Machine Learning prakticky

Může se počítač naučit rozpoznávat obrázky stejně jako člověk? A co třeba předpovídat ceny bytů nebo skládat vlastní hudbu?
Umělá inteligence dnes zvládá neuvěřitelné věci. Ale jak se vlastně učí? Jak to, že dokáže rozpoznat kočku na obrázku, aniž bychom jí museli přesně říct, jak kočka vypadá?

V rámci kurzu se společně podíváme na to, jak se učí počítač. Podíváme se na historické i současné přístupy strojového učení (lineární regrese, klasifikační stromy, vícevrstvé neuronové sítě, konvoluční sítě), řekneme si, jak fungují pod pokličkou, v čem jsou dobré a kdy naopak selhávají. Nad problémy podiskutujeme a společně navrhneme možná řešení. Zmíněné přístupy ML si následně vyzkoušíme prakticky naprogramovat. Na závěr kurzu využijeme nabyté znalosti k vytvoření vlastního modelu pro rozpoznávání objektů na fotce.

Kurz je pro každého, kdo chce nakouknout pod pokličku toho, jak stroje „myslí“, a vyzkoušet si jejich učení na vlastní kůži. Praktická část kurzu předpokládá základní znalost Pythonu – pokud jsi v něm nikdy nedělal/a nevadí, mrkni třeba na tenhle kurz: https://naucse.python.cz/course/pyladies/ (nemusíš ho dělat celý, stačí lekce 1,2,3,6,10 – zabere ti to jen pár hodin ;)).

Patrik Vácal

Patrik se od malička věnuje počítačům, fascinuje ho, co díky nim dokáže vytvořit. Během střední například stavěl samořídícího auto nebo se snažil o založení vlastního startupu SocialReaders. V současnosti studuje umělou inteligenci na Matematicko-fyzikální fakultě Univerzity Karlovy. Je také součástí prestižního programu Prg.ai Minor. Než Patrik nastoupil na vysokou, vzal si gap year. Ten strávil přemítáním o životě, na stáži na akademii věd či na dvouměsíčním tripu po Asii, kdy navštívil například Indii či Vietnam. Ve volném čase rád hraje frisbee, tancuje swing či trajdá po lese. Je také velkým milovníkem čaje.

Turnus C