Menu Zavrieť

Big data v elektroenergetike

Študijný odbor:Elektrotechnika
Študijný program:Elektroenergetika
Rozsah:2/2/1 (P/CL/PP)
Počet kreditov:6
Osoba zodpovedná za predmet:doc. Ing. Jaroslav Petráš, PhD.
Prednáša:doc. Ing. Jaroslav Petráš, PhD.
Cvičí:doc. Ing. Jaroslav Petráš, PhD., Ing. Ľubomír Pallaj
Podmieňujúce predmety:–
Hodnotenie a ukončenie:zápočet a skúška.
Priebežné hodnotenie:Test a projektová práca.
Záverečné hodnotenie:skúška.

Cieľ predmetu: Oboznámiť študentov s nástrojmi strojového učenia v elektroenergetike, pokročilými postupmi programovania v jazyku Python pre aplikáciu na úlohy v elektroenergetike, metódami štatistického vyhodnocovania veľkých dát získaných IoT zariadeniami v elektroenergetike.

Stručná osnova predmetu

  1. Základné definície a pojmy z oblasti umelej inteligencie. Neurónové siete, základné rozdelenie architektúr, typické oblasti ich použitia v elektroenergetike, trénovanie modelov strojového učenia pre predikčné úlohy na trhu s elektrickou energiou. Príprava dát, tenzory, feature engineering.
  2. Supervised learning, rekurentné NN pre predikcie v oblasti elektroenergetiky, unsupervised learning, klasterizačné algoritmy.
  3. Posilňovacie učenie v elektroenergetike a v automatizovaných elektroinštalačných systémoch.
  4. Základy programovania v jazyku Python, premenné, dátové typy, cykly, ostatné konštrukty jazyka, funkcie, moduly, balíčky, triedy, objekty, knižnica NumPy pre vedecké výpočty v elektroenergetike.
  5. Knižnice Tensorflow, TensorflowJS a Keras pre implementáciu NN sietí pre úlohy z oblasti elektroenergetiky, predikčných úloh na trhu s elektrickou energiou.
  6. Štatistické metódy pre veľké dáta v elektroenergetike – štatistické triedenie, vizualizácia štatistických údajov, charakteristiky polohy, charakteristiky variability, pravdepodobnosť, náhodné premenné, inferenčná štatistika, dvojrozmerná štatistika, kontingencia a korelácia, ostatné štatistické metódy, definícia veľkých dát, zber a záznam veľkých dát z IoT zariadení v elektroenergetike.

Časový rozvrh výučby

Odporúčaná literatúra

  1. Francois Chollet: Deep learning v jazyku Python, Grada, 2023, 2. vyd, ISBN: 9788027151332
  2. Phil Winder: Reinforcement learning, O’Reilly Media, Inc, USA, ISBN: 1098114833
  3. Rudolf Pecinovský: Začínáme programovat v jazyku Python, 2. vydanie, Grada, 2022, ISBN: 978-80-271-3609-4
  4. Gant Laborde: Learning Tensorflow.js, O’Reilly Media, Inc., 2021, ISBN: 9781492090793