Sztuczna inteligencja (AI) w wielowymiarowej analizie danych

online 2 dni

Software: Python | Level: Intermediate | Language: Polish

Dla kogo?
Szkolenie przeznaczone jest dla analityków pragnących nauczyć się efektywnie wykorzystywać narzędzia generatywnej AI w wielowymiarowej analizie danych. Podczas szkolenia szczegółowej analizie zostaną poddane zbiory danych, wymagające szeregu zabiegów związanych z czyszczeniem danych, selekcją zmiennych czy wyborem modelu. W trakcie zajęć krok po kroku realizowane będą kolejne zadania analityczne co pozwoli dodatkowo na całościowe spojrzenie na proces analizy. Proces budowy modeli realizowany będzie w środowisku Python.

Co zyskasz?

Znajomość zasad działania generatywnej AI oraz praktycznych technik jej wykorzystania
Wiedzę jak rozwiązywać problemy pojawiające się podczas realizacji kolejnych etapów wielowymiarowej analizy danych
Nowe możliwości rozwoju zawodowego i osobistego
Dodatkowe, indywidualne konsultacje z trenerem po zajęciach

Book / Enquire

Program
Speaker
Organizational information

Pogram szkolenia:

Analiza skupień
- Wymagania I założenia metod analizy skupień
- Ocena jakości danych i ich przygotowanie
- Wybrane metody analizy skupień
  - Metody hierarchiczne
  - Metoda k-średnich
  - Grupowanie gęstościowe (ang. density-based)
  - Sieci Kohonena
- Identyfikacja liczby skupień
- Ocena jakości i stabilności modelu
- Interpretacja uzyskanych wyników
Redukcja wymiarowości
- Wymagania i założenia metod redukcji wymiarowości
- Przygotowanie danych
- Wybrane metody redukcji wymiarowości
  - Analiza składowych głównych (ang. Principal Copmonent Analysis, PCA)
  - Rzadka analiza składowych głównych (ang. Sparse Principal Component Analysis, SparsePCA)
  - Analiza czynnikowa (ang. Factor Analysis, FA)
- Identyfikacja liczby wymiarów
- Ocena jakości modelu
- Interpretacja uzyskanych wyników
Dodatkowe metody wielowymiarowe
- Skalowanie wielowymiarowe
- t-SNE

[PL] Grzegorz Migut z brodą, w ciemnej marynarce i jasnoniebieskiej koszuli w kropki, ze złączonymi dłońmi, na jednolitym tle. [EN] Grzegorz Migut with a beard in a dark blazer and a light blue polka-dot shirt, with clasped hands, against a plain background.

Grzegorz Migut, PhD

PhD from the Cracow University of Economics, College of Management and Quality Sciences. MSc in Economic Informatics.
He teaches in the postgraduate Business Intelligence program at the Warsaw School of Economics and the Biostatistics postgraduate program at the Medical University of Łódź.
With over 20 years of experience in data analytics and machine learning, he has led major analytical projects in finance and industry, as well as in medical and natural sciences.
Trainer at StatSoft Poland since 2006. Current courses include:
• Neural Networks,
• Logistic Regression in Medical and Natural Sciences,
• Multivariate Analysis in Python,
• Statistics in Medicine – Analysis of Qualitative Data,
• Classification Models in Science – Building, Interpreting, and Evaluating,
• Statistics in Scientific Research – Applications and Best Practices,
• Forecasting and Data Analysis in Energy.

Wymagania sprzętowe i oprogramowanie

Zainstalowane środowisko Anaconda lub Miniconda
Komputer z aktualnym systemem Windows, Linux, Mac OS (spełniający wymogi Anaconda/Miniconda)
8 GB RAM
procesorem Intel Core i5 6 generacji lub szybszy
W przypadku szkoleń on-line komputer umożliwiający dostęp do platformy szkoleniowej

Polecamy inne szkolenia:

Uczelnie maszynowe w Python – szybki start
Eksploracja, wizualizacja i przygotowanie danych w Python – szybki start
Sztuczna inteligencja (AI) w procesie budowy modeli uczenia maszynowego

Similar courses

Wizualizacja danych w Statistica

Uczestnicy szkolenia poznają różnorodne graficzne metody przedstawiania i eksploracji danych surowych, sprawdzania założeń metod analitycznych oraz czytelnej prezentacji wyników przeprowadzonych […]

Learn more

Analizy wielowymiarowe w Python

Podczas kursu zaprezentowane zostaną najpopularniejsze metody wielowymiarowe, które znajdują zastosowanie w analizie zjawisk złożonych, opisanych za pomocą dużej liczby zmiennych. […]

Learn more

Data mining – metody predykcyjne

W trakcie kursu zostaną zaprezentowane wybrane techniki data mining i uczenia maszynowego (machine learning) m.in. drzewa klasyfikacyjne i regresyjne, drzewa […]

Learn more

Do you have questions?

Get in Touch!

Our team is ready to help with any questions you might have. Just fill out the form, send us a message, or give us a call, and we’ll get back to you as soon as we can!

info@statsoft.pl

+48 12 428 43 00

Contact details