Sprawdź 141 GWARANTOWANYCH TERMINÓW SZKOLEŃ na rok 2026! Dofinansowanie do 100% — sprawdź możliwości z BUR i KFS!
Szkolenie Python

Uczenie maszynowe w Pythonie

Praktyczny kurs ML w Pythonie z biblioteką scikit-learn. Regresja, klasyfikacja, Random Forest, XGBoost. Algorytmy stojące za rekomendacjami YouTube/Netflix, wykrywanie oszustw, klasteryzacja. Kończy się projektem end-to-end.

więcej →
2400 PLN netto 2 952 PLN brutto Dofinansowanie BUR/KFS
Czas trwania 3 dni
Mateusz Zimoch
Mateusz Zimoch Autor szkolenia

Najbliższe terminy 9:00 – 16:00

22.06 –
Gwarantowany Online
Mateusz Zimoch Mateusz Zimoch
Ostatnie miejsca
Kliknij aby przejść do formularza zapisu
23.11 –
Gwarantowany Online
Mateusz Zimoch Mateusz Zimoch
Wolne miejsca
Kliknij aby przejść do formularza zapisu
Powiadamiaj mnie o nowych terminach gwarantowanych tego szkolenia

Powiadomienia o terminach gwarantowanych

Na podany adres e-mail będziesz otrzymywać informacje o pojawiających się terminach gwarantowanych szkolenia Uczenie maszynowe w Pythonie.

Z powiadomień możesz wypisać się w dowolnym momencie.

Zorganizuj to szkolenie tylko dla swojego zespołu

To szkolenie można zorganizować w formie zamkniętej — z programem dopasowanym do potrzeb Twojego zespołu, w uzgodnionym terminie i formacie.

Dowiedz się więcej

Opis szkolenia


O szkoleniu

Praktyczny, warsztatowy kurs uczenia maszynowego w Pythonie z biblioteką scikit-learn. Nauczysz się rozwiązywać dwa najczęstsze problemy biznesowe: regresję (przewidywanie liczb – cena, sprzedaż, churn) i klasyfikację (przewidywanie kategorii – spam, segmentacja klientów).

Poznasz najważniejsze rodziny algorytmów: regresję liniową i logistyczną, drzewa decyzyjne, lasy losowe (Random Forest) oraz XGBoost – standard w branżowych konkursach Kaggle. Zobaczysz algorytmy stojące za rekomendacjami na YouTube, Netflixie i Spotify, poznasz techniki wykrywania oszustw w transakcjach oraz automatycznej kategoryzacji klientów i produktów.

Wszystkie zagadnienia ćwiczymy na rzeczywistych zbiorach danych, nie na sztucznych przykładach. Każdy temat teoretyczny jest wsparty serią ćwiczeń o rosnącej trudności. Kurs kończy się projektem end-to-end w małym zespole – od pozyskania danych z zewnętrznych źródeł, po wytrenowanie modelu i prezentację wyników z mentoringiem prowadzącego.

Dla kogo?

Osoby z podstawową znajomością Pythona, optymalnie ze znajomością biblioteki Pandas do analizy danych. Wcześniejsze doświadczenie z ML nie jest wymagane.

Przejdź do programu szkolenia

Prowadzący szkolenie

Mateusz Zimoch

Mateusz Zimoch

Inżynier z silną wiedzą w dziedzinie informatyki, data science, robotyki i sztucznej inteligencji. Skuteczny lider zespołu z udokumentowanym doświadczeniem w realizacji innowacyjnych projektów. Zwycięzca konkursu US Navy na prototyp autonomicznego podwodnego drona. Założyciel dwóch startupów skupionych na rozwoju rozwiązań z zakresu wizji komputerowej opartej na sztucznej inteligencji oraz budowie autonomicznych pojazdów. Doświadczony trener i mentor, zarażający pasją do programowania i analizy danych.

