#71

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.

Nie ma żadnych wielkich wymagań na wejściu, nie trzeba znać Python’a, nie będziemy Was zasypywać mrowiem skomplikowanych wzorów matematycznych. Warsztat jest przeznaczony dla każdej osoby, która chce się zapoznać z niesamowitym światem Machine Learning – uczenia maszynowego.

Zapewniamy nielimitowany dostęp do pysznej kawy oraz pizzę. ☺

Prowadzący

Grzegorz Stolecki:

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

  1. Wstęp.
  2. Bezbolesne wprowadzenie do uczenia maszynowego.
    1. Przygotowanie środowiska pracy – Python, Anaconda, Jupyter, biblioteki rozszerzające – NumPy, SciPy, matplotlib, pandas, scikit-learn.
    2. Hello machine learning world! Rozpoznawanie gatunków kwiatów – zestaw danych Iris.
    3. Zasady przeprowadzania eksperymentów uczenia maszynowego – podział danych na zestawy treningowy i testowy, proces uczenia, ewaluacja modelu, predykcja.
    4. Wizualizacja danych.
  3. Najważniejsze algorytmy uczenia maszynowego – zasada działania, zastosowania, wady i zalety, przykład
    1. Modele regresyjne.
    2. Drzewa decyzyjne.
    3. Algorytm SVM – maszyna wektorów nośnych.
    4. Algorytmy grupowania.

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.