Podstawy uczenia maszynowego w języku Python
LICZBA DNI: 3 (24h)
KOD KURSU: PYTHON/ML
Dostosowany program 
O szkoleniu
DLA KOGO?
Szkolenie przeznaczone jest dla analityków danych, którzy chcą wejść do świata uczenia maszynowego (ang. machine learning)
Szkolenie również kierowane jest do programistów którzy chcą rozpocząć przygodę z uczeniem maszynowym
Szkolenie pozwoli poznać prężnie rozwijającą się dziedzinę predykcyjnej analizy danych, która staje się standardem w obecnych realiach powodzi danych
Ponadto, uczestnicy będą mogli lepiej zrozumieć użycie technik i narzędzi uczenia maszynowego w środowisku Python, który jest dojrzałym językiem produkcyjnym
WYMAGANIA
Szkolenie wymaga podstawowej umiejętności programowania w dowolnym języku (wersja ze wstępem do języka Python, 1 dzień dłużej) lub podstaw programowania w języku Python
ZALETY
Szkolenie jest prowadzone przez osoby na co dzień pracujące z problemami analizy danych i uczenia maszynowego z użyciem języka Python i mającymi praktyczne doświadczenie w tej dziedzinie
Z tego powodu szkolenie często wykracza poza dostępne choć często rozproszone materiały
Ponadto, program jest ciągle uaktualniany ze względu na szybki rozwój rozwiązań, których dotyczy szkolenie
Cele szkolenia
Zapoznanie się z podstawami uczenia maszynowego oraz związanymi narzędziami w języku Python
Pozwolenie na łączenie wielu narzędzi, umożliwienie wykonywania bardziej skomplikowanych analiz i predykcji z użyciem algorytmów uczenia maszynowego
Możliwość łatwego przenienia na środowisko produkcyjne w dość krótkim czasie algorytmów i modeli uczenia maszynowego napisanych w języku Python
Program
Wstęp
- Cel szkolenia
- Python
- Historia
- Charakterystyka
- Porównanie z innymi językami
- Dlaczego Python?
Instalacja podstawowego środowiska
- Dostępne wersje
- Dystrybucje Python
- Instalacja Pythona
- Instalacja bibliotek
- PyPI
- Setuptools, Pip
- VirtualEnv
- Interpreter
- podstawowy
- IPython
Podstawy języka Python (opcjonalny 1 dzień)
- Podstawowe właściwości języka
- Składnia
- Struktury danych
- Instrukcje
- Funkcje
- Obiekty
- Moduły i pakiety
- Biblioteka podstawowa
Podstawowe pojęcia
- Teoria
- Czym jest uczenie maszynowe?
- Regresja i klasyfikacja
- Miary jakości
- Praktyka
- Podstawy NumPy
- Podstawy Scikit-learn
- Otwarte źródła danych
- Praca z danymi z użyciem NumPy i Scikit-learn
Algorytmy uczenia maszynowego
- Z nadzorem:
- Regresja liniowa
- Regresja logisyczna
- Support Vector Machines (SVM)
- Naive Bayes
- Drzewa decyzyjne
- Sztuczne sieci neuronowe
- Bez nadzoru:
- Klastrowanie
- Principal Component Analysis (PCA)
- Sztuczne sieci neuronowe
- Metody doboru modelu i poprawienia jakości
- Walidacje
- Poszukiwanie parametrów
- Regularyzacja
- Ensemble