{"id":2116,"date":"2020-05-21T09:41:41","date_gmt":"2020-05-21T07:41:41","guid":{"rendered":"http:\/\/www.munera3.si\/?post_type=seminar&#038;p=2116"},"modified":"2020-09-24T11:32:12","modified_gmt":"2020-09-24T09:32:12","slug":"strojno-ucenje-skozi-javo-na-primeru-psg-kalibracije","status":"publish","type":"seminar","link":"https:\/\/www.munera3.si\/?seminar=strojno-ucenje-skozi-javo-na-primeru-psg-kalibracije","title":{"rendered":"Strojno u\u010denje skozi Javo na primeru PSG kalibracije"},"content":{"rendered":"<section class=\"wpb-content-wrapper\"><p>[vc_row][vc_column width=&#8221;3\/4&#8243;][stm_post_info][vc_column_text el_class=&#8221;obojestransko&#8221;]Program je sestavljen iz dveh glavnih modulov ter devetih podmodulov, ki so podrobneje opisani v rubriki vsebine programa. Ime modula I je Programski jezik Java za potrebe strojnega u\u010denja, ime modula II pa Osnove umetne inteligence. Trajanje celotnega usposabljanja je 160 pedago\u0161kih ur.<\/p>\n<p>V prvem delu izobra\u017eevanja (modul I) bodo udele\u017eenci spoznali sodoben, splo\u0161no namenski, hiter, varen, robusten, predmetno usmerjen programski jezik Java. Poleg pojmov, ki se nana\u0161ajo na konkretne programske konstrukte (podatkovni tipi, spremenljivke, izrazi, operatorji, pomnilnik &#8230;), bodo udele\u017eenci spoznali programerske pristope, ki se uporabljajo v praksi in na\u010dine re\u0161evanja problemov. Nau\u010dili se bodo delati z datotekami, izjemami in podatkovnimi zbirkami ter napisati javanski program z vsemi elementi. Usposabljanje bo zelo prakti\u010dno naravnano. Za vsak predstavljen teoreti\u010dni koncept ali programski konstrukt je na predavanjih prikazana tudi njegova uporaba v konkretnih primerih.<\/p>\n<p>V drugem delu izobra\u017eevanja (modul II) bodo udele\u017eencem predstavljene teoreti\u010dne osnove in osnovni principi metod strojnega u\u010denja, osnovni algoritmi strojnega u\u010denja in njihova uporaba v praksi za iskanje zakonitosti iz podatkov ter za u\u010denje klasifikacijskih in regresijskih modelov. Udele\u017eenci bodo teoreti\u010dno znanje prakti\u010dno uporabili na realnih problemih poslovnega okolja, konkretno na podatkih, ki se uporabljajo pri PSG kalibraciji.[\/vc_column_text][stm_color_separator][stm_animation_block duration=&#8221;300&#8243; delay=&#8221;0&#8243;][vc_column_text]<\/p>\n<h2>Podrobnosti usposabljanja<\/h2>\n<p>[\/vc_column_text][\/stm_animation_block][vc_tta_accordion][vc_tta_section i_icon_fontawesome=&#8221;fa fa-user-plus&#8221; add_icon=&#8221;true&#8221; title=&#8221;Ciljna skupina&#8221; tab_id=&#8221;1546118685728-8d7622cd-c1eb36d3-60fce443-522a7349-b78b&#8221; el_class=&#8221;modra&#8221;][vc_column_text]Ciljna skupina usposabljanja so:<\/p>\n<ul>\n<li>zaposleni, ki nimajo ustreznih osnovnih strokovnih in specifi\u010dnih znanj,<\/li>\n<li>zaposlenii, ki \u017eelijo napredovati ali zamenjati delovno mesto in nimajo ustreznih specifi\u010dnih strokovnih znanj,<\/li>\n<li>novo zaposleni,<\/li>\n<li>zaposleni v okviru plana razvoja kompetenc in kariernih na\u010drtov,<\/li>\n<li>zaposleni, ki \u017eelijo pridobiti znanje iz programskega jezika Java,<\/li>\n<li>zaposleni, ki \u017eelijo pridobiti znanje iz metod strojnega u\u010denja.