Uczenie maszynowe w Pythonie

by:
Czas trwania 3 dni

Najbliższe terminy tego szkolenia

03.11 05.11
Szkolenie online
Zapisz się
15.11 17.11 Termin gwarantowany Szkolenie online
Zapisz się
14.02 16.02
Szkolenie online
Zapisz się
04.05 06.05
Szkolenie online
Zapisz się

Szkolenie
dedykowane
dla Twojego
zespołu

Udział online 2100 PLN (netto)
Szkolenie stacjonarne 2400 PLN (netto)

Skuteczność

W naszej pracy nadrzędną wartością jest skuteczność szkoleń. Jako programiści rozumiemy, że w nauce chodzi przede wszystkim o skuteczność. Wszystkie elementy procesu szkolenia, od doboru właściwego trenera do przemyślanej warsztatowej formuły są po to, by to osiągnąć. Doskonalimy się w tym od 2008 roku. Możesz więc na nas polegać!

Program szkolenia

  1. Co to jest uczenie maszynowe?
    • Statystyka a uczenie maszynowe
    • Rodzaje problemów
    • Przykładowe metody
    • Rodzaje błędów popełniancych przez algorytmy
    • Ekosystem uczenia maszynowego w Pythonie
  2. Regresja liniowa
    • Najprostsza metoda predykcyjna
    • Od jednej zmiennej do wielu
    • Wstępna obróbka danych
    • Wlidacja predykcji
    • Interpretacja ważności parametrów
  3. Regresja logistyczna
    • Przewidywanie kategorii
    • Różnica pomiędczy klasyfikacją a regresją
    • Walidacja predykcji
    • Interpretacja ważności parametrów
  4. Drzewa decyzyjne
    • Jako ogólna metoda do klasyfikacja
    • Kluczowe różnice pomiędzy metodami liniowymi
    • Zjawisko przeuczania (overfitting) i jak mu przeciwdziałać
  5. Random Forest - jedna z najbardziej praktycznych metod
    • Wprowadzenie do RF
    • Ustalenia parametrów
    • Wady i zalety RF w porównaniu z innymi metodami
    • Przetwarzanie danych pod RF
    • Ważność parametrów
  6. XGBoost - trudniejsze, ale i potężniejsze narzędzie
    • Wprowadzenie do boosted trees
    • Porównanie z RF - z zaletami i wadami
    • Ustalanie hiperparametrów
    • Metoda “grid search”
    • Ważność parametrów
  7. Projekt
    • Projekt end-to-end, od pozyskania danych do ich czytelnej prezentacji
    • Praca w małym zespole
    • Mentoring prowadzącego

Opis szkolenia

Szkolenie odbywa się na żywo z udziałem trenera. Nie jest to forma kursu video!

Wstęp do uczenia maszynowego w najpopularniejszym środowisku - Pythonie. Będziemy używać interaktywnego środowiska Jupyter Notebook, pozwalającego na interaktywną pracą z danymi. Celem jest nabycie umiejętności praktycznego zastosowania uczenia maszynowego do typowych problemów z klasyfikacji i regresji. Wszystkie problemy będą przerabiane na rzeczywistych zbiorach danych. Wszystko w pakiecie scikit-learn - będącym kluczowym pakietem do uczenia maszynowego.

Terminy gwarantowane Jeśli jakiś termin oznaczony jest jako gwarantowany to oznacza to że na 100% się odbędzie we wskazanym czasie i miejscu. Więcej
Szkolenia online i udział online Szkolenia online odbywają się na żywo z udziałem trenera. Uczestniczy łączą się na szkolenie za pomocą platfomy ZOOM. Informacje o wymaganym niezbędnym oprogramowaniu oraz informacje organizacyjne uczestnicy otrzymują na 7 dni przed datą rozpoczęcia szkolenia. W każdym szkoleniu stacjonarnym możesz brać udział online. Więcej
Inne szkolenia tej kategorii Sprawdź pozostałe szkolenia Python!
Vouchery Istnieje możliwość wykupienia vouchera z roczną ważnością. Można zakupić przedpłaconą usługę szkoleniową w jednym okresie rozliczeniowym, a zrealizować w innym. Więcej

Trenerzy kategorii Python

Wojciech Grzybek
Andrzej Klusiewicz

Masz jakieś pytania? Skontaktuj się z nami!

Odpowiadamy na telefony i maile w godzinach 9:00-17:00 od poniedziałku do piątku.

Szkolenia otwarte 22 299 53 69
Szkolenia zamknięte i grupy 733 908 205
Napisz do nas

Potrzebujesz więcej informacji?

Wiadomość wysłana

Przyjęliśmy Twoją wiadomość i skontaktujemy się z Tobą w tej sprawie

Klikając OK wrócisz do formularza

Nasza strona korzysta z plików cookie. Możesz zmienić zasady ich używania lub zablokować pliki cookie w ustawieniach przeglądarki. Więcej informacji można znaleźć w Polityce prywatności. Kontynuując korzystanie ze strony, wyrażasz zgodę na używanie plików cookie.