Szkolenie dostępne na zamówienie

Szkolenie: Podstawy uczenia maszynowego z R

Szkolenie z podstaw uczenia maszynowego w R przygotowuje do analizy danych, budowy modeli predykcyjnych, regresji i klasyfikacji, wykorzystania popularnych algorytmów ML oraz praktycznego zastosowania narzędzi R w analizie danych

  • Trenerzy praktycy
  • Kameralne grupy

Czas trwania szkolenia:3 dni (24h)

Poziom zaawansowania:

Kod kursu:R/ML

machine-learninganaliza-danychml-podstawyr-programming

Szkolenie na zamówienie

  • Dostosowany program
  • Indywidualna wycena
  • Dowolny termin
Zapytanie o szkolenie

Podstawy uczenia maszynowego z R

Cele szkolenia

  • Szkolenie przygotowuje do samodzielnego stosowania podstawowych technik uczenia maszynowego w środowisku R

  • Szkolenie uczy budowania, oceny i interpretacji modeli regresyjnych i klasyfikacyjnych na rzeczywistych zbiorach danych

  • Szkolenie pokazuje, jak wykorzystywać nowoczesne pakiety R do analizy danych i rozwiązywania problemów predykcyjnych

  • Szkolenie omawia różnice między klasycznym modelowaniem a uczeniem maszynowym oraz zagadnienia overfittingu i tuningu modeli


Dla kogo?

  • Analityków danych z podstawową znajomością R, którzy chcą rozpocząć pracę z uczeniem maszynowym

  • Programistów i specjalistów IT zainteresowanych praktycznym wykorzystaniem uczenia maszynowego w analizie danych

  • Osób pracujących z danymi, które chcą rozwinąć kompetencje w zakresie modelowania predykcyjnego i klasyfikacji


Efekty kształcenia

  • Uczestnik analizuje dane z wykorzystaniem technik uczenia maszynowego w R

  • Uczestnik buduje i ocenia modele regresyjne oraz klasyfikacyjne

  • Uczestnik interpretuje wyniki modeli i wyciąga wnioski z analizy

  • Uczestnik rozróżnia metody klasyczne i nowoczesne w modelowaniu danych

  • Uczestnik stosuje narzędzia R do przygotowania i przetwarzania danych

  • Uczestnik ocenia ryzyko overfittingu i dobiera odpowiednie metody walidacji


Wymagania

  • Podstawowa umiejętność programowania w języku R, w szczególności operacji na danych (pakiet dplyr)

  • Nie jest wymagane posiadanie wiedzy z zakresu uczenia maszynowego i statystyki


W cenie otrzymasz:

  • Materiały szkoleniowe

  • Certyfikat ukończenia szkolenia

  • W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki

Program szkolenia

Pobierz program w PDF

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

Wybrane opinie

Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi

4.8
Ikona podpowiedziŚrednia ocen Sages w serwisie Google Ocena pochodzi ze średniej ocen Sages w serwisie Google i nie jest weryfikowana

30.01.2026

Uczestnik szkoleniaJira - organizacja i zarządzanie projektami

Adam NAJMOWICZ

Praktyczna wiedza w praktyce i swietna komunikacja z trenerem

Więcej opinii