#281

Machine Learning & Deep Learning cz.2

Podczas warsztatu uczestnicy korzystają z własnych laptopów.

Podczas warsztatu zapewniamy dostęp do kawy, herbaty, wody. W porze obiadowej zapewniamy pizzę w wersji mięsnej lub wegetariańskiej.

Żarówka

Czego się nauczysz?

Celem warsztatu jest pokazanie na przykładach powszechnie wykorzystywanych rozwiązań w branży ML/AI. Każdy z omawianych algorytmów zostanie zaprezentowany od strony teoretycznej oraz implementacyjnej. Stack technologiczny: Python 3.X, numpy, pandas, matplotlib, scikit-learn, TensorFlow, Keras.
Notatnik

Wymagania wstępne

Stack technologiczny: Python 3.X, numpy, pandas, matplotlib, scikit-learn, TensorFlow, Keras.

Prowadzący

Waldemar Kołodziejczyk:

Artificial Intelligence Developer z doświadczeniem przy budowaniu modeli operujących na szeregach czasowych. Interesuje się algorytmiką, rozwiązaniami uczenia ze wzmocnieniem oraz szeroko rozumianym statystycznym przetwarzaniem danych.

Program warsztatów

  1. Problem klasyfikacji.
    1. Metoda Najbliższych Sąsiadów (K-NN).
    2. Regresja Logistyczna.
    3. Maszyny Wektorów Wspierąjacych (SVM + Kernel).
    4. Drzewa Decyzyjne.
    5. Lasy Drzew Losowych.
    6. Zespół Extra-Trees.
    7. Sieci neuronowe.
  2. Miary oceny modeli przy problemie klasyfikacji.
  3. Zadanie na danych rzeczywistych.
  4. Redukcja wymiarowości i metody wizualizacji danych.
    1. Drzewa Decyzyjne.
    2. Principal Component Analysis (PCA).
    3. t-Distributed Stochastic Neighbor Embedding (t-SNE).
  5. Dobre praktyki i strategie doboru modeli.
  6. Podsumowanie i zakończenie.

Uwaga

Liczba miejsc ograniczona! Organizator zastrzega sobie prawo do zmiany lokalizacji wydarzenia oraz jego odwołania w przypadku niezgłoszenia się minimalnej liczby uczestników.

Zapisy na wybrany warsztat zostały zakończone.