Wprowadzenie do Machine Learning z wykorzystaniem języka Python
Podobno w naturze występują rzadziej niż jednorożce. Podobno nie mogą się otwarcie przyznawać do swojego zawodu, bo ryzykują porwanie i wywiezienie za ocean. Podobno są czarodziejami i znają mnóstwo pożytecznych zaklęć. Na ich temat krąży wiele plotek, pogłosek, niepotwierdzonych i fantastycznych opinii.
Data scientists… magowie XXI wieku.
Nie można się stać jednym z nich w ciągu jednej soboty. Ale ten czas wystarczy żeby zapoznać się z kilkoma narzędziami, których używają, specyfiką ich pracy oraz typowymi problemami jakie rozwiązują. Wystarczy aby poczuć ten temat i może nawet podjąć decyzję…stać się jednym z nich.
Podczas warsztatu uczestnicy korzystają z własnych komputerów.
Zapewniamy nielimitowany dostęp do pysznej kawy oraz pizzę. ☺
Czego się nauczysz?
Wymagania wstępne
Prowadzący
Ekspert w dziedzinie baz danych oraz analityki biznesowej posiadający ponad 20 lat doświadczeń. Pracował jako architekt, developer i trener. Obecnie zajmuje się projektowaniem oraz budowaniem specjalizowanych rozwiązań analityczno-raportujących dla dużych i średnich przedsiębiorstw. Pracuje również nad aplikacjami controllingowymi służącymi do planowania finansowego oraz budżetowania. Obecnie współpracuje jako konsultant z firmą JCommerce oraz trener w Centrum Szkoleniowym Comarch. Jest jednym z liderów Polskiej Grupy Użytkowników SQL Server (PLSSUG). Aktywny prelegent i uczestnik spotkań oraz konferencji. Posiadacz tytułu Microsoft Most Valuable Professional (MVP) nieprzerwanie od 2010 roku.
Program warsztatów
- Wstęp.
- Bezbolesne wprowadzenie do uczenia maszynowego.
- Przygotowanie środowiska pracy – Python, Anaconda, Jupyter, biblioteki rozszerzające – NumPy, SciPy, matplotlib, pandas, scikit-learn.
- Hello machine learning world! Rozpoznawanie gatunków kwiatów – zestaw danych Iris.
- Zasady przeprowadzania eksperymentów uczenia maszynowego – podział danych na zestawy treningowy i testowy, proces uczenia, ewaluacja modelu, predykcja.
- Wizualizacja danych.
- Najważniejsze algorytmy uczenia maszynowego – zasada działania, zastosowania, wady i zalety, przykład
- Modele regresyjne.
- Drzewa decyzyjne.
- Algorytm SVM – maszyna wektorów nośnych.
- Algorytmy grupowania.
Uwaga
Zapisy na wybrany warsztat zostały zakończone.