Popis online kurzu Neuronové sítě a Machine Learning pro text a obrázky

Tento online kurz slouží jako vstupní brána do světa neuronových sítí, zpracování obrázků a textu pomocí machine learningu. Naučíte se, co jsou neuronové sítě, jak vznikly, jak fungují a jak se trénují. Na konci kurzu budete umět vytrénovat vlastní neuronovou síť pomocí knihovny scikit-learn.

Neuronové sítě jsou často používány při počítačovém vidění a zpracování přirozeného jazyka. Naučíte se jak s obrázky pracovat pomocí knihovny openCV. Pochopíte myšlenku za konvoluční neuronovou sítí, která je využívána ke zpracování obrázků.

Díky tomuto kurzu budete schopni pracovat i na projektech, kde jsou vstupními daty text. Ukážeme si jak překonvertovat text na čísla, se kterými dokážou modely strojového učení pracovat. Na konci kurzu budete umět aplikovat v praxi velmi často používané modely pro textová data jako je například TF-IDF.

Víme, že nejlépe se člověk naučí nové dovednosti jejich praktikováním, a proto je pro vás připraveno 6 praktických programovacích cvičení v Jupyter noteboocích s úkoly a vysvětleními jednotlivých konceptů.

Co se v kurzu Neuronové sítě a machine learning pro text a obrázky naučíte?

Celkový obsah kurzu je 6 hodin. Prostředí, ve kterém budete během kurzu programovat se nazývá Jupyter notebook s Pythonem. Níže je uveden seznam oblastí, kterým se v kurzu věnujeme:

“Úvod do neuronových sítí”: Naučíte se, co jsou neuronové sítě, jak vznikly, jak fungují a co je činí jedinečnými. Podíváme se na podobnost mezi neuronovými sítěmi strojního učení a biologickými neuronovými sítěmi.
“Perceptron”: Začneme modelem nejjednodušší neuronové sítě, zvané perceptron. Ukážeme si, co dokáže takový model zvládnout a v čem jsou jeho nedostatky.
“Vícevrstvý perceptron”: Přejdeme k hlavnímu typu neuronových sítí, kterým je vícevrstvý perceptron. Naučíte se jeho jednotlivé nejdůležitější komponenty: vrstvy, neurony, váhy, aktivační funkce.
Trénink neuronových sítí: Pochopíte myšlenku trénování neuronových sítí. Začneme perceptronem a poté přejdeme na trénink vícevrstvého perceptronu. Sestavíte a natrénujete neuronové sítě ve scikit-learn knihovně
“Typy neuronových sítí a knihovny”: Seznámíte se se 3 hlavními typy neuronových sítí a knihovnami na kterých je umíte natrénovat.
“Úvod do počítačového vidění”: Dozvíte se, jak vzniklo počítačové vidění a jaké jsou jeho využití. Ukážeme si souvislost mezi lidským a počítačovým viděním.
“Konvoluce”: Pochopíte hlavní myšlenku za modely počítačového vidění, která se nazývá konvoluce. Ukážeme si příklad jejího výpočtu na černobílých a barevných obrázcích.
“Jak vidí počítače obrázky”: Seznámíte se s tím, z čeho sestávají obrázky a jak je vidí počítače.
“Konvoluční neuronová síť”: Naučíte se z čeho sestává konvoluční neuronová síť. Je to model, který se používá v praxi pro problémy, kde jsou vstupem obrázky. Ukážeme si, co jsou její parametry a pochopíte, jak natrénovat klasifikační model pro obrázky.
“Úvod do zpracování přirozeného jazyka”: Dozvíte se, o čem je zpracování přirozeného jazyka a jaké jsou jeho využití.
“Práce s textovými daty a jejich úprava”: Než použijeme modely pro zpracování přirozeného jazyka, je často nutné text předzpracovat. V této části se dozvíte, jaké úpravy se obvykle s textem provádějí.
“Přeměna z textu na čísla”: Naučíte se jak a proč potřebujeme přeměnit text na čísla. Zároveň se naučíme výrazy, které se používají v souvislosti se zpracováním přirozeného jazyka.
„Bag of Words“: Začneme modelem pro řešení problémů s textem zvaným Bag of Words. Vysvětlíme si jeho obměny, výhody a nevýhody.
“TF-IDF”: Pokračujeme modelem, TF-IDF, který se často používá v praxi, například pro kategorizování textu. Po krocích se naučíte, jak tento model funguje.

Pro koho je kurz Neuronové sítě a machine learning pro text a obrázky vhodný?

Kurz je vhodný pro úplné začátečníky, kteří už něco o machine learningu vědí a chtějí si rozšířit obzory o neuronové sítě a zpracování obrázků a textu pomocí machine learning. Pokud o machine learning ještě znalosti nemáte, doporučujeme si nejprve projít náš kurz s názvem “Machine Learning v Pythonu”, ve kterém získáte potřebné dovednosti a schopnosti v této oblasti.

Co po kurzu dokážete a co si odnesete?

Praktické zkušenosti se zpracováním obrázků a textů pomocí modelů strojového učení (machine learning).

Má kurz Neuronové sítě a machine learning pro text a obrázky vstupní požadavky?

Pro úspěšné absolvování tohoto kurzu se prosím ujistěte, že splňujete následující požadavky:

schopnost pracovat s Jupyter Notebooky,
předchozí zkušenost s Pythonem, zejména zkušenost s knihovnou scikit-learn,
základní konceptuální znalost strojového učení (machine learning).

Co je zapotřebí k absolvování kurzu?

Základní znalost angličtiny: Minimální pasivní znalost na úrovni čtení textu jelikož pro knihovny, o kterých se budeme učit jsou vytvořeny dokumentace v anglickém jazyce. Všechny video tutoriály jsou však ve slovenském jazyce.
Stabilní internetové připojení. Pro sledování video lekcí či práci na cvičeních je internetové připojení neustále zapotřebí.
Aktualizovaný internetový prohlížeč Google Chrome, Microsoft Edge nebo Mozilla Firefox.
(doporučeno) Google účet. S Jupyter notebooky doporučujeme pracovat v prostředí Google Colaboratory. V případě, že Google účet nemáte a ani si jej nechcete zakládat, bude k dispozici druhá alternativa pro lokální práci s Jupyter notebooky.

Co vše s kurzem Neuronové sítě a machine learning pro text a obrázky získáte

6 Jupyter notebooků, ve kterých si nejen prakticky vyzkoušíte jednotlivé koncepty, ale můžete je používat jako osobní referenci ve vašem (budoucím) zaměstnání,
video tutoriály o Neuronových sítích a Machine Learning pro text a obrázky,
moderované diskusní fórum, ve kterém na vaše dotazy odpovídá autor kurzu Róbert Barcík,
certifikát o absolvování online kurzu Neuronové sítě a Machine Learning pro text a obrázky
garance vrácení peněz do 14 dnů v případě nespokojenosti s kurzem.

Seznam kapitol

Vitajte v kurze!

O tomto kurze 1min