Štruktúra kurzu
Matematika a štatistika
Štatistické metódy:
- aplikácia t-testov, chí-kvadrát testov, analýzy rozptylu (ANOVA), testovanie hypotéz, regresných metrík, Giniho indexu, entropie, p-hodnôt, ROC krivky a plochy pod krivkou (ROC/AUC), Akaikeho informačného kritéria / Bayesovského informačného kritéria (AIC/BIC) a konfúznej matice.
Pravdepodobnosť a modelovanie:
- vysvetlenie rozdelení, šikmosti, špičatosti (kurtózy), heteroskedasticity, hustoty pravdepodobnosti (PDF), pravdepodobnostnej hmotnostnej funkcie (PMF), distribučnoj funkcie (CDF), chýbajúcich hodnôt, oversamplingu a stratifikácie.
Lineárna algebra a kalkulus:
- porozumenie hodnosti matice (rank), vlastným číslam (eigenvalues), maticovým operáciám, metrikám vzdialenosti, parciálnym deriváciám, reťazovému pravidlu a logaritmom.
Časové modely:
- porovnávanie časových radov, analýza prežitia a kauzálna inferencia.
Modelovanie, analýza a výsledky
Metódy EDA:
- využívanie techník exploratívnej analýzy dát (EDA), ako je univariantná a multivariantná analýza, grafy, vizualizácie a identifikácia príznakov (feature identification).
Problémy s dátami:
- analýza riedkych dát, nelineárnosti, sezónnosti, granularite a odľahlých hodnôt.
Obohacovanie dát:
- aplikácia feature engineeringu, škálovanie, geokódovanie a transformácia dát.
Iterácia modelu:
- návrh, hodnotenie, výber a validácia modelu.
Komunikácia výsledkov:
- tvorba vizualizácií, výber relevantných dát, vyhýbanie sa zavádzajúcim grafom a zabezpečenie prístupnosti.
Strojové učenie
Základné koncepty:
- aplikácia stratových funkcií, kompromisu bias-variance, regularizácie, krížovej validácie, ansámblových modelov, ladenia hyperparametrov a prevencie úniku dát (data leakage).
Učenie s učiteľom:
- aplikácia lineárnej regresie, logistickej regresie, k-najbližších susedov (KNN), naivného Bayesa a asociačných pravidiel.
Stromové modely:
- aplikácia rozhodovacích stromov, náhodného lesa (random forest), boostingu a bootstrap agregácie (bagging).
Hlboké učenie:
- vysvetlenie umelých neurónových sietí (ANN), dropout, batch normalizácie, backpropagation a frameworkov pre hlboké učenie.
Učenie bez učiteľa:
- vysvetlenie shlukovania (clustering), redukcie dimenzionality a singulárneho rozkladu (SVD).
Prevádzka a procesy
Podnikové funkcie:
- vysvetlenie compliance (súladu s predpismi), kľúčových ukazovateľov výkonnosti (KPI) a zberu požiadaviek.
Typy dát:
- vysvetlenie generovaných, syntetických a verejných dát.
Príjem dát (data ingestion):
- porozumenie dátovým pipeline, streamovaniu, dávkovému spracovaniu a dátovej línii (data lineage).
Príprava dát (data wrangling):
- implementácia čistenia, zlučovania, imputácie a označovania referenčných dát (ground truth).
Životný cyklus dátovej vedy:
- aplikácia workflow modelov, verzovania, princípov čistého kódu a jednotkových testov.
DevOps a MLOps:
- vysvetlenie kontinuálnej integrácie / kontinuálneho nasadzovania (CI/CD), nasadenia modelov, orchestrácie kontajnerov a monitorovania výkonu.
Prostredia nasadenia:
- porovnanie kontajnerizácie, cloudového, hybridného, edge a on-premises nasadenia.
Špecializované aplikácie dátovej vedy
Optimalizácia:
- porovnanie optimalizácie s obmedzeniami a bez obmedzení.
Koncepty NLP:
- vysvetlenie techník spracovania prirodzeného jazyka (NLP), ako je tokenizácia, embeddingy, TF-IDF (term frequency–inverse document frequency), modelovanie tém a aplikácie NLP.
Počítačové videnie:
- vysvetlenie optického rozpoznávania znakov (OCR), detekcie objektov, sledovania objektov a augmentácie dát.
Ďalšie aplikácie:
- vysvetlenie grafovej analýzy, posilneného učenia (reinforcement learning), detekcie podvodov, detekcie anomálií, spracovania signálu a ďalších oblastí.
