Strojové učení Pokročilý Python nutný

Strojové učení pro praxi:
od dat k produkčnímu modelu

Komplexní kurz pokrývající celý ML pipeline — od přípravy dat přes trénování modelů až po jejich nasazení a monitoring v reálném prostředí. Zaměřeno na byznysové aplikace.

Délka kurzu48 hodin (8 týdnů)
FormátOnline + živé lekce
Začátek1. září 2025
Volná místa7 z 18

Co kurz zahrnuje

  • Příprava a čistění dat — pandas, NumPy
  • Explorační analýza dat (EDA) a vizualizace
  • Supervised learning — regrese, klasifikace
  • Unsupervised learning — clustering, PCA
  • Gradient boosting — XGBoost, LightGBM, CatBoost
  • Hluboké učení základy — TensorFlow, Keras
  • MLOps — nasazení, monitoring, CI/CD pro ML
  • Interpretabilita modelů — SHAP, LIME

Požadavky na vstup

Tento kurz je pro pokročilé — doporučujeme mít:

Základní Python (funkce, třídy, pandas)
Základy statistiky a lineární algebry
Zkušenost s datovou analýzou výhodou
Motivace pracovat se skutečnými daty

Nejste si jistí? Napište nám — pomůžeme vám zvolit správný kurz.

Struktura kurzu (8 týdnů)

Týdny 1–2: Základy ML a data pipeline (12 hod.)
ML landscape — typy modelů a jejich aplikace
Data wrangling — pandas, missing values, outliers
Feature engineering a feature selection
Týdny 3–4: Supervised learning (12 hod.)
Lineární regrese, logistická regrese, SVM
Decision trees, Random Forest, XGBoost
Hyperparameter tuning a cross-validation
Týdny 5–6: Deep learning základy (12 hod.)
Neuronové sítě — architektura, aktivace, backprop
Keras a TensorFlow — praktické projekty
Transfer learning a pre-trénované modely
Týdny 7–8: MLOps a nasazení (12 hod.)
MLflow — sledování experimentů a verzování
REST API pro ML modely — FastAPI, Docker
Monitoring modelu v produkci — drift, alarmy
Závěrečný projekt: end-to-end ML řešení