Szkolenie Analiza danych i uczenie maszynowe
Poziom
ŚredniozaawansowanyCzas
40h / 5 dniTermin
IndywidualnieCena
IndywidualnieSzkolenie z Analizy danych i uczenia maszynowego
Poniżej przedstawiamy przykładowy program szkolenia, który może zostać zmodyfikowany zgodnie z oczekiwaniami oraz poziomem grupy szkoleniowej. Przed przygotowaniem docelowego programu szkolenia, przeprowadzamy rozmowę techniczną, w której bierze udział trener oraz osoba techniczna lub cały zespół developerów reprezentujący klienta, w celu ustalenia szczegółów szkolenia.
Dla kogo jest szkolenie Analiza danych i uczenie maszynowe?
Dla osób rozwijających się w stronę pracy z uczeniem maszynowym i sztuczną inteligencją.
Dla analityków danych potrzebujących narzędzi do implementacji i automatyzacji własnych analiz i algorytmów.-
Dla programistów Python chcących rozszerzyć swoje kompetencje w obszarze analizy danych i machine learning.
Czego nauczysz się na szkoleniu z analizy danych i uczenia maszynowego?
- Zdobędziesz umiejętności analizy danych i uczenia maszynowego, wykorzystując biblioteki Pythona takie jak Pandas, NumPy, SciPy, matplotlib i seaborn do efektywnego przetwarzania, analizy i wizualizacji danych.
- Nauczysz się pobierać dane, przeprowadzać analizę, wykonywać różne operacje na danych, w tym pracę z brakującymi danymi oraz procedury czyszczenia danych.
- Opanujesz techniki wizualizacji danych, w tym sposoby prezentacji danych oraz eksport i zapisywanie wizualizacji.
- Poznasz proces tworzenia modeli w bibliotece Scikit Learn, obejmujący proces uczenia, dobór hiperparametrów modeli, oraz praktyczne podejście do problemów klasyfikacji, regresji i klasteryzacji.
- Zdobędziesz wiedzę na temat pracy z sieciami neuronowymi w TensorFlow i Keras, w tym tworzenie, proces uczenia, douczanie, transfer learning, oraz typy sieci stosowane w przetwarzaniu obrazów i języka.
- Nauczysz się uprodukcyjniania modeli, w tym zagadnienia teoretyczne związane z monitoringiem i codzienną pracą z uczeniem maszynowym.
Program szkolenia
Narzędzia obliczeniowe i algorytmiczne (biblioteki Pandas, NumPy i SciPy)
- Pobieranie danych
- Analiza i metody działania i wykonywania funkcji na danych
- Operacje na danych – praca z brakami
- Procedury czyszczenia danych
Wizualizacja (biblioteki matplotlib, seaborn)
- Wizualizacja danych, sposoby prezentacji (matplotlib, seaborn)
- export wyników, zapisywanie wizualizacji
Praca z zasobami API i Bazami Danych (w miarę możliwości technicznych).
Machine Learning i Deep Learning w Pythonie
- Proces tworzenia modelu w bibliotece Scikit Learn (proces uczenia, hiperparametry modeli, praca z problemami klasyfikacji
- Proces tworzenia modelu w bibliotece Scikit Learn (proces uczenia, hiperparametry modeli, praca z problemami klasyfikacji i regresji)
Praca z zasobami API i Bazami Danych (w miarę możliwości technicznych).
Machine Learning i Deep Learning w Pythonie:
- Proces tworzenia modelu w bibliotece Scikit Learn (proces uczenia, hiperparametry modeli, praca z problemami regresji oraz klasteryzacji, porównywanie modeli)
- Praca z sieciami neuronowymi w TensorFlow i Keras (tworzenie, proces uczenia, douczanie i transfer learning, typy sieci w przetwarzaniu obrazów i języka)
- Praca z sieciami neuronowymi w TensorFlow i Keras (tworzenie, proces uczenia, douczanie i transfer learning, typy sieci w przetwarzaniu obrazów i języka)
- Uprodukcyjnianie modeli – zagadnienia teoretyczne dotyczące monitoringu i codziennej pracy z uczeniem maszynowym
Pobierz program
Pobierz szczegółowy program w PDF, żeby dowiedzieć się więcej o godzinach i tematach zajęć.
