Program szkolenia

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.

1. Wprowadzenie do Machine Learning

co to jest Machine Learning,
różnce między Machine Learning a innymi metodami analizy danych,
zastosowanie Machine Learning w różnych branżach.

2. Przygotowanie danych

eksploracja i wizualizacja danych,
przygotowanie danych do uczenia maszynowego.

3. Machine Learning

proces walidacji krzyżowej,
techniki wyjaśniania złożonych modeli uczenia maszynowego,
miary jakości prognoz dla zmiennej ciągłej i dyskretnej,
regresja grzbietowa.

4. Modele klasyfikacji

klasyfikacja różnych algorytmów,
modele liniowe, drzewa decyzyjne.

5. Wprowadzenie do uczenia nadzorowanego

regresja liniowa i logistyczna,
techniki regresyjne go modelowania nieliniowości,
drzewa klasyfikacyjne i regresyjne.
wizualizacja wyników.

6. Metody nienadzorowane

drzewa decyzyjne, przykłady implementacji w R,
reguły asocjacji, zastosowanie w R.

7. Metody poprawy rozwiązań

meta-learning: bagging & boosting,
random forests.

8. Techniki wyjaśniania złożonych modeli Machine Learning

9. Etyka i odpowiedzialność w Machine Learning

10. Podsumowanie szkolenia

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.