Wstęp do Machine Learning i Deep Learning w języku Python

    Czas trwania
    Godzina rozpoczęcia
    Stopień trudności

      Wstęp do Machine Learning i Deep Learning w języku Python


      Implementacja w języku Python

      O szkoleniu

      Szkolenie na ma celu wprowadzenie uczestników w zaawansowane zagadnienia związane z definiowaniem i programowaniem aplikacji opartych o modele uczenia maszynowego i głębokiego z użyciem języka Python, opanowanie pojęć i mechanizmów opartych na definicjach algorytmów sztucznej inteligencji.

        Poznaj program szkolenia

        Co zyskasz dzięki szkoleniu ?

        Cele szkolenia

        Wprowadzenie uczestników w zaawansowane zagadnienia związane z definiowaniem i programowaniem aplikacji opartych o modele uczenia maszynowego i głębokiego z użyciem  języka Python, opanowanie pojęć i mechanizmów opartych na definicjach algorytmów sztucznej inteligencji: od prostych elementów algorytmicznych po zaawansowane sieci neuronowe.


        Umiejętności

        Dzięki szkoleniu uczestnik będzie potrafił:

        • Stosować język Python w programowaniu algorytmów I struktur Machine Learning i Deep Learning
        • Używać środowiska Anaconda do szybkiego tworzenia: modeli, algorytmów i aplikacji ML
        • Używać elementów biblioteki pandas
        • Używać funkcji biblioteki NumPy
        • Stosować Pakiet scikit-learn do rozwiązywania problemów typu: klasyfikacja , regresja, modelowanie itd
        • Wdrażać rozwiązania należące do kategorii: Machine Learning i Deep Learning
        • Programować aplikacje realizujące proste zagadnienia związane za algorytmami ML.
        Czy to szkolenie jest dla Ciebie ?

        Profil uczestników

        Szkolenie przeznaczone jest dla programistów języka Python, którzy chcą poszerzyć swoją wiedzę o struktury Machine Learning i Deep Learning w implementacji języka Python.

        Przygotowanie uczestników

        Uczestnik powinien posiadać wiedzę i doświadczenie w programowaniu w języku Python na poziomie średniozawansowanym  (zakres kursu podstawowego i warsztatów średniozaawansowanych).

        Czas trwania
        Przed nami:
        • 4 dni, 32 godziny szkoleniowe
        Szczegółowy program szkolenia

        Szczegółowy program szkolenia

        Wstęp do uczenia maszynowego
        • Czym jest uczenie maszynowe i jakie problemy są rozwiązywane za jego pomocą?
        • Sposoby uczenia maszynowego: nadzorowane, nienadzorowane,  ze wzmocnieniem
        • Matematyczne podstawy uczenia maszynowego i głębokiego
        • Ekosystem języka Python dla Machine Learning
        • Uczenie glębokie – podstawowe pojęcia
         Anaconda
        • Instalacja i konfiguracja środowiska
        • Anaconda Navigator
        • IDE dla języka Python: Visual Studio 2019
        • Jupyter lab
        Biblioteka pandas
        • Wstęp do pandas
        • Tworzenie struktur: Series, DataFrame
        • Podstawowe Funkcjonalności
        • Operacje I/O
        • Indeksowanie i selekcjonowanie danych
        • Zaawansowane opracje na danch
        • Przekształcenia, Tabele przestawne
        Elementy zaawansowane
        • Funkcje statystyczne
        • Grupowanie
        • Dane ziązane z osią czasową (timestamp)
        • Stylowanie
        • Skalowanie dużych zbiorów danych
        • Zastosowania biblioteki pandas w machine learning
        Biblioteka NumPy
        • Podstawy pakietu
        • Tablice: tworzenie i podstawowe operacje
        • Tablice jedno i dwuwumiarowe
        • Macierze, operacje na macierzach
        • Generatory liczb pseudolosowych
        • Praca z zależnościami matematycznymi
        • Kreślenie wykresów za pomocą biblioteki Matplotlib
        • Typy danych, I/O, indeksowanie
        • Podklasa ndarrays
        • Połączenie z językiem C
        • Zastosowania biblioteki NumPy w machine learning
        Pakiet Scikit - learn
        • Co zawiera pakiet? Strona główna scikit-learn
        • Instalacja
        • Klasyfikacja
        • Co to jest klasyfikacja?
        • Uczenie klasyfikatora binarnego.
        • Miary wydajności
        • Rodzaje klasyfikacji: wieloklasowa, wieloetykietowa, wielowyjściowa
        • Błędy
        Uczenie  modeli
        • Regresja, rodzaje regresji
        • Krzywe wielomianowe
        • Maszyny wektorów nośnych
        • Drzewa decyzyjne
        • Zbiory uczące się
        • Redukcja wymiarowości
        • Clustering,  analiza skupień
        • Analiza obrazu
        Deep Learning (uczenie głębokie) – zastosowania bibilioteki scikit-learn

        Inne pakiety i narzędzia języka Python: TensorFlow, Keras, DEAP

        Co dalej? Ścieżka edukacyjna

        Metoda realizacji szkolenia

        Szkolenie jest realizowane różnymi metodami takimi jak, mikrowykład, ćwiczenia współne, ćwiczenia indywidualne, praca indywidualna, z głębokim naciskiem położonym na aspekt praktyczny programowania

        POBIERZ PROGRAM W PDF

        Ścieżka rozwoju

        Sprawdź pełną ścieżkę rozwoju w języku Python!

        W ramach szkolenia zapewniamy

        W ramach szkolenia zapewniamy

        • materiały szkoleniowe
        • certyfikat potwierdzający udział w kursie
        • pełna obsługa cateringowa (dla szkoleń stacjonarnych)

        Podobne szkolenia

        Jak zostać Python Developerem?

        Sprawdź ścieżkę szkoleniową i przekonaj się, jak nasze kursy poprowadzą Cię krok po kroku przez wszystkie kluczowe aspekty programowania w Pythonie – od podstaw po zaawansowane zagadnienia.

        Zobacz ścieżkę!