<\/li>\n<\/ul>\n<p>[\/vc_column_text][\/vc_tta_section][vc_tta_section i_icon_fontawesome=&#8221;fa fa-book&#8221; add_icon=&#8221;true&#8221; title=&#8221;Vsebina programa&#8221; tab_id=&#8221;1548249931745-7fb228a8-b549e443-522a7349-b78b&#8221;][vc_column_text]<strong>Programski jezik Java za potrebe strojnega u\u010denja<\/strong><\/p>\n<ul>\n<li>Uvod\n<ul>\n<li>Primitivni podatkovni tipi, izrazi, spremenljivke, logi\u010dni izrazi, pogojni stavki in zanke<\/li>\n<\/ul>\n<\/li>\n<li>Tabele, nizi in metode\n<ul>\n<li>Tabele, nizi in metode za delo z nizi<\/li>\n<li>Iterativne in rekurzivne metode<\/li>\n<li>Na\u0161tevni podatkovni tip<\/li>\n<\/ul>\n<\/li>\n<li>Datoteke in tokovi v javi\n<ul>\n<li>Izjeme (vrsta, obravnava in pomen)<\/li>\n<li>Delo z datotekami<\/li>\n<\/ul>\n<\/li>\n<li>Abstraktni podatkovni tipi\n<ul>\n<li>Mno\u017eice (Abstraktni podatkovni tip Set, Razred TreeSet)<\/li>\n<li>Seznami (Abstraktni podatkovni tip List, Razred ArrayList)<\/li>\n<\/ul>\n<\/li>\n<li>Objektno orientirano programiranje\n<ul>\n<li>enkapsulacija<\/li>\n<li>polimorfizem<\/li>\n<li>dedovanje<\/li>\n<\/ul>\n<\/li>\n<li>Weka (Java API)\n<ul>\n<li>paketi, razredi, metode<\/li>\n<li>struktura datoteke tipa arff in pretvorba v csv format<\/li>\n<li>weka.jar<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p><strong>Osnove umetne inteligence* <\/strong><\/p>\n<ul>\n<li>Obravnava problema\n<ul>\n<li>Regresija, klasifikacija<\/li>\n<li>Predprocesiranje: \u010di\u0161\u010denje, filtriranje, diskretizacija, binarizacija, spreminjanje diskretnih atributov v zvezne, obravnava neznanih vrednosti, vizualizacija<\/li>\n<\/ul>\n<\/li>\n<li>Mere za ocenjevanje kvalitete modelov\n<ul>\n<li>Klasifikacija: ACC, ROC, AUC, senzitivnost in specifi\u010dnost\n<ul>\n<li>Kontingen\u010dna matrika<\/li>\n<\/ul>\n<\/li>\n<li>Regresija: MAE, RMSE, R2, RAE, RRSE<\/li>\n<\/ul>\n<\/li>\n<li>Ocenjevanje u\u010denja in ocenjevanje atributov\n<ul>\n<li>Ocenjevanje to\u010dnosti\n<ul>\n<li>na <strong>u\u010dnih<\/strong> podatkih (angl. training set, learning set)<\/li>\n<li>na <strong>testnih<\/strong> podatkih (angl. testing set, test set)<\/li>\n<li>na <strong>novih<\/strong> (ne-videnih) podatkih (angl. new data, unseen data)<\/li>\n<\/ul>\n<\/li>\n<li>Zanesljivost ocenjevanja to\u010dnosti\n<ul>\n<li>kadar je u\u010dnih podatkov dovolj, lahko izlo\u010dimo testno mno\u017eico (angl. holdout test set)<\/li>\n<li>alternativa: ve\u010dkratne delitve na u\u010dno in testno mno\u017eico (k-kratno pre\u010dno preverjanje (angl. k-fold cross-validation)); CV in LOOCV<\/li>\n<li>metoda bootstrap<\/li>\n<li>prekomerno prilagajanje modela (angl. overfitting)<\/li>\n<\/ul>\n<\/li>\n<li>Primerjanje uspe\u0161nosti razli\u010dnih algoritmov<\/li>\n<li>Ocenjevanje atributov\n<ul>\n<li>ReliefF<\/li>\n<li>Uporaba razlage kot filter metode<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<li>Metode strojnega u\u010denja\n<ul>\n<li>Klasifikacijski alg.: naklju\u010dni gozdovi (RF), metoda k najbli\u017ejih sosedov (k-NN), odlo\u010ditvena drevesa (J48), naivni Bayesov klasifikator (NB), metoda podpornih vektorjev (SMO), nevronske mre\u017ee (MLPC)<\/li>\n<li>Predikcijski alg.: naklju\u010dni gozdovi (RF), linearna regresija (LR), nevronske mre\u017ee (MLPR), regresijska drevesa (M5P), metoda podpornih vektorjev (SMOreg)<\/li>\n<li>U\u010denje z ansambli metod (kombiniranje algoritmov: bagging, boosting, voting, stacking, random forest)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>[\/vc_column_text][\/vc_tta_section][vc_tta_section