Podstawy uczenia maszynowego z R

2950 PLN+23% VAT (3628 PLN brutto / 1 os.)

Czas trwania szkolenia:3 dni (24h)

Kod kursu:R/ML

Poziom zaawansowania:
data

Dostępne terminy

  • Termin
  • Lokalizacja
  • Trener
  • Cena

Termin:

14 listopada 2022
Trwają zapisy na szkolenie

Lokalizacja:

Zdalne

Trener:

Trainer imagePiotr Szulc

Cena:

2950 PLN netto+23% VAT

Termin:

3 kwietnia 2023
Trwają zapisy na szkolenie

Lokalizacja:

Zdalne, Warszawa, Łódź, Poznań, Kraków, Wrocław, Gdańsk, Katowice, Bydgoszcz, Gdynia

Trener:

-

Cena:

2950 PLN netto+23% VAT

O 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

Podobne szkolenia