Kurs Machine Learning
poziom podstawowy

tryb zdalny | 80 godzin 

Machine Learning.png

Pierwszy krok do kariery Data Scientist!

O uczeniu maszynowym słyszymy z każdej strony. Algorytmy rozpoznawania twarzy, mowy, czy sieci neuronowe to zagadnienia, które w dużej mierze wpływają na rozwój IT. Podczas kursu Machine Learning na poziomie podstawowym poznasz zarówno proste algorytmy klasyfikacji czy regresji, jak i te bardziej skomplikowane.

Kurs obejmuje również podstawy programowania w języku Python - dowiesz się, jak napisać od podstaw prostą aplikację używając tego popularnego języka programowania, a następnie jak wykorzystać go do praktycznego zastosowania Machine Learningu.

Ciekawostka: Czy wiedziałeś, że poszukiwanie Data Scientist bywa porównywane do łowów na jednorożca? Wynika to z kombinacji cech, które powinien posiadać wymarzony kandydat - od zdolności programistycznych, poprzez matematyczno-analityczny umysł, na znajomości uczenia maszynowego kończąc.

Dlaczego warto?

  • Uczenie Maszynowe wykorzystywane jest obecnie w wielu firmach z różnych sektorów gospodarki, a liczba zastosowań oraz popyt na usługi z nim związane wciąż rośnie

  • Machine Learning oraz Data Science są obecnie bardzo popularnym trendem technologicznym

  • Idealna ścieżka dla osób, które chcą łączyć w pracy zagadnienia matematyczne, statystyczne oraz programistyczne

  • Jest to dobry moment na rozpoczęcie nauki Machine Learningu ze względu na relatywnie małą konkurencję na rynku pracy ( w porównaniu np. do JAVA developerów czy testerów oprogramowania)

  • Praca z najnowocześniejszymi i najciekawszymi tematami w nauce, takimi jak sztuczna inteligencja, robotyka, badanie DNA

sand.png

Ilość godzin: 80h, zajęcia praktyczno – teoretyczne

group2.png

Wielkość grupy: maksymalnie 12 uczestników

book.png

Prowadzący: kurs w całości prowadzony przez jego twórców – aktywnych, branżowych praktyków z doświadczeniem w nauczaniu

clock.png

Forma zajęć: kurs wieczorowy, 3 razy w tygodniu, 17:30 – 20:30

place.png

Miejsce szkolenia: tryb stacjonarny - sala w centrum Wrocławia, tryb zdalny - wideokonferencje na platformie Zoom

laptop.png

Wymagania sprzętowe: własny laptop - wymagania minimalne: procesor intel i3 (lub odpowiednik), 4GB pamięci RAM. Dodatkowo w trybie zdalnym: zestaw słuchawkowy z mikrofonem i kamerka internetowa

Kuba_P.jpg

Jakub Polak

prowadzący kursu

Twórca programu kursu oraz trener z wieloletnim doświadczeniem w nauczaniu. Kuba jest aktywnym, branżowym praktykiem - aktualnie zajmuje się analityką Big Data, tematyką User Experience oraz wizualizacją danych. Od lat związany z Web Developmentem.

Tomasz Drab.jpg

Tomasz Drab

prowadzący kursu

Programista z kilkuletnim doświadczeniem. Doktorant na Uniwersytecie Wrocławskim, gdzie bierze udział w badaniach związanych z programowaniem funkcyjnym i rachunkiem lambda. Od dawna zainteresowany metodami przekazywania wiedzy ze szczególnym uwzględnieniem przedmiotów ścisłych.

Zagadnienia

Podstawy Pythona
 

  • dlaczego popularność Pythona tak szybko rośnie?

  • podstawy języka Python

  • instrukcje warunkowe

  • pętle

  • instalacja i importowanie modułów

  • wczytywanie danych z pliku

Podstawy bibliotek używanych w Machine Learningu

  • podstawy bibliotek scikit-learn, Numpy, Pandas, Matplotlib i SciPy (teoria i praktyka)


Przykłady użycia Machine Learningu
 

  • algorytmy Machine Learningu pokazane na praktycznych przykładach

Metody ewaluacji modeli Machine Learningu

  • metody ewaluacji wyników działania modeli dla klasyfikacji i regresji


Importowanie i preprocessing danych
 

  • wczytywanie danych z plików o różnych rozszerzeniach

  • jak radzić sobie z brakiem wartości lub nieoczekiwaną wartością?

  • jak preprocesować dane w postaci kategorii?


Regresja liniowa
 

  • wstęp do regresji liniowej

  • regresja liniowa wielokrotna

  • ewalucja wyników modelu

  • projekt


Regresja wielomianowa
 

  • wstęp do regresji wielomianowej

  • przykład Overfittingu

  • praktyczne zastosowanie i projekt


Drzewa decyzyjne
 

  • wstęp do zagadnienia drzew decyzyjnych

  • wprowadzenie teoretyczne

  • pojęci Entropii

  • algorytm tworzenia drzewa decyzyjnego

  • algorytm Random Forest

  • projekt dla algorytmów drzew decyzyjnych i Random Forest


Klasyfikacja K-NN
 

  • wstęp do klasyfikacji

  • wprowadzenie teoretyczne

  • algorytm K-NN i własna implementacja

  • algorytm rekomendacji przy użyciu K-NN

  • metody ewaluacji wyników klasyfikacji

  • praktyczne zastosowanie i projekt


Reguły koszykowe (asocjacyjne)

  • wstęp do reguł koszykowych

  • wprowadzenie teoretyczne

  • rekomendacje podobnych produktów przy użyciu algorytmu Apriori

  • praktyczne zastosowanie i projekt


Dalszy kierunek rozwoju
 

  •  wskazanie dalszych kierunków do rozwoju w tematyce Machine Learningu

Panda na jednorożcu

Czego wymagamy?

snake.png

Podstawowa znajomość programowania w Pythonie (pętle, instrukcje warunkowe, kolekcje) - rekomendowana

calculator.png

Podstawowa wiedza z matematyki

study.png

Chęć do nauki!

readme.png

Cena i zapisy

Aktualnie nie prowadzimy naboru na kurs Machine Learning. Jeśli jednak interesuje Cię wzięcie udziału w szkoleniu, skontaktuj się z nami - zobaczymy, co da się zrobić! Warunkiem wystartowania grupy będzie zebranie minimum 8 chętnych uczestników.

Opinie absolwentów kursu

Jestem pod wrażeniem podejścia i merytoryki prowadzących kurs! Duża wiedza wyciągnięta z zajęć. Bardzo podoba mi się zaangażowanie w kurs Krzysztofa. Świadczy o tym załatwienie kontaktu z firmą ML AlphaMoon czy zapewnienie kontaktu z prowadzącymi, nawet po zakończeniu kursu. Kurs godny polecenia!😁

Michał, kurs Machine Learning poziom podstawowy