Machine Learning w R
by:
Czas trwania
3
dni
Najbliższe terminy tego szkolenia
Cena szkolenia
1800 PLN
(netto)
Standardy JSystems
- Wszyscy nasi trenerzy muszą być praktykami i osiągać średnią z ankiet minimum 4.75 na 5. Nie ma wśród nas trenerów-teoretyków. Każdy trener JSystems ma bogate doświadczenie komercyjne w zakresie tematów z których prowadzi szkolenia.
- Wszystkie szkolenia mają format warszatowy. Każde zagadnienie teoretyczne jest poparte rzędem warsztatów w ściśle określonym formacie.
- Terminy gwarantowane na 100%. Jeśli jakiś termin jest oznaczony jako gwarantowany, oznacza to że odbędzie się nawet jeśli część grupy wycofa się z udziału. Ryzyko ponosimy my jako organizator.
Program szkolenia
- Wprowadzenie
- wyjaśnienie znaczenia często mylonych pojęć: sztuczna inteligencja (AI), Machine Learning i Deep Learning
- na czym polega Machine Learning?
- typy problemów, w których sprawdza się ML
- wymagania wobec danych: zbiór treningowy i zbiór testowy
- budowa i selekcja modeli
- na czym polega i po co stosuje się pruning (przycinanie)?
- rola doboru hiperparametrów modelu
- obecne i prognozowane zastosowania Machine Learningu
- Klasyfikacja - metody nadzorowane: analiza skupień (clustring analysis)
- zastosowania analizy skupień
- przygotowanie danych do analizy skupień
- clustering hierarchiczny: funkcja hclust()
- clustering k-średnich: funkcja kmeans()
- Mixture Models i inne metody clusteringu
- selekcja rozwiązań i interpretacja wyników analizy skupień
- Klasyfikacja - metody nienadzorowane: modele predykcyjne
- metoda k najbliższych sąsiadów (k-NN)
- zastosowania i sposób działania
- przykłady implementacji w R
- metoda Naive Bayes
- zastosowania i sposób działania
- przykłady implementacji w R
- drzewa decyzyjne: C5.0, algorytmy 1R i RIPPER, rule learners i inne
- zastosowania i sposób działania
- przykłady implementacji w R
- metoda k najbliższych sąsiadów (k-NN)
- Modelowanie zależności - metody nadzorowane
- model regresji jako narzędzie opisu i zarazem predykcji
- regresja liniowa: lm(), glm()
- interpretacja parametrów modelu
- metody poprawy rozwiązania
- regresja wielomianowa
- dodawanie interakcji międzyzmiennowych do modelu
- regresja logistyczna
- Modelowanie zależności - metody nienadzorowane
- drzewa decyzyjne (decision trees & model trees)
- zastosowania i sposób działania
- przykłady implementacji w R
- reguły asocjacji (association rules)
- zastosowania i sposób działania
- przykłady implementacji w R
- drzewa decyzyjne (decision trees & model trees)
- Dostrajanie hiperparametrów modelu (tuning)
- ogólne reguły doboru hiperparametrów modelu
- wykorzystanie pakietu caret do automatycznego dostrajania modelu
- Poprawa rozwiązań
- metody poprawy rozwiązań: meta-learning: bagging & boosting
- lasy losowe (random forests)
- Podsumowanie
- czego jeszcze z obszaru ML warto się nauczyć?
- przydatne materiały: książki, tutoriale, autoszkolenia i blogi
Opis szkolenia
Szkolenie odbywa się na żywo z udziałem trenera. Nie jest to forma kursu video!-
Po ukończeniu tego szkolenia uczestnik będzie potrafił:
- Rozstrzygnąć, czy dany problem analityczny wymaga i dopuszcza zastosowanie metod uczenia maszynowego
- Adekwatnie dobrać metodę uczenia maszynowego do problemu i struktury danych
- Przygotować dane do analizy, m.in. tworząc zbiory treningowy i testowy
- Uruchomić model w środowisku R i zinterpretować wyniki
- Przeprowadzić analizę skupień / regresję wielozmiennową klasycznymi metodami nadzorowanymi i porównać jakość rozwiązania z modelem wygenerowanym z wykorzystaniem metod Machine Learning
- Dostroić parametry modelu i ocenić jakość rozwiązania
- Zastosować procedury służące poprawie rozwiązania i ocenić ich skuteczność
- Samodzielnie pogłębiać wiedzę i doświadczenie w obszarze Machine Learning
Warunki uczestnictwa
Szkolenie jest kierowane do osób, które chcą w praktyce wykorzystywać metody uczenia maszynowego (Machine Learning) w celu rozwiązywania rzeczywistych problemów analitycznych.Kurs przeznaczony jest dla osób z co najmniej podstawową, a najlepiej średniozaawansowaną znajomością R – tak, aby tłumaczenie składni języka lub znaczenia podstawowych funkcji nie odrywało nas od nauki nowych zagadnień. Do podjęcia zagadnień Machine Learning niezbędna jest wiedza z obszaru zawartego w programie kursu „Analiza danych z wykorzystaniem R – kurs podstawowy”, a udział w kursie średniozaawansowanym jest rekomendowany.
Terminy gwarantowane
Gdy na jakiś termin zgłosi się minimalna liczba osób, termin oznaczamy jako gwarantowany.
Jeśli jakiś termin oznaczony jest jako gwarantowany to oznacza to, że na 100% się odbędzie we wskazanym czasie i miejscu.
Nawet gdyby część takiej grupy zrezygnowała lub przeniosła się na inny termin, raz ustalony termin gwarantowany takim pozostaje.
Ewentualne ryzyko ponosimy my jako organizator.
Przejdź do terminów tego szkolenia
Szkolenia 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.
Inne szkolenia tej kategorii
Sprawdź pozostałe
szkolenia Język R!
