Mastering Machine Learning with Python

• Základní logika rozhodovacích stromů, pojmy uzel (node), hrana (edge), list (leaf)
• Příprava dat pro rozhodovací stromy
• Nácvik modelu rozhodovacího stromu a predikce
• Analýza nacvičeného stromu

Praktické cvičení: Nacvič si model logistické regrese, provede predikci a diagnostiku. Poté se zaměř na nacvičení modelu rozhodovacího stromu.

Výstupy z lekce: Umíš vysvětlit koncept rozhodovacích stromů, nacvičit rozhodovací strom pro regresi i klasifikaci, vizualizovat a interpretovat nacvičený model.

• Koncept řetězení operací do pipeliny, výhody využití
• Objekty typu transformer pro úpravu dat
• Metody fit, transform
• Práce s názvy sloupců
• Význam feature engineeringu pro přesnost modelů
• Feature engineering jako součást scikit-learn pipeliny

Výstupy z lekce: Umíš vytvořit datovou pipelinu, použít metody fit, transform a fit_transform, pracovat s názvy sloupců v scikit-learn pipelině, vysvětlit přínos feature engineeringu a zakomponovat jej do pipeliny.

• Datové transformátory využívané v rámci feature engineeringu – kódování kategorických proměnných, polynomy, převod numerických proměnných
• Pokročilé techniky pro obsluhu datových pipeline
• Tvorba vlastních transformátorů

Praktické cvičení: Vytvoř si pipelinu v knihovně scikit-learn, pracuj s transformátory sloupců a zpracuj kategorické proměnné.

Výstupy z lekce: Umíš zvolit a použít vhodné datové transformátory podle vstupních dat a algoritmu a vytvořit vlastní datový transformátor.

• Problematické situace v datech – chybějící hodnoty, odlehlá pozorování
• Metody pro identifikaci problémů v datech
• Nástroje pro opravu a doplnění dat
• Přeškálování dat

Výstupy z lekce: Umíš popsat obvyklé problémy v datových souborech, identifikovat a opravit problematické hodnoty a rozhodnout, zda je nutné přeškálovat data podle použitého modelu.

• Význam cross-validace modelu pro jeho přesnost a kalibraci hyperparametrů
• Rozdělení datového souboru na trénovací a testovací množinu dat
• Rozdělení trénovacího souboru pomocí cross-validace
• Různé typy cross-validačních technik

Praktické cvičení: Identifikuj a ošetři chybějící hodnoty, detekuj a ošetři odlehlé hodnoty, proveď normalizaci dat, vytvoř datovou pipeline s cross-validací a najdi optimální hyperparametry.

Výstupy z lekce: Umíš vysvětlit význam cross-validace, rozdělit data na trénovací a testovací množinu, zvolit metodu cross-validace a přidat cross-validaci do pipeliny ve scikit-learn.

• Úvod do teorie ensemble modelů – bagging, boosting, stacking
• Algoritmy využívající bagging a boosting (Random Forest, Gradient Boosting Machines, XGBoost, LightGBM)
• Klasifikační úloha pro více tříd

Výstupy z lekce: Umíš vysvětlit, jak fungují ensemble techniky a jejich přínos, aplikovat modely s baggingem a boostingem a vytvořit model pro klasifikaci více než dvou tříd.

• Obecná charakteristika časových řad
• Modely pro predikci časových řad
• Feature engineering v časových řadách
• Cross-validace časových řad

Praktické cvičení: Natrénuj a proveď predikce a vyhodnoť model pomocí pokročilého predikčního algoritmu. Dále natrénuj a proveď predikce a vyhodnoť model na datasetu s časovou řadou.

Výstupy z lekce: Umíš vysvětlit pojem časová řada a překážky jejich predikce, sestrojit proměnné pro vysvětlení časové řady, natrénovat model časové řady a spočítat predikci do budoucnosti, a aplikovat cross-validaci při tréninku modelu časové řady.

• Základní pojmy a teorie – neuron, aktivační funkce, backpropagation algoritmus
• Typologie neuronových sítí
• Vytvoření neuronové sítě v Pythonu

Výstupy z lekce: Umíš vysvětlit, co je neuronová síť a pojmy s ní spojené, popsat typy neuronových sítí a jejich praktické využití a vytvořit jednoduchou neuronovou síť v Pythonu.

• Důvody pro redukci počtu proměnných
• Metody pro redukci dimenzionality – PCA, t-SNE
• Zpracování psaného textu pomocí embeddings

Praktické cvičení: Natrénuj jednoduchou neuronovou síť a vytvoř embeddings vektoru.

Výstupy z lekce: Umíš popsat důvody pro snížení dimenzionality dat, aplikovat snížení dimenzionality na datový soubor a interpretovat výsledné komponenty, vysvětlit, co jsou embeddings, a vytvořit embeddings vektor pro psaný text.

• Základní teorie týkající se velkých jazykových modelů
• Knihovna langchain
• OpenAI API – interakce s ChatGPT pomocí Pythonu
• Generování informací pomocí Retrieval-Augmented Generation (RAG)

Praktické cvičení: Využití knihovny langchain pro práci s velkým jazykovým modelem.

Výstupy z lekce: Umíš popsat základní postup pro práci s jazykovými modely, pracovat s knihovnou langchain a naprogramovat příklad využití jazykového modelu v Pythonu, konkrétně Retrieval-Augmented Generation (RAG).