Data Science 2 - NMFP436

• Anglický název: Data Science 2
• Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2025
• Semestr: letní
• E-Kredity: 5
• Rozsah, examinace: letní s.:2/2, Z+Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: angličtina, čeština
• Způsob výuky: prezenční
• Garant: RNDr. Karel Kozmík, Ph.D.; Mgr. Ondřej Týbl, Ph.D.; doc. RNDr. Michal Pešta, Ph.D.
• Třída: M Mgr. FPM; M Mgr. FPM > Povinně volitelné; M Mgr. PMSE; M Mgr. PMSE > Povinně volitelné
• Kategorizace předmětu: Informatika > Aplikační software; Matematika > Pravděpodobnost a statistika
• Neslučitelnost : NMMB338
• Je neslučitelnost pro: NMMB338
• Je prerekvizitou pro: NMFP556
• Je záměnnost pro: NMMB338

Anotace

čeština

Tento kurz slouží jako úvod do základních principů strojového učení a jeho využití. Představí několik nejpoužívanějších metod jako jsou rozhodovací stromy nebo neuronové sítě, které se následně budou implementovat na cvičení v programovacím jazyce Python. Důraz bude kladen na zpracování a analýzu reálných dat společně s interpretací výsledků. Kurz má omezenou kapacitu a je určen přednostně pro studenty programů Finanční a pojistná matematika a Pravděpodobnost, matematická statistika a ekonometrie.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (18.10.2025)

angličtina

A crucial part of big data analysis is machine learning. Machine learning is widely used and is successful when solving complex tasks in many fields. This course serves as an introduction to basic machine learning principles and its use in practice. It presents the most used methods as decision trees or neural networks, which will be implemented in practicals in Python language. We will focus on analysis of real data and interpretation of the results.

Poslední úprava: Branda Martin, doc. RNDr., Ph.D. (11.12.2020)

Cíl předmětu

čeština

Úvod do základních principů strojového učení a jeho využití.

Poslední úprava: Zichová Jitka, RNDr., Dr. (06.05.2021)

angličtina

An introduction to basic machine learning principles and its use in practice.

Poslední úprava: Zichová Jitka, RNDr., Dr. (06.05.2021)

Podmínky zakončení předmětu

čeština

Detaily jsou na webové stránce: https://www2.karlin.mff.cuni.cz/~kozmikk/DS2.php

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (09.02.2022)

angličtina

Details can be found on the webpage: https://www2.karlin.mff.cuni.cz/~kozmikk/DS2.php

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (09.02.2022)

Literatura

čeština

Yoshua Bengio, Ian Goodfellow, Aaron Courville: Deep learning, MIT Press, In preparation.

Jürgen Schmidhuber: Deep learning in neural networks: An overview, Neural networks 61 (2015): 85-117.

Friedman, J. H. (March 1999): Stochastic Gradient Boosting, Computational Statistics and Data Analysis, vol. 38, pp. 367-378

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (11.12.2020)

Metody výuky

čeština

Přednáška + cvičení.

Poslední úprava: Zichová Jitka, RNDr., Dr. (06.05.2021)

angličtina

Lecture + exercises.

Poslední úprava: Zichová Jitka, RNDr., Dr. (06.05.2021)

Požadavky ke zkoušce

čeština

Zkouška bude probíhat formou řešení praktické úlohy v jazyce Python a diskuze nad zvoleným algoritmem, teoretických základech a výsledcích na konkrétním problému. Studenti dostanou k dispozici datovou sadu a popis problému, který je potřeba prediktivním modelem vyřešit. Pro složení zkoušky je vyžadován zápočet.

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (27.01.2025)

angličtina

Exam will include solving a practical task in Python with discussion about selected algorithm, its theoretial background and results achived in the practical task. Student will receive a data set together with a description of the prediction task which needs to be solved. Course credit is required for examination.

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (27.01.2025)

Sylabus

čeština

Náplň předmětu:

• úvod do strojového učení, motivace, příklady využití

• obecné postupy ve strojovém učení: rozdělení dat do trénovací a validační množiny, over-fitting, regularizace

• metody využívající rozhodovací stromy: rozhodovací stromy, náhodné lesy, gradientní boosting

• metody požívající neuronové sítě: jednoduché neuronové sítě, konvoluční neuronové sítě, rekurentní neuronové sítě

• shluková analýza – supervised vs unsupervised

• ostatní klasifikační metody – metoda opěrných nadrovin, naivní bayseovský klasifikátor

Náplň cvičení:

• cvičení bude probíhat na počítačích a bude se využívat jazyk Python

• jednotlivé metody strojového učení budeme aplikovat v praxi na reálných datech

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (11.12.2020)

angličtina

Lectures:

• introduction to machine learning, motivation, examples

• general methods in machine learning: split of dataset to training and validation, over-fitting, regularization

• methods using decision trees: decision trees, random forest, gradient boosting

• methods using neural networks: simple neural networks, convolutional neural networks, recurrent neural networks

• clustering methods – supervised vs unsupervised

• other classification methods – support vector machine, naive Bayes

Practicals:

• Practicals will be held in computer lab and Python language will be used

• Machine learning algorithms will be applied on real data

Poslední úprava: Kozmík Václav, RNDr., Ph.D. (11.12.2020)

Vstupní požadavky

čeština

Nutné:

• Základy kalkulu: derivace, integrály, Taylorův rozvoj atd.

• Základy pravděpodobnosti a statistiky: pravděpodobnostní rozdělení centrální limitní věta, testování

hypotéz, Fisherova informace, maximálně věrohodné odhady.

• Základy programování (v jakémkoli jazyce).

Doporučené:

• Python: základy budou probrány, ale pro studenty bez znalosti Pythonu může být absolvování předmětu

náročnější výzvou.

Poslední úprava: Zichová Jitka, RNDr., Dr. (05.05.2025)

angličtina

Necessary:

• Basic calculus: derivatives, integrals, Taylor expansion, etc.

• Basic probability and statistics: probability distributions, central limit theorem, statistical tests and hypotheses, Fisher information, maximum likelihood estimators

• Basic programming skills (in any language)

Good to know:

• Python: some basics will be covered, but can be challenging if the student has no experience with Python

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (19.11.2021)

Požadavky k zápisu

čeština

Kurz má omezenou kapacitu a je určen přednostně pro studenty programů Finanční a pojistná matematika a Pravděpodobnost, matematická statistika a ekonometrie.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (18.10.2025)

angličtina

The capacity of this couse is limited. This course is primarily intented for the students of the programmes Financial and Insurance Mathematics and Probablity, Mathematical Statistics and Econometrics.

Poslední úprava: Omelka Marek, doc. Ing., Ph.D. (18.10.2025)