Strojové učení v Pythonu
Naučte se programovat v Pythonu a pronikněte do základů strojového učení. Získáte praktické dovednosti a znalosti algoritmů, které využijete v IT, datové analytice i vědě.
9 093 Kč
Cena je včetně DPH.
Registrujte se nyní
se slevou 30 %!
se slevou 30 %!
Zajistěte si místo v tomto jedinečném kurzu
Říjen 2026
Kombinovaná Forma9 093 Kč s DPHCenaKolbenova 942/38a, Praha 9Adresa
O kurzu
Kurz Strojové učení v Pythonu poskytuje komplexní úvod do principů a metod strojového učení s důrazem na praktické využití. Účastníci se nejprve seznámí se základy programovacího jazyka Python 3, který je v oblasti datové analýzy a umělé inteligence standardem. Následně se zaměří na klíčové koncepty strojového učení – od přípravy dat, přes volbu algoritmů až po vyhodnocení výsledků modelů. Důraz je kladen na porozumění jednotlivým krokům procesu a jejich aplikaci v reálných úlohách, což účastníkům umožní získat praktické dovednosti využitelné v IT, analytice i výzkumu.
15 ECTSPočet přidělených ECTS kreditů:ZačátečníkÚroveňCZJazyk
Obsah Kurzu
1. Modul: Základy programování v Pythonu
Seznámení se s jazykem PythonPředstavení jazyka a zařazení do kontextu ostatních programovacích jazyků, odlišnosti napříč operačními systémy, moduly
Přirozené datové typy, datový modelpythonu, neměnné a proměnlivé typyZadání seminární práce
Zbylé datové typy (List, tupple,dict…) a konstrukce úvahy matic a uložení datDatové typy ze základních modulů (matice, dataframe)
Logické operace, podmínky, cykly
Cykly, výjimky, matematické operace, základní moduly a numpy
Uživatelem definované funkceParametry funkcí, tělo funkce, globální a lokální prostředí funkcí, lambda funkce, rekurzivní funkce
Import a export dat, csv, json a ostatní datové formáty
Vizualizace dat a matplotlib, API a jiné grafické knihovny
Tvorba vlastního modulu, analýza výchozích modulů
Úvod do Objektově orientované programování (OOP)
Vlastnosti OOP, příklady na dědičnostTvorba vlastních tříd, tvorba vlastních výjimek v kontextu OOP
Moduly pro lineární a nelineární optimalizaciPython jako nástroj pro machinelearning a příklad na neuronovou síť
2. Modul: Úvod do strojového učení
Definice strojového učení, jeho aspekty a fáze
Přístupy strojového učení a výběr vhodných algoritmů
Interpretace a ověřování výsledků trénování
Rozhodovací stromy
Lineární regrese
Neuronové sítě
Shlukování
Redukce dimenzionality
Aplikace strojového učení v různých odvětvích
Technické požadavky
Pro absolvování kurzu nejsou potřeba žádné předchozí znalosti ani nástroje – stačí otevřená hlava a chuť přemýšlet.
Vlastní notebook nebo tablet
Abyste si mohli pohodlně zpracovávat vlastní případovou studii a mít přístup ke studijním materiálům.
Stabilní internetové připojení
Kurz probíhá částečně online, proto se hodí spolehlivé připojení – a ideálně i tiché prostředí pro konzultace.
To je vše. Zbytek vám dáme my.
Pro koho je kurz určen?
Studenti a začínající vývojáři, kteří zvládají základy Pythonu a chtějí první jistý krok do světa ML. Naučí se pracovat s daty, zkoušet základní algoritmy a pochopí, kdy a proč je použít – prakticky, na reálných příkladech.
Analytici zvyklí na Excel, SQL či Power BI, kteří chtějí přejít k predikcím. Kurz dá workflow v Pythonu, základy modelování, validaci výsledků a tipy, jak zapojit ML do stávajících reportů i provozních procesů.
Softwaroví vývojáři a inženýřiVývojáři, kteří potřebují do aplikací přidat „chytré“ funkce – doporučování, klasifikaci či detekci anomálií. Naučí se volit přístupy, připravit data a nasadit jednoduché modely tak, aby byly udržovatelné a výkonově rozumné.
Product manageři a konzultantiLidé, kteří chtějí rozumět možnostem i limitům ML. Získají slovník, dokážou lépe zadat požadavky týmu, posoudit kvalitu a rizika modelů a rozhodnout, kdy se ML vyplatí a kdy zvolit jednodušší řešení.
Metody výuky
Kurz kombinuje samostatné studium s vedenou praxí, aby účastníci zvládli nejen klíčové pojmy, ale také si je ověřili na vlastním příkladu.
- Samostudium s přehledně strukturovanými materiály
- Tutoriály a individuální konzultace s lektorem
- Hodnocený úkol – vlastní návrh
- Závěrečný online test a prezenční workshop
