Uczenie maszynowe w Pythonie

Najbliższe terminy tego szkolenia

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
Udział online 2100,00 PLN (netto)
Szkolenie stacjonarne 2400,00 PLN (netto)
Czas trwania 3 dni

Czy wiesz, że możemy takie szkolenie zorganizować specjalnie dla Twojej firmy?

Dowiedz się więcej

Czego się nauczysz?

  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

Najbliższe terminy tego szkolenia

Kto będzie Cię uczyć?

Marcin Bazydło

Andrzej Klusiewicz

Co wyróżnia szkolenia Python w JSystems?

Szkolenia na wysokim poziomie
Instruktorzy praktycy z wieloletnim doświadcze- niem
Znaczna część szkolenia to warsztaty
Komfortowe sale i przestrzeń wspólna
Zachowany dystans społeczny (COVID-19)
Gwarantowane terminy szkoleń
Dużo ćwiczeń
Przystępne ceny

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.