Detail předmětu

Machine Learning Fundamentals

FEKT-MKA-MLFAk. rok: 2022/2023

Předmět se věnuje jak klasickým metodám strojového učení jako jsou support vector machines nebo principal component analysis, tak přístupům založeným na umělých neuronových sítích, včetně konvolučních nebo rekurzivních sítí. Mimo přednášek jsou důležitou součástí předmětu cvičení zaměřené jednak na pochopení základních principů, tak na na využití strojového učení v oblasti rádiových komunikací od klasifikace rádiových vysílačů až po kompletní přenosový systém založený na strojovém učení.     

 

Jazyk výuky

angličtina

Počet kreditů

Garant předmětu

prof. Ing. Roman Maršálek, Ph.D.

Zajišťuje ústav

Ústav radioelektroniky (UREL)

Výsledky učení předmětu

Absolvent předmětu je schopen: (a) pochopit problematiku kvantových počítačů, konkrétně je schopen rozpoznat, kdy je takový výpočet výhodný; (b) počítat a navrhovat základní algoritmy pro kvantové počítače.

Prerekvizity

Student, který si zapíše předmět by měl:

  • chápat základní matematické metody na úrovni bakalářského studia
  • být schopen napsat jednoduchý program v prostředí Matlab a některém z vyšších programovacích jazyků
 

Osnovy výuky

1 - Organizace výuky, úvod do strojového učení, motivace
2 - Základy lineární algebry pro ML
3 - Podpůrné vektory, Support vector Machines
4 - Analýza hlavních komponent, Principal component analysis
5 - Úvod do umělých neuronových sítí, reprezentace, klasifikace
6 - Trénování neuronových sítí (lineární regrese, Gradientní metoda, polynomiální regrese, ...)
7 - Konvoluční neuronové sítě
8 - Rekurzivní neuronové sítě
9 - Ladění hyperparametrů, dávková normalizace a programovací rámce
10 - Učení bez dozoru
11 - Generativní učení, autoenkodéry, GAN
12 - Strojové učení ve velkém měřítku
13 – Využití strojového učení v rádiových komunikacích  

 

Učební cíle

Cílem předmětu je seznámit studenty se základními koncepty strojového učení, jednotlivými používanými metodami a úlohami strojového učení, a ukázat využití strojového učení v oblasti rádiové komunikace.  Cílem počítačových cvičení pak je získat praktické zkušenosti při implementaci metod strojového učení na reálné datové soubory.   

 

Základní literatura

ERTEL, W., Introduction to Artificial Intelligence, 2018, Springer (EN)
GOODFELLOW, I. et al., Deep learning, 2016, MIT Press (EN)
CHOLLET, F. Deep Learning with Python, 2017, Manning Publications (EN)

Zařazení předmětu ve studijních plánech

  • Program MKC-EKT magisterský navazující 1 ročník, letní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

prof. Ing. Roman Maršálek, Ph.D.

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

prof. Ing. Roman Maršálek, Ph.D.