icon icon

Kurs Machine Learning – modelowanie, optymalizacja, analiza danych

icon

Proces szkoleniowy

Analiza potrzeb szkoleniowych

Jeśli masz życzenie dotyczące programu szkolenia, przeprowadzimy dla Ciebie analizę potrzeb szkoleniowych, która będzie wskazówką dla nas, na jakie aspekty programu położyć większy nacisk – tak, by program szkolenia spełniał konkretne potrzeby.

Program szkolenia

1. Podstawy języka Python

  • wstęp teoretyczny,
  • instrukcje warunkowe,
  • pętle,
  • jak wczytywać dane z pliku.

2. Uczenie maszynowe

  • co to jest,
  • przykładowe metody,
  • ekosystem uczenia maszynowego.

3. Machine Learning a Sztuczna Inteligencja

4. Biblioteki Python stosowane w Machine Learning

  • Numpy,
  • Pandas,
  • Matplotlib,
  • SciPy.

5. Ewaluacja modeli Machine Learning

  • metody.

6. Regresja

  • liniowa,
  • wielomianowa,
  • przewidywanie wartości numerycznych.

7. Drzewa decyzyjne

  • wstęp teoretyczny,
  • algorytmy,
  • różnice między metodami liniowymi.

8. Random Forest

  • wstęp teoretyczny,
  • parametry,
  • przetwarzanie parametrów.

9. Analiza i wizualizacja danych

  • wykresy – typy,
  • korelacje danych.

10. Dobre praktyki uczenia maszynowego

  • testowanie modeli Machine Learning.

Opieka poszkoleniowa

W ramach opieki poszkoleniowej masz do wyboru jedną z dwóch możliwych form kontaktu z trenerem, w przeciągu 1 roku po zakończonym szkoleniu:

  • konsultację telefoniczną,
  • na 2 godzinne konsultacje online z trenerem.

Metody szkolenia

  • wykład,
  • mini-prezentacja,
  • praca warsztatowa z komputerem,
  • ćwiczenia i case study,
  • praca indywidualna z trenerem.

Certyfikat

  • certyfikat w języku polskim, numer Wpisu do Rejestru Instytucji Szkoleniowych 2.12/00238/2015,
  • certyfikat w języku angielskim na życzenie.