Machine learning w Pythonie – praktyczne szkolenie
Zamawiam szkolenie →
Cel szkolenia:
Celem szkolenia jest zapoznanie uczestników z Machine Learning, głównie z jego możliwościami, praktycznym zastosowaniem i ograniczeniami.
O szkoleniu:
Dwudniowe szkolenie wprowadza w jedną z dziedzin sztucznej inteligencji, tzw. Machine Learning (uczenie maszynowe) i jest przeznaczone dla osób z podstawową umiejętnością programowania. W trakcie krótkich wykładów, ćwiczeń i dyskusji uczestnicy nabywają umiejętność rozwiązywania typowych problemów. Podczas warsztatu kładziony jest nacisk także na aspekt biznesowy – uczestnicy uczą się oceniać, czy dany problem da się i opłaca rozwiązać z użyciem Machine Learning. Szkolenie będzie prowadzone w modelu BYOL – bring your own laptop.
Dla kogo jest ten kurs?
Dla programistów, Project Managerów, dyrektorów IT, analityków Data Science i Business Inteligence, a także dla osób znających podstawy programowania i chcących nauczyć się jak używać Machine Learning.
Forma szkolenia:
Szkolenie w większości oparte jest na warsztatach i ćwiczeniach omawianych na forum. Uczestnicy dostają przygotowane wcześniej elektroniczne materiały szkoleniowe, w których mogą robić notatki i wprowadzać zmiany. Podczas spotkania opracowywane są case study dotyczące wielu różnych branż.
Korzyści ze szkolenia:
Po ukończonym szkoleniu uczestnicy potrafią wykorzystać dostępny w Pythonie toolset do szybkiego tworzenia prototypów i weryfikowania hipotez. Z łatwością oceniają możliwości rozwiązania danego problemu przy pomocy Machine Learning, a także potrafią dobrać do niego odpowiedni algorytm.
Po szkoleniu znasz:
- możliwość i ograniczenia Machine Learning,
– korzyści z właściwego opisania problemu,
– typy problemów, które można rozwiązać używając Machine Learning,
– najpopularniejsze algorytmy stosowane zarówno w uczeniu nadzorowanym, jak i nienadzorowanym,
– najpowszechniejsze błędy przy ocenie pracy modelu,
– strony internetowe i książki, dzięki którym będą mogli rozwijać się dalej w Machine Learning.
Po szkoleniu potrafisz:
- ocenić, czy możliwe jest rozwiązanie danego problemu przy pomocy Machine Learning,
– oszacować korzyści z rozwiązania danego problemu,
– dobrać odpowiedni algorytm do problemu,
– opracować, jak mierzyć rezultat i na tej podstawie wybrać najlepszy model,
– przekształcić dane wejściowe do innej, bardziej użytecznej postaci,
– wykorzystać dostępny w Pythonie toolset do szybkiego tworzenia prototypów i weryfikowaniu hipotez,
– ocenić pracę modelu w wiarygodny sposób.
W trakcie szkolenia zapewniamy:
- elektroniczne materiały szkoleniowe, w których na bieżąco można dodawać notatki i komentarze,
- pomoc w przygotowaniu komputera,
- przerwę kawowo-ciasteczkową,
- lunch,
- certyfikat uczestnictwa.
Wartość:
2399zł + VAT
Zamawiam szkolenie →
Agenda
20 lutego 2020
- Dzień 1
- 09:00 Przedstawienie się: Omówienie celów spotkania – Omówienie agendy warsztatów – Zapoznanie się z potrzebami uczestników
- 09:30 Tooling
- 11:00 Przerwa
- 11:15 Wizualizacja danych w matplotlib
- 12:15 Lunch
- 13:15 Podstawy uczenia maszynowego
- 15:00 Przerwa
- 15:15 Uczenie nadzorowane (Supervised Learning)
- Dzień 2
- 09:00 Uczenie nienadzorowane (Unsupervised Learning)
- 11:00 Przerwa
- 11:15 Ocena pracy modelu
- 12:45 Lunch
- 13:45 Reprezentacja danych, Feature Engineering & Feature Selection
- 15:15 Przerwa
- 15:30 Uczenie maszynowe & Big Data
- 17:00 Zakończenie, rozdanie certyfikatów i ankieta ewaluacyjna
Prelegenci
Trener i konsultant specjalizujący się w Pythonie oraz Machine Learning. Szkoli i prowadzi programy rozwojowe w firmach takich jak Nokia, Ericsson, Motorola, Allegro, UBS, oraz w sektorze publicznym (np. Office for National Statistics), zarówno w Polsce, jak i za granicą. Wierzy, że same umiejętności techniczne nie wystarczą w Machine Learning i dlatego kładzie nacisk na szersze spojrzenie oraz na aspekt biznesowy.
Zanim poświęcił się pracy trenera i konsultanta, nabył wszechstronne doświadczenie pracując jako programista. Nie ogranicza się tylko do Machine Learning. Rozwijał oprogramowanie open-source i jest twórcą modułu System Check Framework wydanego w 2014 roku w Django, wiodącym frameworku webowym w Pythonie. Jako freelancer, współtworzył i wdrażał AMY - dedykowany, open-sourcowy system ERP dla organizacji szkoleniowej Software Carpentry, która wyszkoliła do tej pory ponad 30 tys. naukowców.
Sponsorzy i partnerzy
Patroni medialni
Podziel się wiedzą jako prelegent
Szukamy ekspertów gotowych opowiedzieć o realnych wdrożeniach.
Zgłoś prelekcję → WspółpracaZostań partnerem
Jesteśmy otwarci na współpracę partnerską przy tej konferencji.
Zostań partnerem →