Analiza danych i uczenie maszynowe

Program szkolenia

• Dzień: 1

  1. 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

• Dzień: 2

  1. Wizualizacja (biblioteki matplotlib, seaborn)
     • Wizualizacja danych, sposoby prezentacji (matplotlib, seaborn)
     • export wyników, zapisywanie wizualizacji

• Dzień: 3

  1. Praca z zasobami API i Bazami Danych (w miarę możliwości technicznych).
  2. 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)

• Dzień: 4

  1. Praca z zasobami API i Bazami Danych (w miarę możliwości technicznych).

• Dzień: 5

  1. 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