Tento repozitář obsahuje materiály ke cvičením z Přírodou inspirovaných algoritmů (NAIL119) vedeným Matyášem Lorencem.
Materiály jsou rozdělené do složek po jednotlivých tématech, tak jak jsou procházeny na hodinách. V každé složce se nachází Jupyter Notebook s ukázkou látky z daného tématu, případně potřebná podkladová data nebo suplementární soubory s kódem.
Veškerý kód je psaný v Pythonu. V každé složce se též nachází soubor requirements.txt s knihovnami potřebnými pro seběhnutí příslušného kódu. Stejně tak je zde na kořenové úrovni k dispozici soubor all_requirements.txt, v němž jsou tyto jednotlivé požadavky shrnuty v jednom souboru. Můžete tak buď mít jedno virtuální prostředí pro každou hodinu, nebo jedno společné pro celý kurz – požadované knihovny by neměly být v konfliktu.
(Pozn.: Pro některá témata využívající knihovnu TensorFlow by se Vám mohla hodit podpora GPU, bez níž běží kód výrazně pomaleji (i když i bez ní seběhne). Byť je zprovoznění TensorFlow na vašem případném grafickém procesoru netriviální – kor třeba oproti v těchto materiálech nevyužívanému konkurenčnímu PyTorchi (jejž bych Vám v případě dalšího zájmu o neuronové sítě radil spíše používat) – doporučuji Vám pokusit se to učinit. I kdyby jen jako lekci v tom, co vlastně akcelerace na grafických kartách požaduje, a bližší seznámení se s ní.)
Dále se v některých podsložkách vyskytují soubory optional_requirements.txt, jež obsahují knihovny, které nejsou nutné pro hlavní funkcionalitu kódu, ale odemykají jeho některé možnosti. Vyžadují ovšem instalaci dalšího softwaru bokem (toto je dále rozváděno v jednotlivých příslušných Jupyter Notebook souborech). Nainstalujete-li volitelné knihovny bez podkladového softwaru, příslušný kód v daném Notebooku bude vyhazovat chybu. Pokud knihovny nenainstalujete, Notebook vás jen upozorní, že na daném místě by byla k dispozici daná funkcionalita, ale vy ji nemáte zprovozněnou. Všechny tyto volitelné požadavky jsou opět shrnuty na kořenové úrovni repozitáře v souboru optional_requirements.txt.
Nakonec je Vám v kořenové úrovni tohoto repozitáře k dispozici i skript get_code.py (vyžaduje pipem instalovaný package jupyter), který Vám umožní extrahovat z libovolného vstupního Jupyter Notebooku Pythonní kód z kódových buňek daného Notebooku do jednoho .py souboru, aniž byste ho museli postupně vykopírovávat.
Pokud byste v kódu, textech, kdekoli našli nějakou chybu, nepřesnost, něco by se Vám nezdálo, nebojte se ozvat cvičícímu. Budete mít malé, zato však bezvýznamné plus za pomoc s korekcí materiálů.
UPOZORNĚNÍ: Běžný postup zde je, že před dalším rokem výuky se tento repozitář smaže, aby byl zas nahrazen novým, plněným doplňujícími materiály u jednotlivých témat postupně v průběhu semestru. Chcete-li si tedy některý jeho obsah ponechat pro další využití, stáhněte si ho před tímto promazáním.