Kurzy pro veřejnost

AI prakticky (pokročilí): Od práce s daty po asistenci při psaní skriptů

Tento kurz je určen pro ty, kteří chtějí prohloubit své znalosti o umělé inteligenci a zjistit, jak lze AI využít k řešení praktických problémů v oblasti analýzy dat, psaní skriptů a webových technologií. Během pěti hodin získají účastníci praktické zkušenosti s aplikací AI na každodenní úkoly, od zpracování a analýzy dat až po psaní HTML a JavaScriptu, které lze testovat přímo ve webovém prohlížeči.

AI prakticky (začátečníci): Jak využít umělou inteligenci v každodenním životě

Tento kurz je ideální pro všechny, kteří jsou úplnými začátečníky v oblasti využívání umělé inteligence (AI), ale chtějí se naučit, jak tato technologie může usnadnit jejich každodenní život i pracovní úkoly. Ať už jste o chatovacích modelech, jako jsou ChatGPT, Copilot nebo Gemini, zatím jen slyšeli, nebo máte základní povědomí, tento kurz vás provede krok za krokem jejich praktickým využitím.

Metodika analýzy dat: Od základů po aplikace metod strojového učení

Kurz poskytuje účastníkům komplexní vhled do širokého spektra metod analýzy dat. Začíná základní metodikou analýzy dat, která zahrnuje popis jednorozměrných a dvourozměrných dat, vzorkování signálů a základní statistické metody zpracování signálů. Účastníci se seznámí s nelineární regresní analýzou, analýza hlavních komponent a postupně se dostane k sofistikovanějším metodám jako je support vector machine (SVM). Tyto metody jsou důležité pro porozumění složitějším vzorům a vztahům v datech a umožňují přesnější modelování a predikce.

Pokročilé metody analýzy dat a neuronové sítě: Aplikace v praxi

Kurz nabízí účastníkům komplexní vhled do pokročilých metod analýzy dat a neuronových sítí a jejich praktického využití. Zahrnuje sofistikované techniky analýzy dat, jako je shluková analýza a rozpoznávání vzorů pomocí neuronových sítí. Účastníci se naučí aplikovat analýzu hlavních komponent, která umožňuje identifikaci klíčových charakteristik datových souborů a redukci jejich dimenzionality. Dále se seznámí s algoritmy jako jsou support vector machine (SVM) a k-nejbližších sousedů, které jsou vhodné pro řešení klasifikačních problémů.