Zastosowanie Python w Machine Learning i Data Science
Temat Machine Learning i Data Science staje się coraz bardziej popularny, a Python stał się de facto standardem w tych dziedzinach.
Zapraszamy na szkolenie wprowadzające do technik analizy danych, dostosowywania modelu matematycznego oraz wykorzystania narzędzi tj. scikit-learn, numpy, pandas i jupyter.
Szkolenie nie jest dedykowane Machine Learning i Data Science, a wykorzystaniu narzędzi, bibliotek i środowiska Python w tych tematach. Nie mniej, podczas szkolenia uczestnik również zapozna się z różnymi zagadnieniami i algorytmami wykorzystywanymi w ML i DS łącznie z tematami konstrukcji sieci neuronowych.
Podczas warsztatu zapewniemy dostęp do kawy, herbaty, wody. W porze obiadowej zapewniamy pizzę w wersji mięsnej lub wegetariańskiej.
Prowadzący
Jest głównym inżynierem technologii kosmicznych i oprogramowania w Astro Tech and Bioastronautics Research gdzie tworzy HabitatOS - system operacyjny dla przyszłych baz na Księżycu i Marsie. Wcześniej pracował w Europejskiej Agencji Kosmicznej, w Allegro oraz w Centralnym Ośrodku Informatyki jako główny specjalista ds. architektury procesów. Studiował lotnictwo i kosmonautykę w Lotniczej Akademii Wojskowej oraz informatykę na Politechnice Poznańskiej. Autor sześciu książek dotyczących inżynierii oprogramowania oraz astronautyki. W jego 500+ szkoleniach łącznie brało udział ponad 6 tysięcy osób.
Program warsztatów
- Tworzenie i korzystanie ze struktur danych.
- Biblioteki do zastosowań naukowych i inżynieryjnych: scipy i inne.
- Biblioteki do zastosowań numerycznych: numpy, pandas.
- Biblioteki do wizualizacji danych: plotly, matplotlib, jupyter, superset.
- Przegląd algorytmów ML z i bez nadzoru.
- Wykorzystanie scikit-learn przy: Decision Tree, k Nearest Neighbors, Bayes, Linear Regression, Logistic Regression, Support Vector Machines, Clustering, Principal Component Analysis (PCA).
- Wykorzystanie keras oraz tensor-flow przy Neural Network, Convolutional Neural Network.
Uwaga
Zapisy na wybrany warsztat zostały zakończone.