#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:

Pracuje jako Machine Learning Engineer w firmie Makeitright. Profesjonalnie i akademicko związany z nowoczesną energetyką, tworzy rozwiązania oparte o szeregi czasowe i uczenie ze wzmocnieniem. Zajmuje się pełnym cyklem zagadnień, od dekompozycji problemu biznesowego, poprzez analizy i research aż po trenowanie i deployment modeli na produkcję. Jako trener prowadzi kursy z obszaru Data Science i Machine Learning w Sages.

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.