Machine Learning Bootcamp w języku Python cz.II - od A do Z
What you'll learn
- wprowadzenie do uczenia nienadzorowanego
- metody grupowania (clustering): algorytm K-średnich wraz z implementacją, grupowanie hierarchiczne, DBSCAN
- redukcja wymiarowości: algorytm PCA wraz z implementacją, algorytm t-SNE
- metody asocjacyjne: reguły asocjacyjne, algorytm Apriori
- detekcja anomalii: algorytm Local Outlier Factor, algorytm Isolation Forest
- detekcja anomalii w szeregach czasowych: biblioteka Prophet (Facebook)
Requirements
- ukończone kursy ze ścieżki Python Developer na tym koncie instruktorskim
- ukończone kursy ze ścieżki Data Scientist na tym koncie instruktorskim
- warto posiadać podstawową wiedzę z zakresu statystyki (średnia, odchylenie standardowe, rozkłady)
- podstawowa wiedza matematyczna, w tym algebry liniowej, rachunku różniczkowego i statystyki, będzie przydatna w zrozumieniu niektórych koncepcji związanych z uczeniem maszynowym
Description
Odkrywaj nowe horyzonty z uczeniem maszynowym - twórz inteligentne jutro!
Kurs "Machine Learning Bootcamp w języku Python cz.II - od A do Z" to intensywny program szkoleniowy, który ma na celu wprowadzić uczestników w fascynujący świat uczenia maszynowego. Ten kurs, skierowany jest do początkujących i średnio zaawansowanych, został zaprojektowany tak, aby dostarczyć solidne podstawy oraz praktyczne umiejętności niezbędne do zastosowania uczenia maszynowego w praktyce. Część druga serii Machine Learning Bootcamp skupia się na uczeniu nienadzorowanym.
Kurs rozpoczyna się od wprowadzenia uczestników do podstaw uczenia nienadzorowanego. W dalszej części kursu uczestnicy nauczą się czym jest klasteryzacja przy wykorzystaniu takich algorytmów jak algorytm K-średnich, grupowanie hierarchiczne, czy algorytm DBSCAN.
Kolejno kurs przechodzi do ważnego zagadnienia w uczeniu maszynowym - redukcji wymiarowości. Omówione zostaną dwa algorytmy do redukcji wymiarowości - PCA oraz t-SNE. Dalej omówione zostaną reguły asocjacyjne oraz detekcja anomalii.
Na zakończenie kursu, uczestnicy wykonają trzy projekty, które pozwolą na praktyczne zastosowanie zdobytej wiedzy.
"Machine Learning Bootcamp w języku Python cz.II - od A do Z" to kurs, który zapewnia solidne podstawy wiedzy i praktyczne umiejętności potrzebne do zrozumienia i implementacji uczenia maszynowego w rzeczywistych problemach.
Odkrywaj nowe horyzonty z uczeniem nienadzorowanym!
Uczenie nienadzorowane to gałąź sztucznej inteligencji, która zajmuje się eksploracją i analizą danych bez wykorzystania oznaczeń lub nadzoru zewnętrznego. W przeciwieństwie do uczenia nadzorowanego, w którym dostarcza się algorytmom dane wejściowe wraz z etykietami, w uczeniu nienadzorowanym algorytmy muszą samodzielnie wykrywać wzorce, struktury lub ukryte zależności w danych.
Uczenie nienadzorowane może być stosowane w różnych dziedzinach, takich jak przetwarzanie języka naturalnego, analiza danych, rozpoznawanie obrazu, segmentacja rynku i wiele innych. Popularne metody uczenia nienadzorowanego to grupowanie (klasyfikacja danych na podstawie podobieństwa), redukcja wymiarowości (zmniejszenie liczby cech w danych), odkrywanie reguł asocjacyjnych (wykrywanie zależności między elementami zbioru danych) i wiele innych.
Uczenie nienadzorowane jest niezwykle cenne, ponieważ pozwala odkrywać ukryte wzorce i wiedzę z danych, które mogą prowadzić do nowych odkryć, lepszego zrozumienia danych i podejmowania decyzji opartych na danych (data-driven decisions). Jest to potężne narzędzie w dziedzinach, w których brakuje oznaczonych danych lub gdy chcemy zobaczyć, co samoistnie wyniknie z danych bez wprowadzania jakichkolwiek założeń.
Who this course is for:
- analitycy danych i naukowcy, którzy chcą poszerzyć swoje umiejętności w zakresie uczenia nienadzorowanego, czyli technik analizy danych, które nie wymagają etykietowanych danych treningowych
- programiści i inżynierowie oprogramowania, którzy chcą zdobyć wiedzę i umiejętności związane z technikami uczenia nienadzorowanego, takimi jak klasteryzacja, redukcja wymiarowości czy asocjacyjne reguły
- specjaliści ds. danych, którzy chcą rozszerzyć swoje umiejętności w zakresie wykorzystywania uczenia nienadzorowanego do analizy danych i odkrywania ukrytych wzorców
- studenci lub absolwenci kierunków związanych z informatyką, statystyką, matematyką lub pokrewnymi dziedzinami, którzy chcą zdobyć podstawy uczenia nienadzorowanego i umiejętności praktyczne związane z analizą danych
- osoby zainteresowane eksploracją danych i odkrywaniem nowych informacji bez konieczności posiadania wcześniej etykietowanych danych, które preferują język Python jako narzędzie programistyczne
- osoby pragnące zdobyć podstawową wiedzę z uczenia maszynowego i zrozumieć techniki uczenia nienadzorowanego jako pierwszy krok w procesie poznawania tej dziedziny
Instructor
- 4.6 Instructor Rating
- 7,470 Reviews
- 307,279 Students
- 111 Courses
EN
Python Developer/AI Enthusiast/Data Scientist/Stockbroker
Enthusiast of new technologies, particularly in the areas of artificial intelligence, the Python language, big data and cloud solutions. Graduate of postgraduate studies at the Polish-Japanese Academy of Information Technology in the field of Computer Science and Big Data specialization. Master's degree graduate 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. Since 2015, a licensed Securities Broker with the right to provide investment advisory services (license number 3073). Lecturer at the GPW Foundation, conducting training for investors in the field of technical analysis, behavioral finance, and principles of managing a portfolio of financial instruments.
Founder at e-smartdata
PL
Data Scientist, Securities Broker
Jestem miłośnikiem nowych technologii, szczególnie w obszarze sztucznej inteligencji, języka Python big data oraz rozwiązań chmurowych. Posiadam stopień absolwenta podyplomowych studiów na kierunku Informatyka, specjalizacja Big Data w Polsko-Japońskiej Akademii Technik Komputerowych oraz magistra z Matematyki Finansowej i Aktuarialnej na wydziale Matematyki i Informatyki Uniwersytetu Łódzkiego. Od 2015 roku posiadam licencję Maklera Papierów Wartościowych z uprawnieniami do czynności doradztwa inwestycyjnego (nr 3073). Jestem również wykładowcą w Fundacji GPW prowadzącym szkolenia dla inwestorów z zakresu analizy technicznej, finansów behawioralnych i zasad zarządzania portfelem instrumentów finansowych. Mam doświadczenie w prowadzeniu zajęć dydaktycznych na wyższej uczelni z przedmiotów związanych z rachunkiem prawdopodobieństwa i statystyką. Moje główne obszary zainteresowań to język Python, sztuczna inteligencja, web development oraz rynki finansowe.
Założyciel platformy e-smartdata
IG: e_smartdata