Uczenie maszynowe w Python – szybki start

online 3 dni

Celem szkolenia jest wprowadzenie uczestników w zagadnienia uczenia maszynowego (ang. machine learning) w środowisko Python. Zostanie omówiona główna idea uczenia maszynowego, podstawowy zestaw metod oraz dobre praktyki realizacji projektów uczenia maszynowego w środowisku Python.
Algorytmy modelowania będą przedstawione na poziomie pozwalającym na prawidłowy dobór narzędzi, świadome korzystanie z metod oraz prawidłową ocenę wyników. Uczenie odbędzie się poprzez rozwiązywanie przykładowych zadań w środowisku Python, przy czym nacisk zostanie położony na metody modelowania, a nie na kodowanie.

Dla kogo?

  • osób zajmujących się w swojej pracy zagadnieniami uczenia maszynowego (ang. machine learning)
  • osób pragnących zapoznać się z bibliotekami Scikit-learn, Tensorflow 2.0/Keras i XGBoost

Co zyskasz?

  • Znajomość podstawowych pojęć i metod uczenia maszynowego (ang. machine learning)
  • Umiejętność tworzenia, oceny i strojenia model
  • Znajomość podstaw sieci neuronowych i pracy z nimi w Keras

  • Program
  • Prowadzący
  • Informacje organizacyjne
  • Ceny

Program szkolenia:

  1. Podstawy uczenia maszynowego
    • Rodzaje zadań
    • Przeuczenie
  2. Prowadzenie projektów uczenia maszynowego
  3. Przegląd i przypomnienie elementów środowiska Python wykorzystywanych w uczeniu maszynowym
  4. Scikit-learn – wprowadzenie
  5. Drzewa decyzyjne
  6. Segmentacja bezwzorcowa (analiza skupień)
    • Metoda k średnich
    • DBSCAN
  7. Analiza składowych głównych
  8. Potoki (pipelines)
  9. Losowy las
  10. Drzewa wzmacniane i XGBoost
  11. Sieci neuronowe
    • Podstawy sieci neuronowych
    • Keras i Tensorflow
    • Tworzenie, ocena i strojenie sieci – przykłady

Polecamy inne szkolenia:

  • Wykrywanie anomalii w procesach z wykorzystaniem uczenia maszyn (machine learning)
  • Eksploracja, wizualizacja i przygotowanie danych w Python – szybki start
  • Prognozowanie metodami uczenia maszynowego w Python

Podobne szkolenia

Wprowadzenie do analizy mocy testu i szacowania liczebności próby

W badaniach empirycznych przy weryfikacji hipotez badawczych powszechnie korzysta się z zasad wnioskowania statystycznego. Badacz formalnie stawia hipotezę o braku efektu (zróżnicowania lub […]

Dowiedz się więcej

Multivariate Analysis

Most popular methods of multivariate data analysis are presented in the course. They can be used to analyse complex phenomena characterized by many variables. […]

Dowiedz się więcej

Modele klasyfikacyjne w nauce – budowa, interpretacja i ocena

Zagadnienie klasyfikacji obiektów jest jednym z powszechniej definiowanych zadań analitycznych w obrębie szeroko rozumianych badań naukowych, począwszy od badań społecznych a skończywszy na badaniach przyrodniczych. […]

Dowiedz się więcej

Masz pytania?

Porozmawiaj z nami!

Jesteśmy tutaj, aby pomóc i rozwiać wszystkie Twoje wątpliwości. Wypełnij formularz, napisz do nas maila lub zadzwoń – odpowiemy najszybciej, jak to możliwe!

    Przejdź do treści