Python dla AI i Machine Learning
Informacje podstawowe
Najważniejsze dane o szkoleniu w jednym miejscu- Kategoria
- Machine Learning
- Forma realizacji
- Online lub stacjonarnie
- Termin
- Ustalany indywidualnie
- Dostawca
- ERNABO Adrian Flak
- Dofinansowanie
- Możliwość dofinansowania
Cel szkolenia
Co zyskasz po ukończeniu kursuCel biznesowy
Własne kompetencje do tworzenia modeli predykcyjnych na danych firmy.
Cel edukacyjny
Uczestnik uczy się przeprowadzić projekt uczenia maszynowego w Pythonie od danych do ocenionego modelu.
Efekty uczenia się
- przygotowuje dane i cechy z użyciem pandas i scikit-learn,
- trenuje modele regresji, klasyfikacji i grupowania,
- ocenia modele walidacją krzyżową i właściwymi metrykami,
- dobiera hiperparametry i buduje potoki Pipeline,
- tworzy prostą sieć neuronową w PyTorch.
Program szkolenia
Szczegółowy plan zajęćModuł 1. Środowisko i dane
- Jupyter, NumPy, pandas
- eksploracja danych i wizualizacja
Moduł 2. Przygotowanie cech
- braki danych, kodowanie, skalowanie
- podział na zbiór treningowy i testowy
Moduł 3. Modele scikit-learn
- regresja, drzewa, lasy losowe, gradient boosting
- grupowanie k-średnich
Moduł 4. Ocena i strojenie
- walidacja krzyżowa, metryki, przeuczenie
- GridSearchCV i Pipeline
Moduł 5. Sieci neuronowe
- tensory i pętla treningowa w PyTorch
- zapis modelu i użycie w aplikacji
Warsztat końcowy
Uczestnicy budują model przewidujący wskazane zjawisko na rzeczywistym zbiorze danych i porównują wyniki kilku algorytmów.
Wymagania
Co przygotować przed startem szkoleniaWymagania wstępne
Dobra znajomość Pythona i podstaw pandas. Wskazana podstawowa wiedza ze statystyki.
Dla kogo?
Programiści Pythona, analitycy i inżynierowie danych, którzy chcą budować i oceniać modele uczenia maszynowego.