Szkolenie przeznaczone jest dla osób chcących zacząć wykorzystywać algorytmy uczenia maszynowego w praktyce.
Uczestnicy poznają podstawy użycia wysokopoziomowych algorytmów uczenia maszynowego, środowisko oraz pakiety wykorzystywane w uczeniu maszynowym, jak również metody wstępnej obróbki danych.
- Wprowadzenie praktyczne
- Środowisko PyCharm
- Podstawy NumPy
- Wczytywanie danych
- Podstawy Pandas
- "Hello world" uczenia maszynowego czyli klasyfikacja irysów
- Przygotowanie danych (praktyka)
- Podstawy eksploracji danych
- Podstawy wizualizacji danych
- Kodowanie cech
- Braki w danych
- Standaryzacja cech
- Selekcja cech/redukcja wymiarowości
- Podstawy uczenia maszynowego (praktyka)
- Podział danych na zbiór treningowy, walidacyjny i testowy
- Regresja liniowa
- Regresja logistyczna
- Miary jakości modelu
- Losowość i replikaja wyników
- Kroswalidacja
- Optymalizacja hiperparametrów (grid search, random search)
- Klasyczne algorytmy uczenia maszynowego
- Algorytm K najbliższych sąsiadów
- Drzewa decyzyjne
- Lasy losowe
- Maszyna wektorów nośnych (SVM)
- Klasteryzacja: algorytm k-średnich
- Sztuczne sieci neuronowe
- Implementacja sieci neuronowej z użyciem pakietu scikit-learn
- Uczenie batchowe a uczenie online
- Wprowadzenie do uczenia głębokiego (deep learning)
- Implementacja głębokiej sieci neuronowej z użyciem pakietu Keras
Znajomość języka Python na poziomie podstawowym oraz teoretycznych aspektów uczenia maszynowego.
- Szkolenie: polski