Trwają zapisy do grupy

Uczenie maszynowe z wykorzystaniem R

Podczas tego szkolenia nauczysz się budować modele uczenia maszynowego w jednym z najpopularniejszych i najprostszych w obsłudze narzędzi - środowisku R.

3950 PLN+23% VAT (4858 PLN brutto / 1 os.)

Czas trwania szkolenia:4 dni (32h)

Poziom zaawansowania:

Kod kursu:ML/MID/R

machine-learning

Dostępne terminy

  • Termin
  • Trener
  • Cena
  • Zapis
  • Lokalizacja

Termin:

23 września
Trwają zapisy na szkolenie

Trener:

Piotr Szulc

Cena:

3950 PLN netto
Ikona podpowiedziDowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT

Lokalizacja:

Zdalne
Zdalne
Ikona podpowiedziZapytaj o inne lokalizacje - w tym celu skorzystaj z chatu

Termin:

9 grudnia
Trwają zapisy na szkolenie

Trener:

Piotr Szulc

Cena:

3950 PLN netto
Ikona podpowiedziDowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT

Lokalizacja:

Zdalne
Zdalne
Ikona podpowiedziZapytaj o inne lokalizacje - w tym celu skorzystaj z chatu

Termin:

10 marca
Trwają zapisy na szkolenie

Trener:

Trener-Sages

Cena:

3950 PLN netto
Ikona podpowiedziDowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT

Lokalizacja:

Zdalne
Zdalne
Ikona podpowiedziZapytaj o inne lokalizacje - w tym celu skorzystaj z chatu

Termin:

9 czerwca
Trwają zapisy na szkolenie

Trener:

Trener-Sages

Cena:

3950 PLN netto
Ikona podpowiedziDowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT

Lokalizacja:

Zdalne
Zdalne
Ikona podpowiedziZapytaj o inne lokalizacje - w tym celu skorzystaj z chatu

Forma szkolenia

Interesuje Cię szkolenie stacjonarne?

Dostępne terminy

Interesują Cię inne terminy?

Uczenie maszynowe z wykorzystaniem R

Cele szkolenia

  • Ugruntowanie wiedzy z zakresu uczenia maszynowego w R
  • Rozszerzenie wiedzy o modele oraz narzędzia stanowiące kompletny warsztat pracy specjalisty uczenia maszynowego

Dla kogo?

  • Analityków danych, statystyków oraz programistów

Zalety

  • Rozwiązywanie biznesowych zagadnień
  • Praca z danymi pochodzącymi z rzeczywistych problemów
  • Wyrabianie odpowiedniej intuicji niezbędnej w procesie budowy kompletnego modelu

Wymagania

  • Podstawowa wiedza w zakresie uczenia maszynowego (np. szkolenie „Podstawy uczenia maszynowego z R”)
  • Podstawowa umiejętność programowania w R (np. szkolenie „Podstawy programowania w R”)

W cenie otrzymasz:

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

Program

Pobierz program w PDF

Wstęp

  • Omówienie tematyki szkolenia w kontekście obecnych trendów w uczeniu maszynowym
  • Powtórzenie podstawowych metod, narzędzi i miar wykorzystywanych w uczeniu maszynowym

Regresja liniowa - tematy zaawansowane

Kryteria wyboru modelu

  • Regresja grzbietowa
  • Lasso

Uogólnione modele addytywne (GAM)

  • Funkcje bazowe
  • Smoothing splines

Zastosowanie w klasyfikacji i regresji

  • Porównanie GAM z modelami opartymi na drzewach

Problemy klasyfikacyjne - tematy zaawansowane

  • Niezrównoważone klasy
  • Kalibracja prawdopodobieństw

Optymalizacja budowy modelu przy pomocy zbioru pakietów tidymodels

  • Zastosowanie w klasyfikacji i regresji
  • Porównywanie modeli
  • Techniki wyboru hiperparametrów
  • Imputacja braków danych, transformacje zmiennych

Extreme Gradient Boosting

  • Czym jest boosting, porównanie z lasem losowym
  • Zastosowanie w klasyfikacji i regresji

Sieci neuronowe

  • Sieć neuronowa jako uogólnienie regresji
  • Perceptron, neurony, warstwy: wejściowa, wyjściowa, ukryte
  • Funkcja aktywacji, batch, epoka, współczynnik uczenia
  • Zastosowanie w klasyfikacji i regresji

PCA

  • Komponenty, ładunki, scores
  • Wybór liczby składowych, kryterium Kaisera, wykres osypiska
  • Rotacja
  • Zastosowanie w wizualizacji
  • Zastosowanie w redukcji wymiaru
  • Zastosowanie w regresji (PCR)

Interpretowalne uczenie maszynowe (XAI)

Ważność zmiennych

Partial Dependence Plot

Shapley Additive Explanations

Analiza skupień

  • Metoda k-średnich
  • Jak wybrać k?
  • Grupowanie hierarchiczne

Podsumowanie

  • Porównanie metod
  • Granica decyzyjna
  • Jak ulepszyć istniejący model?
  • Przykład budowy modelu od A do Z

Autorem szkolenia jest 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…