikace a jejího použití
  • proces klasifikace od přípravy dat až po trénování, predikci a validaci
  • matematické základy – logaritmy
  • logistická regrese
  • křížová entropie
  • rozhodovací stromy pro klasifikaci
  • praktická cvičení v knihovně ScikitLearn

Kapitola 8: Umělé neuronové sítě

  • perceptron a jeho vztah k lineární a logistické regresi
  • opakování maticového počtu
  • nejběžnější aktivační funkce
  • chybové funkce v neuronových sítích
  • dopředné neuronové sítě
  • algoritmus zpětné propagace chyby (intuitivně)
  • klasifikace a regrese
  • konvoluční neuronové sítě
  • vizualizace neuronových sítí
  • základy knihovny Tensorflow/Keras pro implementaci neuronových sítí
  • praktická cvičení na řešení různých problémů z běžného života pomocí neuronových sítí
  • zpracování obrazu pomocí neuronových sítí
Aktuální nabídka
Školicí místo
Jazyk kurzu

Uvedené ceny jsou bez DPH.