Informujemy, że w związku z sytuacją gospodarczą i wzrostem kosztów z dniem 15 sierpnia 2022 ceny szkoleń ulegną zmianie. Aktualny cennik szkoleń obowiązuje do 15.08.2022


Uczenie maszynowe w Pythonie

by:
Czas trwania 3 dni

Najbliższe terminy tego szkolenia

19.09 21.09
Szkolenie online
Zapisz się
28.11 30.11 Termin gwarantowany Szkolenie online
Zapisz się

Szkolenie
dedykowane
dla Twojego
zespołu

Cena szkolenia 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.

Szkolenie w pakiecie

To szkolenie jest też elementem pakietu szkoleń "Programista Python Data Science".

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!

Sprawdź, co mówią o nas ci, którzy nam zaufali

  • 4.81/5

    Uczenie maszynowe w Pythonie

    18-11-2021 Polecam to szkolenie! Wojciech Zając, ING Business Shared Services B.V.

Trenerzy kategorii Python

Wojciech Grzybek
Paweł Stasiński
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.