Menu
Zamknij menu
Zaloguj się
Asseco Academy » Training » Klasyczny Machine Learning w języku Python

Training CDP_PYML_Z

Klasyczny Machine Learning w języku Python

Accreditation

  • Training description
  • Scope

Training description

Szkolenie „Klasyczny Machine Learning w języku Python” to trzydniowy kurs wprowadzający w świat uczenia maszynowego z wykorzystaniem biblioteki scikit-learn. Zajęcia koncentrują się na klasycznych algorytmach uczenia nadzorowanego, przygotowaniu danych, ocenie jakości modeli oraz zapobieganiu przeuczeniu. Uczestnicy, bazując na praktycznych przykładach, nauczą się budować i oceniać modele regresyjne i klasyfikacyjne oraz poznają kluczowe techniki przetwarzania danych.

W trakcie szkolenia uczestnicy:

  • Nauczą się budować modele regresyjne i klasyfikacyjne z wykorzystaniem scikit-learn.
  • Poznają metody oceny jakości predykcji – zarówno dla regresji, jak i klasyfikacji.
  • Zrozumieją proces przygotowania danych: przetwarzanie cech, usuwanie outlierów, kodowanie zmiennych kategorycznych.
  • Dowiedzą się, czym jest overfitting oraz jak zapobiegać przeuczeniu modeli.
  • Nauczą się optymalizować hiperparametry z użyciem grid search oraz budować zautomatyzowane pipeline’y.

Adresaci szkolenia:
Szkolenie przeznaczone jest dla osób, które znają język Python na poziomie szkolenia „Język Python – poziom podstawowy” i chcą zdobyć praktyczne umiejętności budowy modeli uczenia maszynowego przy użyciu klasycznych metod. Dodatkowo, zalecana jest podstawowa znajomość bibliotek pandas i numpy przynajmniej w zakresie omawianym na szkoleniu „Analiza danych w języku Python”.

Scope

  • Algorytmy regresji
    • Wprowadzenie do algorytmów regresji na przykładzie regresji liniowej
    • Metoda najmniejszych kwadratów
    • Implementacja regresji liniowej w scikit-learn
    • Ewaluacja modelu regresji, metryki błędów
    • Pozostałe algorytmy regresji
  • Preprocessing danych
    • Feature engineering
    • Scaling, normalizacja, standaryzacja
    • Detekcja i usuwanie outlierów
    • Brakujące dane
    • Selekcja cech
    • Przetwarzanie zmiennych kategorycznych – one hot encoding / label encoding
  • Overfitting
    • Czym jest przeuczenie (overfitting)
    • Metody zapobiegania overfittingowi
    • Cross walidacja
    • Regularyzacja
  • Trenowanie modelu w praktyce
    • Hiperparametry i grid search
    • Pipeline
  • Algorytmy klasyfikacji
    • Wprowadzenie do algorytmów klasyfikacji na przykładzie regresji logistycznej
    • Modele liniowe vs. nieliniowe
    • Ewaluacja modelu klasyfikacji, metryki błędów
    • Drzewo decyzyjne
    • Naiwny klasyfikator Bayesa
    • Klasyfikator SVM
    • Klasyfikator KNN
    • Klasyfikacja wieloklasowa
    • Bagging i boosting – lasy losowe oraz gradient boosting

Training schedule

Remote

… if you value the opportunity to learn with a trainer and other participants, from anywhere without having to commute.

Stationary

… if you want to learn while sitting in the same room with the trainer and other participants.

Online

… if you want to learn from materials available via the interenet anywhere at any time

Filters:

Training: CDP_PYML_Z

Klasyczny Machine Learning w języku Python

Date
Form
Language
Additional info
Price

Currently, there is no trainings in the selected form.

Filters:

Training: CDP_PYML_Z

Klasyczny Machine Learning w języku Python

Date
Location
Language
Additional info
Price

Currently, there is no trainings in the selected form.

Filters:

Training: CDP_PYML_Z

Klasyczny Machine Learning w języku Python

Dostęp do szkolenia
Form
Language
Additional info
Price

Currently, there is no trainings in the selected form.

Szukasz szkolenia w innym terminie?

Co nowego?

  • Newest
  • Uncategorized

Chcesz z nami porozmawiać?

Zadzwoń do nas: tel. 801 30 30 30