Uczenie maszynowe w Pythonie
Najbliższe terminy tego szkolenia
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
- Co to jest uczenie maszynowe?
- Statystyka a uczenie maszynowe
- Rodzaje problemów
- Przykładowe metody
- Rodzaje błędów popełnianych przez algorytmy
- Ekosystem uczenia maszynowego w Pythonie
- Regresja liniowa
- Najprostsza metoda predykcyjna
- Od jednej zmiennej do wielu
- Wstępna obróbka danych
- Walidacja predykcji
- Interpretacja ważności parametrów
- Regresja logistyczna
- Przewidywanie kategorii
- Różnica pomiędzy klasyfikacją a regresją
- Walidacja predykcji
- Interpretacja ważności parametrów
- Drzewa decyzyjne
- Jako ogólna metoda do klasyfikacji
- Kluczowe różnice pomiędzy metodami liniowymi
- Zjawisko przeuczania (overfitting) i jak mu przeciwdziałać
- 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
- XGBoost - trudniejsze, ale i potężniejsze narzędzie
- Wprowadzenie do boosted trees
- Porównanie z RF - z zaletami i wadami
- Ustalanie hiperparametrów
- Metoda “grid search”
- Ważność parametrów
- 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.
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
Sprawdź, co mówią o nas ci, którzy nam zaufali
Trenerzy kategorii Python
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).