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
      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!