Strojové učení definoval v roce 1959 Arthur Samuel jako „studijní obor, který dává počítačům schopnost učit se, aniž by byl výslovně naprogramován“. Program EITC/AI/MLPP strojového učení s programem Python si klade za cíl seznámit se základy strojového učení (včetně základního porozumění teorii) se zaměřením na programování s Pythonem. Kromě teorie zahrnuje aplikace spolu s teoretickými a praktickými aspekty algoritmů strojového učení pod dohledem, bez dozoru a hlubokého učení. Program zahrnuje lineární regresi, K nejbližších sousedů, podporu vektorových strojů (SVM), ploché shlukování, hierarchické shlukování a neuronové sítě. Zahrnuje základní pojmy použitých algoritmů a logiku pozadí. Pokrývá také diskusi o aplikacích algoritmů v programování pomocí příkladných skutečných datových sad spolu s moduly (např. Scikit-Learn). Program bude také zahrnovat podrobnosti o každém z algoritmů implementací těchto algoritmů v kódu, včetně příslušné matematiky s pohledy na to, jak přesně algoritmy fungují, jak je lze upravit a jaké jsou jejich vlastnosti, včetně výhod a nevýhod. Algoritmy zapojené do strojového učení jsou poměrně jednoduché (podmíněné jejich nutností škálování pro velké datové soubory), stejně jako matematika, na které jsou založeny (lineární algebra).
Zdroje referenčních osnov
Dokumentace Pythonu
https://www.python.org/doc/
Python uvolňuje stahování
https://www.python.org/downloads/
Průvodce pro Python pro začátečníky
https://www.python.org/about/gettingstarted/
Průvodce pro začátečníky v Pythonu Wiki
https://wiki.python.org/moin/BeginnersGuide
Výukový program strojového učení W3Schools Python
https://www.w3schools.com/python/python_ml_getting_started.asp
Stáhněte si kompletní offline přípravné materiály pro samoučení pro program EITC/AI/MLP Machine Learning with Python v souboru PDF
Přípravné materiály EITC/AI/MLP – standardní verze
Přípravné materiály EITC/AI/MLP – rozšířená verze s kontrolními otázkami