F5611 Introduction to Machine learning for astronomers in Python

Přírodovědecká fakulta
podzim 2021
Rozsah
1/1/0. 3 kr. Ukončení: z.
Vyučující
Mgr. Matej Kosiba, Ph.D. (cvičící)
Mgr. Tomáš Plšek (cvičící)
Dr. Martin Topinka, PhD. (cvičící)
Garance
Dr. Martin Topinka, PhD.
Ústav teoretické fyziky a astrofyziky – Fyzikální sekce – Přírodovědecká fakulta
Kontaktní osoba: Dr. Martin Topinka, PhD.
Dodavatelské pracoviště: Ústav teoretické fyziky a astrofyziky – Fyzikální sekce – Přírodovědecká fakulta
Rozvrh
Čt 15:00–16:50 Kontaktujte učitele
  • Rozvrh seminárních/paralelních skupin:
F5611/01: Čt 15:00–15:50 Kontaktujte učitele
Předpoklady
Basics in programming in Python
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 6 mateřských oborů, zobrazit
Cíle předmětu
The course serves as a non-mathematical introduction to the concept of Machine Learning. The students will get familiar with the state-of-art Machine Learning libraries in Python programming language and will be able to apply the learnt methods in various situations and tasks, with impact on the usage in astronomy.
Výstupy z učení
Upon successfully completing the course, the student will be able to:
- understand the concept of Machine Learning
- understand and use several popular Machine Learning algorithms within the framework of the scikit-learn library for the Python programming language
understand the concept of deep learning and apply it in the framework of Keras /Tensorflow library
- define and complete a Machine Learning project of his/her own
Osnova
  • Introduction to Machine Learning, the idea of supervised, non-supervised learning, semi-supervised learning, Classification vs Regression
  • General concept of Machine Learning, loss function
  • Popular algorithms such as Support Vector Machine, Bayesian Regression, K-Nearest neighbours
  • Data (feature) reduction such as Principal Component Analysis
  • Practical use of scikit-learn Python library
  • Model validation techniques. Fine-tuning model parameters.
  • Principles of Deep Learning
  • Practical use of Keras Deep Learning Python library
  • Student's own project
Výukové metody
50% of time lecturing, 50% practical exercise
Vyučovací jazyk
Angličtina
Další komentáře
Studijní materiály
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2020, podzim 2022, podzim 2023, podzim 2024.