Introduction to machine learning algorithms in particle physics with emphasis on practical applications.
Last update: Krtička Milan, prof. Mgr., Ph.D. (03.05.2024)
Úvod do algoritmů strojového učení v částicové fyzice s důrazem na praktické použití.
Last update: Krtička Milan, prof. Mgr., Ph.D. (03.05.2024)
Aim of the course -
The course "Machine Learning in Particle Physics" provides students with a basic introduction to machine learning applications with an emphasis on practical skills. Classes are taught on the Chimera computing cluster, where students work with Jupyter notebooks and install the necessary libraries, including TensorFlow. Students are introduced to basic machine learning concepts such as classification, regression, generalization error, loss functions, and metrics. Emphasis is placed on understanding and practical use of the TensorFlow API, including data conversion and manipulation. The course includes an introduction to various neural network architectures, such as logistic regression, multilayer perceptron, convolutional and recurrent networks, and transformers, with applications focused on common problems in particle physics. The course is taught in a tutorial format where students actively apply the knowledge they have acquired. It is recommended that students bring their laptop with an internet connection.
Last update: Scheirich Daniel, Mgr., Ph.D. (26.08.2024)
Kurz "Strojové učení v částicové fyzice" poskytuje studentům základní úvod do aplikací strojového učení s důrazem na praktické dovednosti. Výuka probíhá na výpočetním clusteru Chimera, kde studenti pracují s Jupyter notebooky a instalují nezbytné knihovny, včetně TensorFlow. Studenti se seznámí se základními koncepty strojového učení, jako jsou klasifikace, regrese, generalizační chyba, ztrátové funkce a metriky. Důraz je kladen na pochopení a praktické použití TensorFlow API, včetně konverze a práce s daty. Kurz zahrnuje úvod do různých architektur neuronových sítí, jako je logistická regrese, multilayer perceptron, konvoluční a rekurentní sítě, a transformery, s aplikacemi zaměřenými na řešení problémů v částicové fyzice. Kurz je veden formou tutoriálu, kde studenti aktivně aplikují nabyté znalosti. Je doporučeno, aby si studenti přinesli svůj laptop s připojením k internetu.
Last update: Scheirich Daniel, Mgr., Ph.D. (26.08.2024)
Course completion requirements -
The final grade will be based on a combination of the written exam and homework.
Last update: Scheirich Daniel, Mgr., Ph.D. (26.08.2024)
Známka bude udělena na základě písemné zkoušky a domácích úkolů.
Last update: Scheirich Daniel, Mgr., Ph.D. (26.08.2024)
Entry requirements -
basic (rudimentary) knowledge of python
Last update: Scheirich Daniel, Mgr., Ph.D. (26.08.2024)
základní (rudimentární) znalost jazyka python
Last update: Scheirich Daniel, Mgr., Ph.D. (26.08.2024)
