Podstawy uczenia maszynowego z R
Czas trwania szkolenia:3 dni (24h)
Kod kursu:R/ML
Poziom zaawansowania:
Dostępne terminy
Termin:
14 listopada 2022
Lokalizacja:
ZdalneTrener:
Piotr SzulcCena:
2950 PLN netto+23% VATTermin:
3 kwietnia 2023Lokalizacja:
Zdalne, Warszawa, Łódź, Poznań, Kraków, Wrocław, Gdańsk, Katowice, Bydgoszcz, GdyniaTrener:
-Cena:
2950 PLN netto+23% VATO szkoleniu Podstawy uczenia maszynowego z R
W cenie otrzymasz:
- Materiały szkoleniowe
- Certyfikat ukończenia szkolenia
- W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
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 R
Wymagania
- Szkolenie wymaga podstawowej umiejętności programowania w języku R, w szczególności operacji na danych (pakiet dplyr)
- Szkolenie NIE wymaga wstępnej teoretycznej wiedzy z uczenia maszynowego i statystyki
Zalety
- Praktyka przed teorią - wszystkie szkolenia technologiczne prowadzone są w formie warsztatowej. Konieczna teoria jest wyjaśniana na przykładzie praktycznych zadań
- Konkretne umiejętności - w ramach każdego szkolenia rozwijamy praktyczne umiejętności związane z daną technologią i tematyką
- Nauka z praktykami - wszyscy trenerzy na co dzień pracują w projektach, gwarantuje to dostęp do eksperckiej wiedzy i praktycznego know-how
Cele szkolenia
- Zapoznanie z podstawami uczenia maszynowego w języku R
- Przedstawienie najnowszych i najlepiej przystosowanych do uczenia maszynowego pakietów
Program
Modelowanie
- Na czym polega modelowanie i po co to robić?
- Prognozowanie, wyjaśnianie, przyczynowość
Regresja liniowa i problemy regresyjne
- Interpretacja współczynników i podsumowanie modelu
- Jak wykorzystać reszty?
- Zależności nieliniowe i interakcje
- Współliniowość
Regresja logistyczna i problemy klasyfikacyjne
- Interpretacja współczynników i podsumowanie modelu
- Jak podsumować model?
- Macierz błędów
- Czułość i swoistość, precyzja i recall
- Pole pod krzywą ROC (AUC)
Czym różni się uczenie maszynowe od klasycznego modelowania?
- Podział na zbiór treningowy i testowy
- Podejście parametrycznie i nieparametryczne
- Nadmierne dopasowanie (overfitting)
- Poszukiwanie hiperparametrów (tuning)
Algorytmy uczenia maszynowego
- Naiwny klasyfikator bayesowski
- Metoda k najbliższych sąsiadów
- Drzewo decyzyjne
- Las losowy
Szkolenie poprowadzi jego autor Piotr Szulc
Ukończył Wydział Matematyki Politechniki Wrocławskiej, uzyskując stopień doktora. Przez wiele lat współpracował z Uniwersytetem Stanforda i Uniwersytetem Wiedeńskim, prezentował referaty na kilkunastu krajowych i zagranicznych konferencjach naukowych, między innymi reprezentował Polskę na 18th European Young Statisticians Meeting. Zajmował się zastosowaniami modeli statystycznych w genetyce, w problemie lokalizacji genów. Obecnie współpracuje z wrocławskimi firmami windykacyjnymi, prowadzi szkolenia…
Więcej o mnie »