Osnova témat
-
Realizováno za finanční podpory ESF a státního rozpočtu ČR v rámci v projektu "Rozvoj lidských zdrojů TUL pro zvyšování relevance, kvality a přístupu ke vzdělání v podmínkách Průmyslu 4.0" CZ.02.2.69/0.0/0.0/16_015/0002329 – ESF OP VVV.
Vítáme Vás v kurzu o lineární regresi, kde hlavním cílem je představit formát kurzu typu MOOC. To jsou kurzy garantované slavnými univerzitami, které mají přispět k dostupnosti vzdělávání resp. poznávání pro širokou zájmovou veřejnost. Kurz teorii lineární regrese pokrývá jen z části a ilustrativně, protože cílem je představit kurzy typu MOOC, na kterých může studovat kdokoliv a odkudkoliv, má-li chuť se s daným problémem seznámit. Kurz, hledá postupy jak v prostředí e-portálu TUL testovat studenty a řídit jejich průchod kurzem. Práce je příspěvkem k dalšímu vývoji podobných kurzů. Časová náročnost kurzu 2.5–5 hod:
Přednášková videa – najdete na odkazu na slavný portál Coursera a kurz Machine Learning, Kontrolní otázky – 5–10 min (5 kontrolních otázek), Závěrečný test – 10–15 min, Programovací úlohy – 1–3 hod (3 úlohy, čas je uveden velmi zhruba v závislosti na individuálních schopnostech, zejména znalost jazyka Python a knihovny numpy).
TENTO KURZ NEBYL FINANCOVÁN Z PROJEKTU ROLIZ A VZNIKL PRO POTŘEBU UKÁZAT STRUKTURU MOOC KURZŮ PRO ŘEŠITELE ROLIZU A PRO PROPAGACI OPEN ONLINE KURZŮ
-
Dokument PDF
Diplomová práce je z roku 2015, ale najdete v ní o kurzech MOOC podrobnější výklad a také přehled e_learningových portálů a hlavně univerzit, které byly u zrodu ušlechtilé myšlenky poskytovat garantované vzdělávání zadarmo po jednotlivých tématech zpracovaných v interaktivních on-line kurzech.
Příklad takového kurzu je na následujícím odkazu
-
Coursera je MOOC portál, na kterém je k dispozici nespočet kurzů napříč různými tématy. Machine Learning je jeden z těch nejoblíbenějších a tento kurz z něj čerpá.
-
V prvním videu je představen úvod do kurzu. Dozvíte se v něm, jak a proč tento kurz vznikl, pro koho je určen a seznámíte se s osnovou dalších témat.
-
Ve druhé přednášce se dozvíte, jak reprezentovat model lineární regrese a seznámíte se se základními pojmy strojového učení.
-
Třetí přednáška se zabývá tzv. hodnotovou funkcí, která je potřebná ke zjištění optimálních parametrů theta pro naši regresní funkci.
-
Ve čtvrtém bloku se dozvíme, jak pomocí metody postupného klesání získáme minimum hodnotové funkce a optimální parametry theta pro regresní funkci.
-
V posledním přednáškovém bloku si dáme dohromady všechny nastudované materiály a popíšeme si postup, jak takovou úlohu naprogramovat.
-
Tato poslední část už je bez video přednášky. Obsahuje závěrečný teoretický test o pěti otázkách a tři programovací úlohy v jazyce Python. V souboru s instrukcemi naleznete všechny potřebné informace k tomu, jak postupovat při plnění programovacích úloh. Po absolvování všech přednášek by pro Vás neměl být problém všechny úlohy vyřešit. V případě problémů můžete využít diskuze, v kterých s námi můžete cokoliv probrat.