Uczenie maszynowe w Python – szybki start

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?

• Dla osób zajmujących się w swojej pracy zagadnieniami uczenia maszynowego (ang. machine learning)
• Dla 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 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

Godziny zajęć: 8:15 – 15:30

W ramach szkolenia zapewniamy:

• obszerne materiały szkoleniowe
• świadectwo ukończenia szkolenia
• przerwy kawowe i obiad (dla szkoleń stacjonarnych)

Forma szkolenia:

• online lub stacjonarnie
• forma danej edycji podana przy terminie szkolenia

W przypadku szkoleń online:

• zajęcia prowadzone na żywo w MS Teams
• kontakt z prowadzącym w czasie rzeczywistym

Wymagania:

• znajomość obsługi komputera w środowisku Windows, Linux, MacOs
• podstawowa znajomość ekosystemu Data Science Python
• umiejętność posługiwania się JupyterLab
• znajomość podstaw statystyki praktycznej
• rozumienie pojęć macierz, wektor itp.
• zdecydowanie zalecamy wcześniejszy udział w szkoleniu „Data Science w Python – szybki start” – osoby które nie brały udziału w tym szkoleniu, poprosimy o wypełnienie testu kwalifikacyjnego

Wymagania sprzętowe i oprogramowanie:

• zainstalowane środowisko Anaconda lub Miniconda
• komputer z aktualnym systemem Windows, Linux, Mac OS (spełniający wymogi Anaconda/Miniconda)
• 8 GB RAM
• procesor Intel Core i5 6 generacji lub szybszy

W razie potrzeby pomagamy w instalacji wymaganego oprogramowania.

Cena regularna: 3195 zł netto (+23% VAT)

Cena dla akademickich użytkowników Statistica (-15%)*: 2716 zł netto (+23% VAT)

*-15% dla akademickich użytkowników Statistica z aktywnym serwisem StatSoft Polska