Strojové učení v praxi

Praktický kurz strojového učení s Pythonem a scikit-learn. Od první přípravy dat po nasazení produkčního modelu.

⭐ 4.8/5 (214 hodnocení) 👥 214 studentů ⏱ 56 výukových hodin Úroveň: Středně pokročilý

O tomto kurzu

Tento kurz je navržen pro vývojáře, analytiky a datové specialisty, kteří chtějí přejít od teorie k reálné implementaci algoritmů strojového učení. Budete pracovat s reálnými datasety z českého prostředí – od analýzy spotřebitelského chování po predikci tržních trendů.

Kurz je intenzivní a praktický. Každý modul obsahuje projektový úkol, který studenti odevzdávají a dostávají zpětnou vazbu od lektora. Na konci sestavíte kompletní ML pipeline od syrových dat po nasazený model.

Co se naučíte

✓ Příprava a čištění dat pro ML (feature engineering)

✓ Implementace klasifikačních algoritmů

✓ Regresní modely a predikce číselných hodnot

✓ Shlukovací analýza a detekce anomálií

✓ Validace modelů: cross-validation, learning curves

✓ Hyperparameter tuning: GridSearchCV, RandomizedSearch

✓ Sestavení end-to-end ML pipeline

✓ Interpretace výsledků modelu (SHAP hodnoty)

Předpoklady

Základní znalost Pythonu (proměnné, smyčky, funkce)
Základy statistiky (průměr, rozptyl, korelace)
Doporučeno: absolvování kurzu Základy AI nebo ekvivalent

Obsah kurzu

Modul 1: Prostředí a data 5 lekcí

Modul 2: Příprava dat 5 lekcí

Modul 3: Supervised Learning 5 lekcí

Modul 4: Unsupervised Learning 5 lekcí

Modul 5: Vyhodnocení a ladění 5 lekcí

Modul 6: ML Pipeline a projekt 4 lekcí

11 900 Kč

Zapsat se do kurzu Vyzkoušet zdarma

56 hodin videolecí
Jupyter notebooky ke stažení
Certifikát ML specialisty
Doživotní přístup
Zpětná vazba od lektora

Tento kurz je vhodný pro:

Softwarové vývojáře přecházející do ML
Datové analytiky rozšiřující dovednosti
Statistiky a matematiky se zájmem o AI
Business analytiky pracující s daty