Kurs Machine Learning dla programistów

1. Podstawy Uczenia maszynowego

• praktyczne wprowadzenie do ML z wykorzystaniem scikit-learn i TensorFlow,
• implementacja różnych typów uczenia na rzeczywistych przypadkach biznesowych,
• Hands-on: budowa pierwszego modelu klasyfikacji klientów.

2. Narzędzia i języki programowania

• setup kompleksowego środowiska ML (Jupyter),
• praktyczne wykorzystanie NumPy, Pandas i Scikit-learn w projektach.

3. Implementacja algorytmów ML

• programowanie algorytmów regresji i klasyfikacji,
• implementacja drzew decyzyjnych i lasów losowych,
• tworzenie sieci neuronowych od podstaw,
• optymalizacja ML.

4. Inżynieria cech i przetwarzanie danych

• techniki czyszczenia i transformacji danych,
• projektowanie efektywnych pipeline'ów przetwarzania,
• skalowanie i normalizacja danych,
• obsługa danych brakujących i odstających.

5. Zaawansowane techniki programowania ML

• optymalizacja wydajności modeli,
• techniki redukcji wymiarowości,
• implementacja walidacji krzyżowej.

6. MLOps i wdrażanie modeli

• architektura systemów ML w produkcji,
• Continuous Integration/Deployment dla ML,
• monitorowanie i aktualizacja modeli,
• zarządzanie wersjami modeli i danych.

7. Testowanie i debugowanie

• strategie testowania modeli ML,
• walidacja i weryfikacja modeli.

8. Optymalizacja i skalowanie

• techniki optymalizacji hiperparametrów,
• zarządzanie zasobami obliczeniowymi.

9. Integracja z systemami produkcyjnymi

• API i mikrousługi dla modeli ML,
• integracja z bazami danych i systemami biznesowymi,
• obsługa żądań w czasie rzeczywistym,
• bezpieczeństwo i monitoring produkcyjny.

10. Najlepsze praktyki i wzorce projektowe

• zarządzanie długiem technicznym,
• planowanie rozwoju i skalowalności.