Machine Learning Bootcamp w języku Python cz.I - od A do Z
What you'll learn
- podstaw uczenia maszynowego
- czym jest uczenie nadzorowane
- przepływu pracy przy tworzeniu modeli uczenia maszynowego
- przygotowania danych do modelu
- czym jest zbiór treningowy, walidacyjny i testowy
- czym jest problem regresji
- regresji liniowej
- regresji wielomianowej
- regresji drzewa decyzyjnego
- oceny modeli regresyjnych
- czym jest problem klasyfikacji
- regresji logistycznej
- algorytmu K-najbliższych sąsiadów
- klasyfikacji drzewa decyzyjnego
- klasyfikacji lasu losowego
- jak działa maszyna wektorów nośnych
- jak działa naiwny klasyfikator bayesowski
- czym jest problem niedouczenia i przeuczenia
- jak wybrać model - walidacja krzyżowa, przeszukiwanie siatki
- 3 x case studies
Course content
- Preview00:51
- 00:19Wymagania
- Preview02:49
- 05:25Programowanie klasyczne vs. uczenie maszynowe
- Preview03:04
- Preview04:53
- 03:48Główne problemy uczenia maszynowego
- 02:35Podział danych
Requirements
- ukończony kurs Programowanie w języku Python - od A do Z
- ukończony kurs 200+ Ćwiczeń - Programowanie w języku Python
- ukończony kurs 210+ Ćwiczeń - Python - Moduły wbudowane
- ukończony kurs Wprowadzenie do data science w języku Python - Pandas
- ukończony kurs Interaktywne wizualizacje danych w języku Python - Plotly
- ukończony kurs Data Science Bootcamp w języku Python
- ukończony kurs 250+ Ćwiczeń - Data Science Bootcamp w języku Python
Description
---------------------------------------------------------
REKOMENDOWANE ŚCIEŻKI UCZENIA
---------------------------------------------------------
PYTHON DEVELOPER:
Programowanie w języku Python - od A do Z - 2020
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
DATA SCIENTIST / MACHINE LEARNING ENGINEER:
Programowanie w języku Python - od A do Z - 2020
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
Wprowadzenie do data science w języku Python - Pandas
Interaktywne wizualizacje danych w języku Python - Plotly
Data Science Bootcamp w języku Python - od A do Z
250+ Ćwiczeń - Data Science Bootcamp w języku Python
Machine Learning Bootcamp w języku Python cz.I - od A do Z
Machine Learning Bootcamp w języku Python cz.II - od A do Z
Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia
DATA SCIENTIST / DEEP LEARNING ENGINEER
Programowanie w języku Python - od A do Z - 2020
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
Wprowadzenie do data science w języku Python - Pandas
Interaktywne wizualizacje danych w języku Python - Plotly
Data Science Bootcamp w języku Python - od A do Z
250+ Ćwiczeń - Data Science Bootcamp w języku Python
Machine Learning Bootcamp w języku Python cz.I - od A do Z
Machine Learning Bootcamp w języku Python cz.II - od A do Z
Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia
Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras
Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe
Artificial Intelligence – Computer Vision w języku Python
BI ANALYST / DATA ANALYST:
Programowanie w języku Python - od A do Z - 2020
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
Wprowadzenie do data science w języku Python - Pandas
Interaktywne wizualizacje danych w języku Python - Plotly
Twórz nowoczesne aplikacje webowe w Pythonie - Dash, Plotly
Data Science Bootcamp w języku Python - od A do Z
250+ Ćwiczeń - Data Science Bootcamp w języku Python
BIG DATA ANALYST:
Programowanie w języku Python - od A do Z - 2020
200+ Ćwiczeń - Programowanie w języku Python - od A do Z
210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
Programowanie obiektowe w języku Python - OOP - od A do Z
150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
Testy jednostkowe w języku Python - framework unittest
100+ Ćwiczeń - Testy jednostkowe w języku Python - unittest
Wprowadzenie do data science w języku Python - Pandas
Interaktywne wizualizacje danych w języku Python - Plotly
Big Data, Hadoop oraz MapReduce w języku Python
Big Data: Analiza danych przy użyciu SQL oraz BigQuery
ENG:
200+ Exercises - Programming in Python - from A to Z
210+ Exercises - Python Standard Libraries - from A to Z
150+ Exercises - Object Oriented Programming in Python - OOP
100+ Exercises - Unit tests in Python - unittest framework
100+ Exercises - Python Programming - Data Science - NumPy
100+ Exercises - Python Programming - Data Science - Pandas
100+ Exercises - Python - Data Science - scikit-learn
250+ Exercises - Data Science Bootcamp in Python
-------------------
OPIS KURSU
-------------------
Pierwsza część kursu z serii Machine Learning Bootcamp obejmująca tematykę uczenia nadzorowanego. Poruszone są główne problemy klasycznego uczenia maszynowego, czyli klasyfikacja oraz regresja. Kurs zbudowany jest w oparciu o najpopularniejszą bibliotekę do uczenia maszynowego w języku Python, czyli bibliotekę scikit-learn (sklearn).
Na kursie omówionych zostało wiele algorytmów uczenia maszynowego, między innymi:
regresja liniowa
regresja wielomianowa
regresja drzew decyzyjnych
regresja logistyczna
algorytm k-najbliższych sąsiadów
klasyfikator drzew decyzyjnych
klasyfikator lasów losowych
algorytm maszyny wektorów nośnych
naiwny klasyfikator bayesowski
Przedstawione zostały także metody oceny modeli regresji oraz klasyfikacji, walidacja krzyżowa czy metoda przeszukiwania siatki.
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.
Who this course is for:
- wszystkich osób, które chcą zgłębić swoją wiedzę na temat uczenia maszynowego
- osób zainteresowanych data science
- data scientistów
- analityków danych
- inżynierów uczenia maszynowego
Instructor
EN
Data Scientist/Python Developer/Securities Broker
Founder at e-smartdata[.]org.
A big fan of new technologies, especially in the areas of artificial intelligence, big data and cloud solutions.
A graduate of postgraduate studies at the Polish-Japanese Academy of Information Technology in the field of Computer Science in the Big Data specialization.
A graduate of Master's Degree in Financial and Actuarial Mathematics at the Faculty of Mathematics and Computer Science of the University of Lodz.
Stockbroker license holder with experience in teaching at a university.
Lecturer at the GPW Foundation (technical analysis, behavioral finance and portfolio management).
The main areas of interest are artificial intelligence, machine learning, deep learning and financial markets.
PL
Data Scientist, Securities Broker
Założyciel platformy e-smartdata[.]org
Miłośnik nowych technologii, szczególnie w obszarze sztucznej inteligencji, big data 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.
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 sztuczna inteligencja, uczenie maszynowe, uczenie głębokie i rynki finansowe.