Uczenie maszynowe w Pythonie

by:
Czas trwania 3 dni

Najbliższe terminy tego szkolenia

24.06 26.06 Termin gwarantowany Szkolenie online Ostatnie miejsca!
Zapisz się
25.11 27.11 Termin gwarantowany Szkolenie online Ostatnie miejsca!
Zapisz się

Szkolenie
dedykowane
dla Twojego
zespołu

Cena szkolenia 2400 PLN (netto)

Standardy JSystems

  1. 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.
  2. Wszystkie szkolenia mają format warszatowy. Każde zagadnienie teoretyczne jest poparte rzędem warsztatów w ściśle określonym formacie.
  3. 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.
Zapisz się
Program szkolenia
  1. Co to jest uczenie maszynowe?
    • Statystyka a uczenie maszynowe
    • Rodzaje problemów
    • Przykładowe metody
    • Rodzaje błędów popełnianych przez algorytmy
    • Ekosystem uczenia maszynowego w Pythonie
  2. Regresja liniowa
    • Najprostsza metoda predykcyjna
    • Od jednej zmiennej do wielu
    • Wstępna obróbka danych
    • Walidacja predykcji
    • Interpretacja ważności parametrów
  3. Regresja logistyczna
    • Przewidywanie kategorii
    • Różnica pomiędzy klasyfikacją a regresją
    • Walidacja predykcji
    • Interpretacja ważności parametrów
  4. Drzewa decyzyjne
    • Jako ogólna metoda do klasyfikacji
    • 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".


Stanowisko robocze


Do tego szkolenia każdy uczestnik otrzymuje dostęp do indywidualnej wirtualnej maszyny w chmurze. Ma ona zainstalowane i skonfigurowane wszystko co potrzebne do realizacji szkolenia. Maszyna będzie dostępna przez cały okres szkolenia.
Zapisz się
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 Python!
Zapisz się

Sprawdź, co mówią o nas ci, którzy nam zaufali

  • 4.9/5

    Uczenie maszynowe w Pythonie

    19-10-2022 Szkolenie interesujące i godne polecenia Rafał Radziwiński, Orange Szkolenia Sp. z o.o.
  • 4.81/5

    Uczenie maszynowe w Pythonie

    17-11-2021 Polecam to szkolenie! Wojciech Zając, ING Business Shared Services B.V.
Sprawdź wszystkie opinie

Sprawdź nasze opinie w Google

Trenerzy kategorii Python

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.
Kacper Sieradziński
Kacper Sieradziński

Programista z ponad 12 letnim stażem, pracował dla klientów z Norwegii, Szwecji, Wielkiej Brytanii oraz Niemiec. Pracował dla takich firm jak Schibsted Tech Polska oraz PrimeQ tworząc strony o bardzo dużym natężeniu ruchu, skrypty automatyzujące pracę innych, w tym także crawlery. Trener, który na sali spędził ponad 5000h prowadząc szkolenia z baz danych, programowania w Pythonie i PHP.

Kacper uważa, że język programowania to tylko narzędzie w rękach doświadczonego dewelopera, dlatego nieustannie lubi uczyć się nowych rzeczy oraz zarażać miłością do programowania innych (stąd pewnie ten kanał na Youtubie -> Kacper Sieradziński).

Paweł Stasiński
Paweł Stasiński Programista Python z wieloletnim praktycznym doświadczeniem. Od kilkunastu ściśle związany z tym właśnie językiem prowadząc projekty dla małych i dużych firm. W ostatnich latach zajmuje się głównie analizą danych, machine i deep learning głównie w kontekście analizy tekstu i obrazu. Ostatnio skoncentrowany na projektach związanych w wykorzystaniu Al w social-media. W swojej pracy bardzo dużo poświęca praktyce, dlatego też tak ważne jest dla niego warsztatowe podejście do zajęć. W JSystems najczęściej można go spotkać prowadzącego szkolenia związane z analizą danych, machine learning oraz deep learning.
Wojciech Grzybek
Wojciech Grzybek Z Pythonem komercyjnie pracuje na co dzień od ponad 6 lat. Pracował w ponad 30 różnych projektach w 5 różnych firmach. Miał okazję współpracować z jednymi z najlepszych programistów w Polsce. Współtworzył m.in: systemy dla polskiego Ministerstwa Cyfryzacji, aplikacje do wymiany muzyki, z której korzysta ponad 1 mln użytkowników miesięcznie i wiele wiele innych. Większość projektów, w których brał udział wykorzystywała Pythona i Django. Posiada doświadczenie przy projektach, które tworzyło jednocześnie ponad 40 programistów Pythona oraz mniejsze projekty na 2-3 osoby. Szkolenia prowadzone przez Wojtka bazują na jego doświadczeniu, które zbierał latami. Stara się kłaść nacisk na praktyczne podejście, które można wykorzystać w realnych projektach i rozwiązać realne problemy.
Tomasz Woźniak
Tomasz Woźniak Bioinformatyk, programista Python i Django. Ma wieloletnie doświadczenie w tworzeniu funkcjonalnych rozwiązań webowych zarówno w nauce jak i biznesie, pracy z oprogramowaniem i analizą danych biologicznych. Od 2017 roku uwielbia dzielić się swoją wiedzą i doświadczeniem jako trener. Na co dzień pracuje jako adiunkt w Instytucie Genetyki Człowieka PAN w Poznaniu.
Zapisz się

Masz jakieś pytania? Skontaktuj się z nami!

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

Telefon 22 299 53 69
E-mail biuro@jsystems.pl
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.