Uczenie maszynowe w Python – szybki start

Celem szkolenia jest wprowadzenie uczestników w zagadnienia uczenia maszynowego (ang. machine learning) oraz w środowisko Python w uczeniu maszynowym. Zostanie omówiona główna idea uczenia maszynowego oraz podstawowy zestaw metod.
Algorytmy modelowania będą przedstawione na poziomie pozwalającym na prawidłowy dobór narzędzi, świadome korzystanie z metod oraz prawidłową ocenę wyników. Uczenie odbędzie się poprzez rozwiązywanie przykładowych zadań w środowisku Python, przy czym nacisk zostanie położony na metody modelowania, a nie na kodowanie.

Dla kogo?

• osób zajmujących się w swojej pracy zagadnieniami uczenia maszynowego (ang. machine learning)
• osób pragnących zapoznać się z bibliotekami Scikit-learn i Tensorflow 2.0/Keras

Co zyskasz?

• Znajomość podstawowych pojęć i metod uczenia maszynowego (ang. machine learning)
• Umiejętność tworzenie, oceny i strojenia model
• Znajomość podstaw sieci neuronowych i pracy z nimi w Keras

Program szkolenia

1. Podstawy uczenia maszynowego
   • Rodzaje zadań
   • Przeuczenie
2. Prowadzenie projektów uczenia maszynowego
3. Przegląd i przypomnienie elementów środowiska Python wykorzystywanych w uczeniu maszynowym
4. Scikit-learn – wprowadzenie
5. Drzewa decyzyjne
6. Segmentacja bezwzorcowa (analiza skupień)
   • Metoda k średnich
   • DBSCAN
7. Analiza składowych głównych
8. Potoki (pipelines)
9. Losowy las
10. Drzewa wzmacniane i XGBoost
11. Sieci neuronowe
    • Podstawy sieci neuronowych
    • Keras i Tensorflow
    • Tworzenie, ocena i strojenie sieci – przykłady
    • Podstawy sieci splotowych
12. Całościowy przykład tworzenia modelu i uczenia maszynowego
    • Wstępne badanie danych
    • Przekształcenia danych
    • Tworzenie, ocena i strojenie modelu