#431

Machine Learning dla programistów

Warsztat odbywa się w formie zdalnej za pośrednictwem platformy/komunikatora online, z wykorzystaniem dźwięku, obrazu z kamery, udostępniania ekranu komputera prowadzącego i uczestników.

Wszędzie słyszysz o AI i o tym jak (z)rewolucjonizuje świat? Masz wrażenie że mimo że każdy o tym mówi to nie do końca wiadomo czym są te całe modele? Najłatwiej zrozumieć Ci nowe pojęcia przez kod?

Jeśli tak to ten warsztat jest dla Ciebie!

W trakcie zajęć w praktyczny sposób – pisząc kod – poznasz podstawy niezbędne do przygotowania danych i trenowania własnych modeli, jak również połączysz abstrakcyjne pojęcia z konkretnymi funkcjami i klasami. Zajrzyj za zasłonę hype’u i przekonaj się że poznanie kilku narzędzi i zasad może otworzyć wachlarz nowych możliwości i ciekawych wyzwań

Żarówka

Czego się nauczysz?

- poznasz podstawowe kroki niezbędne do przejścia od danych do modelu
- zapoznasz się z podstawami API bibliotek takich jak Pandas czy Scikit-learn
- poznasz zasady działania i zbudujesz kilka modeli
- dowiesz się jak uniknąć kilku pułapek
Grupa

Dla kogo jest ten warsztat?

Warsztat - jak nazwa wskazuje - przeznaczony jest dla programistów, którzy chcą poznać podstawy Machine Learning.
Notatnik

Wymagania wstępne

Wymagana jest znajomość Pythona.

Prowadzący

Patryk Pilarski:

Data scientist, trener. Zawodowo pracuje z danymi od ponad dwóch lat. Pasjonat technologii i przetwarzania danych w każdej skali. Mól książkowy. Uwielbia pisać opisy do wszelkiego rodzaju sekcji o sobie :)

Program warsztatów

  1. Zdefiniuj problem:
    1. Jaki problem mam do rozwiązania?
    2. Czy ML jest konieczny?
    3. Jakiego typu algorytmu ML potrzebuję?
  2. Pozyskaj dane:
    1. Jakich danych potrzebuję?
    2. Skąd mogę dane pozyskać?
    3. Po co dzielić zbiór danych?
  3. Zbadaj dane:
    1. Co to jest zmienna celu?
    2. Czym są zmienne objaśniające?
    3. Jakiego typu zmienne znajdują się w moich danych?
  4. Przygotuj dane:
    1. Jak przygotować dane do budowy modelu?
    2. Co to jest one-hot encoding?
    3. Czym jest i czemu służy normalizacja?
  5. Zbuduj model:
    1. Jak działa regresja logistyczna?
    2. Jak działają drzewa decyzyjne?
    3. Czym jest i jak unikać przeuczenia modelu?
  6. Przetestuj wynik:
    1. Jakie są metryki jakość modelu?
    2. Który model jest lepszy?
    3. Czy wynik jest dostatecznie dobry?
  7. Przedstaw wynik:
    1. Mam super model co teraz?
    2. Co dalej?

Uwaga

Liczba miejsc ograniczona! Organizator zastrzega sobie prawo do odwołania wydarzenia w przypadku niezgłoszenia się minimalnej liczby uczestników.
Zakupione certyfikaty zostaną przesłane uczestnikom w formie elektronicznej po warsztacie. Jeśli chcesz otrzymać zakupiony certyfikat w formie papierowej, zgłoś to mailowo na adres kontakt@stacja.it.

Zapisy na wybrany warsztat zostały zakończone.