Strojové učenie definoval v roku 1959 Arthur Samuel ako „študijný odbor, ktorý dáva počítačom schopnosť učiť sa bez výslovného programovania“. Cieľom strojového učenia EITC/AI/MLPP s programom Python je predstaviť základy strojového učenia (vrátane základného porozumenia teórii) so zameraním na programovanie v jazyku Python. Okrem teórie pokrýva aplikácie spolu s teoretickými a praktickými aspektmi algoritmov strojového učenia pod dohľadom, bez dozoru a nad hlbokým učením. Program pokrýva lineárnu regresiu, K najbližších susedov, podporu vektorových strojov (SVM), ploché klastrovanie, hierarchické klastrovanie a neurónové siete. Zahŕňa základné pojmy použitých algoritmov a logiku za nimi. Zahŕňa tiež diskusiu o aplikáciách algoritmov v programovaní pomocou príkladných súborov skutočných údajov spolu s modulmi (napr. Scikit-Learn). Program pokryje aj podrobnosti o každom z algoritmov implementáciou týchto algoritmov v kóde, vrátane príslušnej matematiky s poznatkami o tom, ako presne algoritmy fungujú, ako ich možno modifikovať a aké sú ich vlastnosti vrátane výhod a nevýhod. Algoritmy zapojené do strojového učenia sú pomerne jednoduché (podmienené potrebou ich škálovania pre veľké súbory údajov), rovnako ako matematika, na ktorej sú založené (lineárna algebra).
Referenčné zdroje učebných osnov
Dokumentácia Pythonu
https://www.python.org/doc/
Python vydáva súbory na stiahnutie
https://www.python.org/downloads/
Sprievodca programom Python pre začiatočníkov
https://www.python.org/about/gettingstarted/
Sprievodca pre začiatočníkov v jazyku Python Wiki
https://wiki.python.org/moin/BeginnersGuide
W3Schools Výukový program strojového učenia Python
https://www.w3schools.com/python/python_ml_getting_started.asp
Stiahnite si kompletné offline samovzdelávacie prípravné materiály pre program EITC/AI/MLP Machine Learning with Python v súbore PDF
Prípravné materiály EITC/AI/MLP – štandardná verzia
Prípravné materiály EITC/AI/MLP – rozšírená verzia o recenzné otázky