Wstęp do Machine Learning i Deep Learning w języku Python

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.

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.

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).

Przed nami:

4 dni, 32 godziny szkoleniowe

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

W ramach szkolenia zapewniamy

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

Wstęp do Machine Learning i Deep Learning w języku Python

Wstęp do Machine Learning i Deep Learning w języku Python

Implementacja w języku Python

O szkoleniu

Poznaj program szkolenia

Podobne szkolenia