Kompleksowe szkolenie Machine Learning
Poziom
PodstawowyCzas
45h / 6 dniTermin
IndywidualnieCena
IndywidualnieKompleksowe szkolenie Machine Learning
Produkowanie coraz większej liczby danych przez ludzi doprowadziło do sytuacji, w której dotychczasowe narzędzia przestały wystarczać. Dodatkowo, nic nie wskazuje, by liczba ta miała zacząć maleć, co potwierdza tezę, że zapotrzebowanie na specjalistów uczenia maszynowego będzie rosło. Popularność hasła „Machine Learning” w Google Trends wskazuje na to, że popularność i zainteresowanie tematem rośnie w olbrzymim tempie.
Dla kogo jest to szkolenie?
Dla programistów, analityków danych, analityków biznesowych, marketerów, designerów i wszystkich tych, którym uczenie maszynowe znacznie ułatwia pracę-
Dla osób, które wiedzą już co nieco o przetwarzaniu i analizie danych – ułatwi to zrozumienie przekazywanego materiału
-
Dla osób, które mają podstawowe doświadczenie w programowaniu w języku Python.
Czego nauczysz się na szkoleniu?
- Będziesz wykorzystywał Pythona w projektach Machine Learningowych – do tego pomogą Ci między innymi biblioteki Pandas, NumPy, scikit-learn oraz Matplotlib
- Po zapoznaniu się z niezbędnymi narzędziami i bibliotekami rozpoczniesz dalszą naukę obejmującą m.in.: pracę z plikami, czyszczenie danych oraz modele uczenia maszynowego
- Poznasz praktyki, które pozwolą lepiej zarządzać kodem oraz strukturą projektu podczas tworzenia aplikacji webowych
- Pisząc kod, będziesz zwracał szczególną uwagę na możliwość jego łączenia z kodem innych osób
- Poznasz język programistów, pojęcia, zasady i dobre praktyki pracy z danymi. Nauczysz się poprawnej komunikacji w zespole programistycznym
Program szkolenia
Moduł 1: Wstęp do Machine Learning
- wprowadzenie do tematu uczenia maszynowego
- podstawowe pojęcia
- sens podziału danych na treningowe, walidacyjne, testowe
- różne rodzaje uczenia maszynowego
- dane jako cechy
- dane jakościowe i dane ilościowe
Moduł 2: Przetwarzanie i analiza danych
zapoznanie z bibliotekami:
- Pandas
- numpy
- matplotlib
- scikit-learn
- praca z plikami
- data cleaning
- data wrangling
Moduł 3: Jupyter Notebook
- środowisko interaktywne
- wirtualne środowisko pythona
- komórki, kod, markdown
- widgety
- IPython
Moduł 4: Modele uczenia maszynowego
- regresja liniowa
- regresja logistyczna
- drzewo decyzyjne
- random forest
- XG Boost
- naive bayes
- klasyfikacja KNN
- SVM
Moduł 5: Porównanie modeli i konsolidacja
- metody wyboru modeli do specyficznych zastosowań
- porównanie różnych modeli
- ćwiczenia praktyczne
Pobierz program
Pobierz szczegółowy program w PDF, żeby dowiedzieć się więcej o godzinach i tematach zajęć.
