Interpretowalne uczenie maszynowe

LICZBA DNI: 2 (16h)

KOD KURSU: XAI

POZIOM SZKOLENIA:

# artificial-intelligence

# predictive-modeling

# interpolation

# performance

Najbliższy termin:

16 grudnia 2021

1950 PLN netto + 23% VAT

Jeszcze 8 miejsc w tej cenie.

  • stacjonarne
  • zdalne

STACJONARNE

W CENIE

  • 2 dni pracy z trenerem
  • Materiały szkoleniowe
  • Lunch
  • Certyfikat ukończenia szkolenia

ZDALNE

W CENIE

  • 2 dni pracy z trenerem na żywo online
  • Materiały szkoleniowe
  • Certyfikat ukończenia szkolenia

Czy wiesz, że możesz uzyskać nawet do 100% DOFINANSOWANIA na szkolenie? Napisz do nas »

Oferta dla firm

Dostosuj zakres, czas i miejsce szkolenia do potrzeb Twojego zespołu. Uzyskaj indywidualną wycenę szkolenia dla grupy.

Weź udział w szkoleniu

Termin

Lokalizacja

Cena / os

16

grudnia

Warszawa,

Kraków,

Łódź,

Wrocław,

Gdańsk,

Poznań,

Zdalne,

1950 PLN netto
+ 23% VAT

Termin

16

grudnia

Lokalizacja

Warszawa,

Kraków,

Łódź,

Wrocław,

Gdańsk,

Poznań,

Zdalne,

Cena / os

1950 PLNnetto
+ 23% VAT

Powiadom
o kolejnych terminach

O szkoleniu

DLA KOGO?

Szkolenie przeznaczone jest dla analityków danych, którzy czują potrzebę poznania metod oraz narzędzi wspomagających interpretację modeli uczenia maszynowego

Na początku warsztatu przypomnimy zagadnienia dotyczące złożonych modeli predykcyjnych

Uczestnicy będą mogli zapoznać się zarówno z teoretycznymi, jak i praktycznymi aspektami interpretacji modeli

WYMAGANIA

Umiejętność programowania w języku R,

Podstawowa umiejętność modelowania predykcyjnego

ZALETY

Szkolenie prowadzone jest przez osoby na co dzień zajmujące się analizą danych, które nie tylko korzystają, ale również tworzą narzędzia służące do wyjaśniania modeli uczenia maszynowego

Szkolenie składa się z kilku części dotyczących różnych aspektów wyjaśniania modeli uczenia maszynowego

Każda z nich podzielona jest na blok teoretyczny oraz praktyczny

Cele szkolenia

Zapoznanie z najbardziej aktualnymi metodami interpretacji modeli uczenia maszynowego

Techniki pozwalające na zrozumienie dowolnego modelu (w szczególności tzw. czarnych skrzynek, czyli modeli trudnych w interpretacji)

Identyfikacja kluczowych czynników wpływających na predykcję modelu, lepsze zrozumienie jego globalnej struktury oraz lokalnego zachowania

Implementacja metod i narzędzi dostępnych w języku R

Program

POLITYKA COOKIES:

Korzystamy z plików cookies, by móc jak najlepiej dostosować stronę do Twoich potrzeb oraz wyświetlać Ci przydatne i adekwatnych dla Ciebie reklamy w serwisie i poza nim. Możesz kontrolować ustawienia ciasteczek w swoich ustawieniach swojej przeglądarki. Odwiedzając tę stronę, wyrażasz zgodę na wykorzystywanie przez nas plików cookies.