Wprowadzenie do Pythona w uczeniu maszynowym

Kod: python-py-ml
Kategoria: Python
Forma: 40% wykłady / 60% warsztaty
Czas trwania: 3 dni
Grupa docelowa: architekci
analitycy
developerzy
Zapisy: Indywidualne zamówienie i dopasowanie dla grupy.
Logistyka: W siedzibie klienta lub w innym dowolnym miejscu.

Zakres szkolenia obejmuje podstawowe zagadnienia dotyczące języka Python niezbędne do uczenia maszynowego: począwszy od instalacji i omówienia podstawowego środowiska developerskiego, poprzez poznanie typów wbudowanych, podstawowych konstrukcji i idiomów języka, a kończąc na poznaniu najważniejszych narzędzi.
Nie jest wymagana wcześniejsza znajomość Pythona. Po zaznajomieniu z podstawami Pythona, głównym celem szkolenia jest zapoznanie uczestników z technikami uczenia maszynowego (Machine Learning) z wykorzystaniem biblioteki scikit-learn.
Nie jest wymagana wcześniejsze doświadczenie z uczeniem maszynowym. .

Wyróżniki szkolenia

  • Python w pigułce - przedstawione zostają tylko te konstrukcje i narzędzia, które są niezbędne do uczenia maszynowego w Pythonie.
  • Nacisk na uczenie maszynowe (Machine Learning).

Program Szkolenia

Program jest ramą w jakiej możemy się poruszać merytorycznie - program dla konkretnego szkolenia dedykowanego ustalamy z grupą na podstawie analizy przed-szkoleniowej.

  1. Środowisko developerskie i narzędzia
    1. Instalacja Pythona
    2. Praca w trybie interaktywnym (Ipython, Jupyter Notebook)
    3. Uruchamianie skryptów
    4. IDE (Pycharm, Visual Studio Code)
    5. Menadżer pakietów pip, virtualenv
    6. Przetwarzanie równoległe z użyciem Ipython Parallel
  2. Podstawy Pythona
    1. Prymitywne typy wbudowane (liczby, łańcuchy)
    2. Kolekcje (listy, krotki, słowniki, zbiory, mutable vs immutable)
    3. Podstawowe konstrukcje języka (instrukcje warunkowe, pętle)
    4. Wyrażenia comprehension
    5. Funkcje i wyrażenia lambda
    6. Podstawy programowania obiektowego
    7. Obsługa wyjątków
    8. Organizacja kodu (moduły, pakiety, import)
    9. Idiomy języka i najpopularniejsze praktyki
    10. Styl kodowania
  3. Wczytywanie i zapisywanie danych
    1. Wbudowane zbiory danych w scikit-learn
    2. Praca z lokalnym systemem plików
    3. Praca z obrazami
    4. Ładowanie danych tabelarycznych z użyciem biblioteki pandas
  4. Podstawy wizualizacji danych z użyciem matplotlib
  5. Podstawowe pojęcia i zagadnienia związane z uczeniem maszynowym
    1. Uczenie nadzorowane, nienadzorowane
    2. Features
    3. Normalizacja features
    4. Klasyfikacja, regresja, clustering
    5. Ewaluacja i sprawdzian krzyżowy (cross-validation)
    6. Dobór parametrów modelu
    7. Wybór features
  6. Uczenie nadzorowane
    1. Modele liniowe
    2. Support Vector Machines
    3. Filtr Bayessa
    4. Drzewa decyzyjne
    5. Sieci neuronowe
  7. Uczenie nienadzorowane
    1. Grupowanie (clustering)
    2. Algorytm k-średnich (k-means)
    3. Analiza głównych składowych (principial component analysis)
    4. Sieci neuronowe
  8. Przegląd innych bibliotek
    1. Przetwarzanie danych z numpy, scipy, Pandas
    2. Wizualizacja danych z matplotlib i Seaborn
    3. Uczenie maszynowe z wykorzystaniem MLlib Spark


Pobierz program w formacie PDF

Zamów szkolenie

Imię i nazwisko:
Firma:
E-mail:
Nr tel:
Temat:
Wiadomość:

Jeżeli preferujesz osobisty kontakt to zawsze możesz zadzwonić.

Iwona Sobótka

Koordynatorka szkoleń


Wyrażam zgodę na przetwarzania danych osobowych zgodnie z ustawą o ochronie danych osobowych w związku z wysłaniem zapytania przez formularz kontaktowy.

Podanie danych jest dobrowolne ale niezbędne do przetworzenia zapytania. Zastałem/am poinformowany/na, że przysługuje mi prawo dostępu do swoich danych, możliwości ich poprawienia, żądania zaprzestania ich przetwarzania.

Administratorem danych osobowych jest Bottega IT Minds, ul. Jana Sawy 2, 20-632 Lublin.

Klauzula informacyjna