Program szkolenia

  1. Co to jest uczenie maszynowe?
    • Statystyka klasyczna a uczenie maszynowe – czym się różnią i kiedy używać czego
    • Rodzaje problemów: regresja, klasyfikacja, klasteryzacja
    • Przykładowe metody – przegląd algorytmów omawianych w kursie
    • Rodzaje błędów popełnianych przez algorytmy – overfitting, underfitting
    • Ekosystem uczenia maszynowego w Pythonie – scikit-learn, pandas, NumPy
  2. Regresja liniowa
    • Najprostsza metoda predykcyjna – intuicja i typowe zastosowania biznesowe
    • Od jednej zmiennej do wielu – regresja wieloraka
    • Wstępna obróbka danych – braki, skalowanie, zmienne kategoryczne
    • Walidacja predykcji – podział na zbiór treningowy i testowy, R², RMSE, MAE
    • Interpretacja ważności parametrów – co znaczą współczynniki modelu
  3. Regresja logistyczna
    • Przewidywanie kategorii – od regresji liniowej do klasyfikacji binarnej
    • Różnica pomiędzy klasyfikacją a regresją – kiedy którą stosować
    • Walidacja predykcji – macierz pomyłek, accuracy, precision, recall
    • Interpretacja ważności parametrów – które cechy decydują o klasyfikacji
  4. Drzewa decyzyjne
    • Drzewa jako ogólna metoda do klasyfikacji i regresji – intuicja podziałów
    • Wizualizacja drzewa – jak je czytać i co z niego wnioskować
    • Kluczowe różnice pomiędzy metodami liniowymi a drzewami
    • Zjawisko przeuczania (overfitting) i jak mu przeciwdziałać – głębokość, pruning
  5. Random Forest – jedna z najbardziej praktycznych metod
    • Wprowadzenie do Random Forest – ensembling przez wiele drzew
    • Ustalanie parametrów – liczba drzew, głębokość, liczba cech na podział
    • Wady i zalety RF w porównaniu z innymi metodami
    • Przetwarzanie danych pod Random Forest – mniejsze wymagania niż modele liniowe
    • Ważność parametrów – feature importance
  6. XGBoost – trudniejsze, ale potężniejsze narzędzie
    • Wprowadzenie do boosted trees – sekwencyjne uczenie się na błędach
    • Porównanie z Random Forest – kiedy boosting wygrywa, a kiedy przegrywa
    • Instalacja i podstawowe API XGBoost
    • Ustalanie hiperparametrów – learning rate, głębokość, regularyzacja
    • Metoda „grid search” – automatyczne szukanie najlepszych parametrów
    • Ważność parametrów – interpretacja modelu
  7. Algorytmy rekomendacyjne, wykrywanie oszustw, automatyczna kategoryzacja
    • Systemy rekomendacyjne – jak działa rekomendacja na YouTube, Netflixie i Spotify
    • Wykrywanie oszustw (fraud detection) w transakcjach
    • Automatyczna kategoryzacja danych (klasteryzacja)
  8. Projekt
    • Projekt end-to-end – od pozyskania danych do czytelnej prezentacji
    • Praca w małym zespole
    • Mentoring prowadzącego

Terminy gwarantowane

Szkolenia oznaczone jako "termin gwarantowany" odbędą się w zaplanowanym terminie niezależnie od liczby zgłoszonych uczestników. Nie musisz się martwić, że szkolenie zostanie odwołane z powodu zbyt małej liczby zapisanych osób.

Szkolenia online

Szkolenie realizowane jest w formie zdalnej na żywo poprzez platformę ZOOM. Trener prowadzi szkolenie na żywo, a uczestnicy mogą na bieżąco zadawać pytania i wykonywać ćwiczenia. Format online zapewnia pełną interakcję z trenerem, identyczną jak przy szkoleniu stacjonarnym.

Szkolenie na żywo z trenerem — nie kurs video

To nie jest nagrany kurs video. Przez cały czas trwania szkolenia masz bezpośredni kontakt z doświadczonym trenerem-praktykiem. Możesz na bieżąco zadawać pytania, prosić o wyjaśnienie trudnych zagadnień, konsultować własne projekty i uzyskać odpowiedź na dowolne pytanie związane z tematyką szkolenia. To realne wsparcie eksperta, którego nie zapewni żaden kurs nagrany.

Certyfikat ukończenia szkolenia

Każdy uczestnik po ukończeniu szkolenia otrzymuje imienny certyfikat potwierdzający udział i zdobyte kompetencje. Certyfikat wystawiany jest przez JSystems — firmę z certyfikatem ISO 9001 — i jest honorowany przez pracodawców.

