Wprowadzenie do uczenia maszynowego

Poziom:

Początkujący

Trwanie:

5 dni

Daty

Zobacz dostępne terminy tego szkolenia!
Jeśli nie ma dostępnej daty i godziny na interesujące Cię szkolenie, proszę skontaktuj się z nami.

Zobacz terminy  >>

 

Szkolenie trwa 5 dni po 8 godzin (na miejscu) lub 4 godziny (online).
Jedyna różnica polega na tym, że w szkoleniu online będzie mniej ćwiczeń praktycznych. Jednak przekażemy te ćwiczenia Tobie i nadal możesz je wykonać samodzielnie i poprosić naszych konsultantów o informację zwrotną lub pomoc w razie potrzeby.

Opis kursu

Ten kurs jest przeznaczony dla analityków technicznych lub menedżerów średniego szczebla, którzy są gotowi zrobić pierwsze kroki w uczeniu maszynowym.

Dynamika tego kursu obejmuje zarówno objaśnienie treści teoretycznych, jak i ćwiczenia praktyczne, ze szczególnym uwzględnieniem ostatniej części (60–65% kursu). Głównym celem jest, żeby uczestnicy mieli do czynienia z „prawdziwymi” problemami, doświadczali konsekwencji i nauczyli się wymyślać rozwiązania – prowadzone przez instruktora na wszystkich etapach tego procesu.

Publiczność

Analitycy/kierownicy techniczni z co najmniej 1-letnim doświadczeniem w programowaniu (najlepiej także w języku Python)

Konspekt szkolenia

Dzień 1

Uczenie maszynowe: wprowadzenie i objaśnienie głównych pojęć.

O Python/Jupyter

Przegląd głównych bibliotek Pythona do użycia

Analiza danych eksploracyjnych: w teorii

Analiza danych eksploracyjnych: w praktyce

 

Dzień 2:

Nadzorowane uczenie: wprowadzenie i objaśnienie głównych pojęć.

  • Wyjaśnienie procesu szkolenia: szkolenie/walidacja/testowanie, walidacja krzyżowa
  • Podsumowanie: regresja a klasyfikacja
  • Funkcje kosztów/strat
  • Co robi się podczas szkolenia? Minimalizacja funkcji strat. Przykładowe algorytmy
  • Ocena wydajności
  • Kroki do udanego budowania modelu

Regresja

 

Dzień 3:

 Klasyfikacja

  • Algorytmy klasyfikacji
  • Zestaw algorytmów
  • Ocena wydajności

 

Dzień 4:

Uczenie bez nadzoru

  • Algorytmy bez nadzoru
  • Zestaw algorytmów
  • Ocena wydajności

Od laboratorium do produkcji: wyzwania i typowe problemy

 

Znaczenie przetwarzania rozproszonego w uczeniu maszynowym

 

Dzień 5:

Wprowadzenie do sieci neuronowych

  • Definicja
  • Główne koncepcje
  • Demo Tensorflow Playground
  • Funkcje aktywacji
  • Proces szkolenia sieci neuronowych
  • Problemy Multi-class i Softmax
  • Konwolucyjna sieć neuronowa
  • Demo Keras i objaśnienie biblioteki Keras
  • Transfer Learning
  • Tuning hiperparametrów

Deep Learning: co to jest i gdzie można go zastosować?

Uczenie maszynowe w mojej organizacji: jak mogę wdrożyć uczenie maszynowe,, biorąc pod uwagę obecne problemy?

Podsumowanie końcowe, pytania, sugestie itp.