kurz Neuronové sítě

Neuronové sítě patří mezi oblíbené moderní techniky, které umožňují nový a často i efektivnější přístup pro zpracování dat. Dvoudenní kurz umožňuje seznámení jak s teoretickými principy fungování neuronových sítí, tak s jejich praktickou aplikací prostřednictvím modulu STATISTICA Automatizované neuronové sítě. Kurz poskytne přehled o architektuře neuronových sítí a metodách učení. Postup, jak dosáhnout pomocí neuronových sítí co nejlepších výsledků, bude demonstrován při řešení praktických úloh.

Program kurzu

Úvod
- Základní informace o softwaru STATISTICA
- Výukové zdroje pro software a možnosti nápovědy
Práce s recepty (wizardem)
- Princip, možnosti, využití
Práce s recepty (wizardem)
- Příprava dat (načtení, výběr proměnných, transformace, vzorkování dat, odstranění duplicitních vzorů, filtrace odlehlých hodnot, oprava chybějících údajů)
- Detekce a případné odstranění podobných vstupních příznaků (prediktorů)
- Výběr důležitých prediktorů pro požadovanou úlohu
- Vytváření klasifikačních a regresních modelů
- Vyhodnocení kvality vytvořeného modelů
- Nasazení modelu v praxi
Principy neuronových sítí
- Neuron, model neuronu
- Základní typy sítí (MLP, RBF Kohonenova)
- Struktura neuronové sítě, princip učení, reprezentace znalostí
Práce s neuronovými sítěmi
- Rozdělování dat na trénovací, validační a testovací množiny, bootstrapping, křížová validace
- Nastavení parametrů sítí (počet vrstev, neuronů, typy neuronů, post-synaptické funkce, aktivační funkce, algoritmy učení – backpropagation, problém lokálního minima, heuristiky a další)
- Automatizovaný a vlastní návrh sítě
Využití neuronových sítí
- Klasifikace
- Regrese
- Analýza časových řad
- Shluková analýza pomocí Kohonenovy neuronové sítě (SOM)
Metody výběru vhodných příznaků
Sdružování rozsáhlých skupin hodnot příznaků (binning)
Vyhodnocení kvality vytvořeného modelu
- Korelační analýza
- ROC křivka
- grafy zisku a navýšení (Gains a Lift chart)
Nasazení modelu v praxi
Práce v prostředí modulu STATISTICA Data Miner
- Práce v rámci pracovní plochy (workspaces)
- Využití přednastavených úloh
- Implementace vlastních uzlů