i_icon_fontawesome=&#8221;fa fa-bookmark&#8221; add_icon=&#8221;true&#8221; title=&#8221;Pridobljene kompetence&#8221; tab_id=&#8221;1546119145441-58b132f2-07a536d3-60fce443-522a7349-b78b&#8221;][vc_column_text]<\/p>\n<ul>\n<li>na temo programskega jezika Java:\n<ul>\n<li>zna identificirati osnovne prijeme, primerne za re\u0161evanje problema<\/li>\n<li>samostojno re\u0161uje algoritmi\u010dno usmerjene problemske naloge<\/li>\n<li>zna konstruirati pravilni algoritem za dani problem z uporabo osnovnih prijemov<\/li>\n<li>obvladuje tehnike razvojnega orodja<\/li>\n<li>zna uporabiti metodologije za razvoj programskih re\u0161itev<\/li>\n<li>zna uporabiti osnovne in razvirti lastne algoritme<\/li>\n<li>razume abstraktne koncepte<\/li>\n<\/ul>\n<\/li>\n<li>na temo umetne inteligence:\n<ul>\n<li>zna analizirati podatke z izbranimi metodami strojnega u\u010denja<\/li>\n<li>zna samostojno razvijati, izvajati in uporabljati metode strojnega u\u010denja za re\u0161evanje realnih problemov<\/li>\n<li>zna uporabiti metode strojnega u\u010denja pri na\u010drtovanju in izvedbi zahtevnih problemskih nalog<\/li>\n<li>zna rokovati s podatki, ki se uporabljajo pri PSG kalibraciji.<\/li>\n<li>zna samostojno uporabljati programskega orodja za strojno u\u010denje (Weka GUI)<\/li>\n<li>uporablja knji\u017enice Weka (Java API) za implementacijo lastnih programskih re\u0161itev<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>[\/vc_column_text][\/vc_tta_section][\/vc_tta_accordion][\/vc_column][vc_column width=&#8221;1\/4&#8243;][stm_animation_block type=&#8221;fade-down&#8221; duration=&#8221;3000&#8243; delay=&#8221;2000&#8243;][vc_btn title=&#8221;Vklju\u010dite se&#8221; style=&#8221;flat&#8221; color=&#8221;success&#8221; size=&#8221;lg&#8221; i_icon_fontawesome=&#8221;lnr lnr-pushpin&#8221; add_icon=&#8221;true&#8221; link=&#8221;url:http%3A%2F%2Fwww.munera3.si%2Flms%2F||target:%20_blank|&#8221; css=&#8221;.vc_custom_1551790828446{margin-top: 38px !important;}&#8221;][vc_zigzag color=&#8221;vista_blue&#8221; css=&#8221;.vc_custom_1548872459573{margin-top: 10px !important;border-bottom-width: 20px !important;}&#8221;][vc_empty_space height=&#8221;15px&#8221;][vc_column_text]<\/p>\n<h4><strong>Kako se\u00a0registriram?<\/strong><\/h4>\n<p>[\/vc_column_text][vc_video link=&#8221;https:\/\/www.youtube.com\/embed\/E9Q5qkq70LE&#8221;][vc_widget_sidebar sidebar_id=&#8221;default&#8221;][\/stm_animation_block][\/vc_column][\/vc_row]<\/p>\n<\/section>","protected":false},"featured_media":2120,"template":"","drzava":[],"class_list":["post-2116","seminar","type-seminar","status-publish","has-post-thumbnail","hentry"],"_links":{"self":[{"href":"https:\/\/www.munera3.si\/index.php?rest_route=\/wp\/v2\/seminar\/2116","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.munera3.si\/index.php?rest_route=\/wp\/v2\/seminar"}],"about":[{"href":"https:\/\/www.munera3.si\/index.php?rest_route=\/wp\/v2\/types\/seminar"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.munera3.si\/index.php?rest_route=\/wp\/v2\/media\/2120"}],"wp:attachment":[{"href":"https:\/\/www.munera3.si\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=2116"}],"wp:term":[{"taxonomy":"drzava","embeddable":true,"href":"https:\/\/www.munera3.si\/index.php?rest_route=%2Fwp%2Fv2%2Fdrzava&post=2116"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}