#499

Podstawy Machine Learning – algorytmy regresji

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

🟢  Warsztat weekendowy w godz. 9:00-17:00 (8h) 🟢

Chcesz kompleksowo poznać podstawy Machine Learning?

Sprawdź również warsztat będący kontynuacją – „Podstawy Machine Learning – algorytmy klasyfikacji”.

Żarówka

Czego się nauczysz?

Celem warsztatu jest pokazanie na przykładach powszechnie wykorzystywanych rozwiązań w branży Machine Learning. Każdy z omawianych algorytmów zostanie zaprezentowany od strony teoretycznej oraz implementacyjnej.

Podczas warsztatu zbudujesz swój pierwszy pipeline na konkretnym przykładzie regresji (przewidywanie cen nieruchomości) i dowiesz się, jak przygotować dane, jak ocenić jakość modelu i jakie są dobre praktyki modelowania.
Grupa

Dla kogo jest ten warsztat?

Warsztat skierowany jest do:
- Back-end Developerów, chcących zapoznać się z zagadnieniami ML,
- Analityków Danych,
- Data Scientistów, chcących rozpocząć pracę w Pythonie.
Notatnik

Wymagania wstępne

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

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. Wstęp, nazewnictwo i źródła danych.
  2. Problem klasyfikacji i algorytmy.
    1. Regresja Liniowa.
    2. Regresja Wielomianowa
    3. Maszyny Wektorów Wspierąjacych (SVM + Kernel).
    4. Drzewa Decyzyjne.
    5. Lasy Drzew Losowych.
    6. Zespół Extra-Trees.
  3. Miary oceny modeli przy problemie regresji.
  4. Dobre praktyki i strategie doboru modeli.
    1. Overfitting i underfitting.
    2. Walidacja krzyżowa.
    3. Metody przeszukiwania przestrzeni hiperparametrów.
  5. Zadanie na danych rzeczywistych – przewidywanie cen nieruchomości.
    1. Preprocessing danych.
    2. Wybór optymalnego modelu.
    3. Ocena jakości wybranego modelu.
  6. Podsumowanie i zakończenie.

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.