#322

Podstawy uczenia maszynowego: pierwszy projekt od A do Z

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

Warsztat przeznaczony jest dla osób, które chciałyby zacząć swoją przygodę z uczeniem maszynowym (ML) od strony bardzo praktycznej – uczenie się poprzez wykonanie całościowego projektu począwszy od pobierania i procesowania danych poprzez eksplorację danych aż po trenowanie i wybór ostatecznego modelu do predykcji. Niezbędne minimum teoretyczne będzie wplecione bezpośrednio w wykonanie poszczególnych etapów projektu, żeby rozumieć sens wykonywanych czynności.

Celem warsztatu nie jest przetestowanie wszystkich możliwych algorytmów uczenia maszynowego, lecz bazując na kilku najbardziej skutecznych i popularnych algorytmach pokazać, jak całościowo rozwiązywać problemy – od zbierania i przygotowania danych aż po przygotowanie ostatecznego modelu do predykcji.

Żarówka

Czego się nauczysz?

1. zdobędziesz niezbędną wiedzę teoretyczną z zakresu nadzorowanego uczenia maszynowego
2. dowiesz się, gdzie możesz szukać więcej informacji
3. zrozumiesz podejście do wykonywania całościowych projektów uczenia maszynowego
4. potrafisz użyć danego podejścia do realizacji własnych projektów
Notatnik

Wymagania wstępne

1. podstawowa znajomość Python
2. podstawowa znajomość zagadnień statystycznych

Prowadzący

Rostyslav Apostol:

Data Scientist z 5 letnim doświadczeniem w branży IT. Na co dzień zajmuje się projektami uczenia maszynowego z pełnym cyklem zagadnień od procesowania danych aż po trenowanie i deployment modeli na produkcję. Interesuje się głębokim uczeniem maszynowym oraz praktycznym zastosowaniem uczenia maszynowego w biznesie. Hobby - rower, góry. Profil LinkedIn: https://www.linkedin.com/in/apostolros/

Program warsztatów

  1. Podstawowe zagadnienia teoretyczne.
  2. Etapy typowego projektu uczenia maszynowego
  3. Projekt – problem klasyfikacji
    1. Zdefiniowanie celu projektu i kryteriów wyboru modelu
    2. Przetwarzanie i przygotowanie danych do trenowania
    3. Trenowanie modeli
    4. Ewaluacja modeli
    5. Finalizacja modelu
  4. Podsumowanie i wnioski

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.