#266

Machine Learning & Deep Learning – wprowadzenie i przegląd algorytmów

Podczas warsztatu uczestnicy korzystają z własnych laptopów. Organizator zapewnia kawę herbatę oraz pizzę w porze lunchowej.

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.
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. Wstęp, nazewnictwo i źródła danych.
  2. Preprocessing danych.
  3. Problem klasyfikacji i miary oceny modeli.
    1. Regresja Logistyczna.
    2. Maszyny Wektorów Wspierąjacych (SVM + Kernel).
    3. Drzewa Decyzyjne.
    4. Lasy Drzew Losowych.
    5. Naiwny Bayes.
    6. Metoda Najbliższych Sąsiadów (K-NN)
    7. Sieci neuronowe.
  4. Problem regresji i miary ocen modeli.
    1. Regresja Liniowa.
    2. Regresja Wielomianowa.
    3. Maszyny Wektorów Wspierąjacych (SVR + Kernel).
    4. Drzewa Decyzyjne.
    5. Lasy Drzew Losowych.
    6. Sieci neuronowe.
  5. Redukcja wymiarowości i metody wizualizacji danych.
    1. Drzewa Decyzyjne
    2. Principal Component Analysis (PCA)
    3. t-Distributed Stochastic Neighbor Embedding (t-SNE)
  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.