Strojové učení - klasifikace

Co bych měla po této hodině znát?¶

• Co je to klasifikační úloha, jak hodnotit klasifikátory. Základní klasifikační metriky.

• Vím, že je ještě spousta věcí ke samostudiu. Nebudu se bát číst v dokumentaci Scikit-learn.

Odkazy na samostudium¶

• Knihovna scikit-learn - podrobná dokumentace, mnoho příkladů

• Další potenciálně užitečné knihovny:

  • xgboost - často model první volby pro tabulková data
  • TabPFN - pokud chcete jít s dobou, ale pozor i pro maličko větší data budete potřebovat výkonější počítač

• Pokud Vás zajímají neuronové sítě nebo moderní jazykové modely, může zkusit videa od Andrej Karpathy, jsou k nalezení na youtube. Další výborné video kurzy má Sebastian Raschka, jeho kniha Machine Learning Q and AI je dostupná volně online.

• Pokud byste pokukovali po kurzech na Coursera, hledejte jméno lektora Andrew Ng.

• Spoustu zajímavého lze najít na deeplearning.ai.

• Datasety na hraní s ML i spoustu užitečných příkladů a informací najdete na Kaggle.

Starší, ale stále užitečné, odkazy:¶

• Data camp tutorials - občas něco i o ML

• Machine Learning Mastery - Python Machine Learning (scikit-learn)

• Jiří Materna natočil během jarního lockdownu sadu krátkých videí s hezkým úvodem do ML:

  • Co je strojové učení
  • Regresní analýza
  • Logistická regrese
  • Problém přetrénování
  • Evaluační metriky
  • Neuronové sítě a deep learning

• řada knih (pozor, knihy rychle stárnou), ale tahle Géron Aurélien, Hands-On Machine Learning With Scikit-Learn, Keras, and TensorFlow Concepts, Tools, and Techniques to Build Intelligent Systems má i kódy na ageron/handson-ml