Środowisko robocze

Nie jest wymagane instalowanie żadnego oprogramowania. Każdy uczestnik szkolenia otrzymuje dostęp do gotowego środowiska w chmurze, skonfigurowanego na potrzeby szkolenia. Dostęp realizowany jest poprzez przeglądarkę lub zdalny pulpit, w zależności od szkolenia.

Zainteresowany? Zapisz się na szkolenie!

Zapisz się — wybierz termin

Sprawdź pozostałe szkolenia z kategorii:

Python

Opinie uczestników

5.0/5
Uczenie maszynowe w Pythonie

Polecam szkolenia z JSystems - profesjonalne podejcie do tematu, dobra organizacja szkolenia

Marta Kiszka Ornsson Solutions Sp. z o.o.
4.9/5
Uczenie maszynowe w Pythonie

Kompleksowy przegląd wiedzy z zakresu ML- zarówno teoretycznej, jak i praktycznej. Sprawne poruszanie się po tematach, omówienie jak największej ilości zagadnień, dających solidne podstawy do dalszego zgłębiania wiedzy. Polecam szkolenie z Mateuszem Zimochem :)

Marcin Berezowski Polskie Sieci Elektroenergetyczne Spółka Akcyjna
5.0/5
Uczenie maszynowe w Pythonie

Bradzo fajne szkolenie, "łagodnie" ale bardzo merytorycznie wprowadza w "świat AI". Duża liczba przykładów na rzeczywistych danych, każdy przykład dobrze omówiony i wyjaśniony.

Dominik Rzeszowski PSE INNOWACJE Sp. z o.o
5.0/5
Uczenie maszynowe w Pythonie

Bardzo fajne szkolenie, trener cierpliwy, wykazujący się bardzo dużą wiedzą, temat przedstawiony w sposób prosty ale rzeczowy i profesjonalny.

Krzysztof Gołda Tenneco Automotive Eastern Europe
4.9/5
Uczenie maszynowe w Pythonie

Szkolenie interesujące i godne polecenia

Rafał Radziwiński Orange Szkolenia Sp. z o.o.
4.8/5
Uczenie maszynowe w Pythonie

Polecam to szkolenie!

Wojciech Zając ING Business Shared Services B.V.
Pokaż wszystkie opinie Google Opinie w Google

Zaufali nam

...i wiele innych

5,0 - średnia ocena na podstawie 285 opinii

Dlaczego warto nas wybrać?

Terminy gwarantowane na 100%

Jeśli termin jest oznaczony jako gwarantowany, odbędzie się we wskazanym czasie — nawet jeśli część grupy wycofa się z udziału. Ryzyko organizacyjne ponosimy my, nie Ty.

100% format warsztatowy

Każde zagadnienie teoretyczne jest poparte ćwiczeniami praktycznymi o rosnącym poziomie trudności. Uczymy przez działanie, nie przez slajdy.

Trenerzy-praktycy z oceną min. 4.75/5

Każdy trener JSystems ma bogate doświadczenie komercyjne w technologiach których uczy i musi utrzymywać średnią z ankiet powyżej 4.75 na 5. Czerwony pasek to u nas minimum ;)

Gotowe środowiska w chmurze

Do każdego szkolenia wymagającego oprogramowania dostarczamy skonfigurowane, gotowe hosty w chmurze. Uczestnik nie musi nic instalować — łączy się przez zdalny pulpit lub SSH.

Dowiedz się dlaczego warto nas wybrać

To szkolenie jest w pakiecie
Programista Python Data Science
25% taniej w pakiecie
Pakiet −25%
A może nielimitowane szkolenia za
1 148 PLN brutto / mies.?
Sprawdź Karnet Open
KARNET OPEN na szkolenia
A może nielimitowane szkolenia za
1 148 PLN brutto / mies.?
Sprawdź Karnet Open
KARNET OPEN na szkolenia

📅 Przypomnij mi jutro

Wyślemy Ci przypomnienie z linkiem jutro rano.

Zanim wyjdziesz

Wyślemy Ci podsumowanie tego szkolenia z terminami i ceną — do przemyślenia w spokoju.

Żadnego spamu — tylko jedno podsumowanie.