Machine Learning Bootcamp w języku Python cz.II - od A do Z
What you'll learn
- czym jest uczenie nienadzorowane
- czym jest zagadnienie klasteryzacji/grupowania/analizy skupień
- czym jest metryka Minkowskiego
- algorytmu K-średnich wraz z implementacją
- algorytmu grupowania hierarchicznego
- algorytmu DBSCAN
- metod redukcji wymiarowości
- algorytmu PCA wraz z implementacją
- algorytmu t-SNE
- reguł asocjacyjnych
- algorytmu Apriori
- detekcji anomalii
- algorytmu Local Outlier Factor
- algorytmu Isolation Forest
- detekcji anomalii w szeregach czasowych
- do czego służy biblioteka Prophet (Facebook)
Requirements
- ukończone kursy ze ścieżki Python Developer
- ukończone kursy ze ścieżki Data Scientist
- wolny czas i chęci do podjęcia kroku w stronę uczenia maszynowego
- posiadam kursy, które mogą pomóc w zdobyciu wszystkich niezbędnych umiejętności wymaganych do tego kursu
Description
Druga część kursu z serii Machine Learning Bootcamp obejmująca tematykę uczenia nienadzorowanego. Poruszone są główne problemy uczenia nienadzorowanego takie jak klasteryzacja, redukcja wymiarowości, reguły asocjacyjne czy detekcja anomalii. Kurs zbudowany jest w oparciu o kilka bibliotek do uczenia maszynowego w języku Python: scikit-learn, Prophet, OpenCV.
Na kursie omówionych zostało wiele algorytmów uczenia nienadzorowanego, między innymi:
algorytm K-średnich
grupowanie hierarchiczne
algorytm DBSCAN
algorytm PCA
algorytm t-SNE
algorytm Apriori
LOF - Local Outlier Factor
algorytm Isolation Forest
O uczeniu maszynowym mówi się już praktycznie wszędzie. Wkrada się w każdą dziedzinę naszego życia. Jeżeli zastanawiasz się czy warto podjąć krok w stronę ucznia maszynowego nie zwlekaj ani chwili dłużej i już dziś podejmij wyzwanie.
scikit-learn
scikit-learn jest prawdopodobnie najbardziej użyteczną biblioteką do uczenia maszynowego w języku Python. Biblioteka zawiera wiele wydajnych narzędzi do uczenia maszynowego i modelowania statystycznego, w tym klasyfikacji, regresji, grupowania czy redukcji wymiarowości.
OpenCV
OpenCV to świetne narzędzie do przetwarzania obrazu i wykonywania zadań widzenia komputerowego (computer vision). Jest to biblioteka typu open source, której można używać do wykonywania zadań, takich jak detekcja twarzy, śledzenie objektów, wykrywanie punktów orientacyjnych i wiele innych. Obsługuje wiele języków, w tym Python, Java oraz C++. Biblioteka wyposażona jest w setki przydatnych funkcji i algorytmów, z których wszystkie są dla nas za darmo. Niektóre z tych funkcji są naprawdę powszechne i są używane w prawie każdym zadaniu widzenia komputerowego.
Boom na rozwiązania AI
Zastosowania sztucznej inteligencji (Artificial Intelligence) rosną w tempie wykładniczym. Od prostych modeli klasyfikujących pocztę mailową, wybierającą najbardziej optymalną trasę dojazdu, rozpoznającą nas w czasie rzeczywistym (wideoweryfikacja) po auta a nawet samoloty autonomiczne. A przed nami przecież tyle nieodkrytych obszarów w których można zastosować AI.
Stack Overflow Developer Survey
Według Stack Overflow Developer Survey 2021 język Python jest najchętniej wybieranym językiem do nauki programowania.
Who this course is for:
- dla programistów języka Python, którzy chcą poznać uczenie maszynowe
- dla osób, które chcą zgłębić swoją wiedzę na temat uczenia maszynowego
- dla data scientistów
- dla analityków danych
- dla inżynierów uczenia maszynowego
- dla osób zainteresowanych data science
Instructor
EN
Python Developer/Data Scientist/Stockbroker
Founder at e-smartdata[.]org.
Big fan of new technologies!
Graduate of postgraduate studies at the Polish-Japanese Academy of Information Technology in the field of Computer Science and Big Data specialization.
Graduate of MA studies in Financial and Actuarial Mathematics at the Faculty of Mathematics and Computer Science at the University of Lodz. Former PhD student at the faculty of mathematics.
Stockbroker license holder (no 3073).
Lecturer at the GPW Foundation (technical analysis, behavioral finance and portfolio management).
PL
Data Scientist, Securities Broker
Założyciel platformy e-smartdata[.]org
Miłośnik nowych technologii, szczególnie w obszarze sztucznej inteligencji, języka Python oraz rozwiązań chmurowych.
Absolwent podyplomowych studiów na Polsko-Japońskiej Akademii Technik Komputerowych na kierunku Informatyka, spec. Big Data.
Absolwent studiów magisterskich z matematyki finansowej i aktuarialnej na wydziale Matematyki i Informatyki Uniwersytetu Łódzkiego.
Od 2015 roku posiadacz licencji Maklera Papierów Wartościowych z uprawnieniami do czynności doradztwa inwestycyjnego (nr 3073).
Wykładowca w Fundacji GPW prowadzący szkolenia dla inwestorów z zakresu analizy technicznej, finansów behawioralnych i zasad zarządzania portfelem instrumentów finansowych.
Z doświadczeniem w prowadzeniu zajęć dydaktycznych na wyższej uczelni z przedmiotów związanych z rachunkiem prawdopodobieństwa i statystyką.
Główne obszary zainteresowań to język Python, sztuczna inteligencja, web development oraz rynki finansowe.
IG: e_smartdata