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
  • ČR (19 990 Kč)

    SR (835 €)

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.

Školení na míru

Nenašli jste vhodný termín, nebo chcete školení přizpůsobit specifickým potřebám vašeho týmu? Rádi pro vás připravíme školení na míru.