Podstawy uczenia maszynowego z R
LICZBA DNI: 3 (24h)
KOD KURSU: R/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 R
WYMAGANIA
Szkolenie wymaga podstawowej umiejętności programowania w dowolnym języku lub podstaw programowania w języku R
ZALETY
Kameralne grupy - szkolenia technologiczne prowadzimy w grupach liczących do 8 osób. Pozwala to na indywidualne podejście oraz aktywizację każdego uczestnika
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 oraz związanymi narzędziami w języku R
Umiejętność łączenia wielu narzędzi, co z kolei umożliwi wykonywanie bardziej skomplikowanych analiz i predykcji z użyciem algorytmów uczenia maszynowego
Program
Wstęp
- Charakterystyka języka R
- Porównanie z innymi językami
- Dlaczego R?
Instalacja podstawowego środowiska
- Instalacja R
- Instalacja RStudio
- Instalacja pakietów w R
- Kontrola wersji z Git
- Instalacja
- Podstawowe operacje
RStudio
- Podstawowe okno pracy
- Historia komend
- Konsola R
- Kod źródłowy
- Korzystanie z plików pomocy
Typy danych i możliwości języka R niedostępne w innych językach
- Obliczenia zwektoryzowane
- Funkcje z rodziny apply
- Ramki danych
- Typ czynnikowy
Podstawowe pojęcia
- Teoria
- Czym jest uczenie maszynowe?
- Regresja i klasyfikacja
- Miary jakości
Algorytmy uczenia maszynowego
- Z nadzorem
- Regresja liniowa
- Regresja logistyczna
- Support Vector Machines (SVM)
- Naive Bayes
- Drzewa decyzyjne
- Sztuczne sieci neuronowe
- Bez nadzoru
- Analiza skupień
- Principal Component Analysis (PCA)
- Sztuczne sieci neuronowe
- Metody doboru modelu i poprawienia jakości
- Walidacje
- Poszukiwanie parametrów
- Regularyzacja
- Ensemble
Szkolenia powiązane
