Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ Microsoft AZ-900
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Personal Development Mindfulness Personal Transformation Life Purpose Meditation CBT Emotional Intelligence
Web Development JavaScript React CSS Angular PHP Node.Js WordPress Vue JS
Google Flutter Android Development iOS Development React Native Swift Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
Microsoft Power BI SQL Tableau Business Analysis Data Modeling Business Intelligence MySQL Data Analysis Blockchain
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Business Plan Startup Online Business Freelancing Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee
Development Data Science Machine Learning

Uczenie maszynowe w Pythonie. Podstawy, perceptron, regresja

Machine Learning już się dzieje i będzie się dziać dalej. Warto je poznać!
Bestseller
Rating: 4.8 out of 54.8 (153 ratings)
1,958 students
Created by Rafał Mobilo
Last updated 10/2020
Polish
30-Day Money-Back Guarantee

What you'll learn

  • pojęcia data science, machine learning, artificial intelligence, prediction
  • modele statystyczne, matematyczne, danych, typy uczenia
  • intuicja i matematyka stojąca za uczeniem maszynowym
  • perceptron Rosenblata - implementacja i wykorzystanie
  • modele regresji liniowej: Adaline, RANSAC, Lasso, Ridge, ElasticNet
  • przygotowanie danych do analizy
  • uzupenianie brakujcych danych, eliminacja wartosci odstajacych
  • korzystanie z metod i modeli modulu Scikit-Learn

Course content

8 sections • 68 lectures • 7h 18m total length

  • Preview02:38
  • Uwagi techniczne - czego potrzebujesz na kursie
    02:00

  • Wprowadzenie do tej sekcji
    00:27
  • Preview12:00
  • QUIZ - Przygotowanie środowiska - Instalacja Anaconda i Spyder (opcjonalne)
    4 questions
  • LAB - Przygotowanie środowiska - Instalacja Anaconda i Spyder (opcjonalne)
    00:16

  • Wprowadzenie do tej sekcji
    01:09
  • VIDEO Wyjaśnijmy sobie kilka pojęć
    10:38
  • QUIZ - Wyjaśnijmy sobie kilka pojęć
    3 questions
  • LAB - Predictive Analytics - przeglądanie danych
    03:41
  • VIDEO - Modele predykcyjne i uczenie maszynowe
    05:17
  • QUIZ - Modele predykcyjne i uczenie maszynowe
    3 questions
  • LAB - Modele predykcyjne i uczenie maszynowe
    01:19
  • VIDEO - Modele predykcyjne i uczenie maszynowe w praktyce
    07:26
  • QUIZ - Modele predykcyjne i uczenie maszynowe w praktyce
    5 questions
  • LAB - Modele predykcyjne i uczenie maszynowe w praktyce
    01:51
  • VIDEO - Rodzaje machine learning
    09:27
  • QUIZ - Rodzaje machine learning
    3 questions
  • LAB - Rodzaje machine learning
    00:45
  • Preview10:49
  • QUIZ - Unsupervised learning w praktyce
    3 questions
  • Preview02:14

  • Wprowadzenie do tej sekcji
    02:51
  • VIDEO - #1 - Etapy przygotowania danych do machine learning
    14:51
  • QUIZ #1 - Etapy przygotowania danych do machine learning
    5 questions
  • LAB - Numpy - Typ array z modułu numpy
    02:46
  • VIDEO - #2 - Etapy przygotowania danych do machine learning
    14:05
  • QUIZ #2 - Etapy przygotowania danych do machine learning
    4 questions
  • LAB - Numpy - Ręczny podział danych na uczące i testowe
    03:35

  • Wprowadzenie do tej sekcji
    00:49
  • Preview06:17
  • QUIZ - Od neuronu biologicznego przez MCP do perceptronu Rosenblatta
    3 questions
  • Preview02:06
  • VIDEO - Matematyczna magia perceptronu Rosenblatt'a
    06:52
  • QUIZ - Matematyczna magia perceptronu Rosenblatt'a
    5 questions
  • LAB - Matematyczna magia perceptronu Rosenblatt'a
    01:12
  • VIDEO - Arcymagia - jak się uczy neuron?
    11:21
  • QUIZ - Arcymagia - jak się uczy neuron?
    5 questions
  • LAB - Arcymagia - jak się uczy neuron?
    01:11
  • VIDEO - Implementacja perceptronu
    16:28
  • QUIZ- Implementacja perceptronu
    5 questions
  • LAB- Implementacja perceptronu
    01:40
  • VIDEO - Optymalizacja, parametryzacja i zastosowanie perceptronu
    15:38
  • QUIZ - Optymalizacja, parametryzacja i zastosowanie perceptronu
    4 questions
  • LAB - Numpy - wydajność- działań na macierzach wykonywanych w pętli lub numpy
    03:49
  • VIDEO - Matematyka za neuronem ADALINE
    12:05
  • QUIZ- Matematyka za neuronem ADALINE
    5 questions
  • LAB - Podstawowe funkcje statystyczne w NumPy
    01:55
  • VIDEO - Implementacja neuronu ADALINE
    13:18
  • QUIZ - Implementacja neuronu ADALINE
    4 questions
  • LAB - Implementacja neuronu ADALINE
    01:20
  • VIDEO - Optymalizacja uczenia przez standaryzację danych uczących
    11:15
  • QUIZ - Optymalizacja uczenia przez standaryzację danych uczących
    5 questions
  • LAB - PROJEKT - Optymalizacja uczenia na przykładzie danych dot. raka piersi
    02:46
  • VIDEO - Model perceptronu z scikit-learn
    14:50
  • QUIZ- Model perceptronu z scikit-learn
    3 questions
  • LAB - Model perceptronu z scikit-learn
    00:55
  • VIDEO - PROJEKT - Perceptron w akcji - rozpoznawanie ręcznie pisanych cyfr
    08:29
  • QUIZ- PROJEKT - Perceptron w akcji - rozpoznawanie ręcznie pisanych cyfr
    3 questions
  • LAB - PROJEKT - Rozpoznawanie kształtów (four-shapes)
    02:41

  • Preview11:04
  • QUIZ - Regresja liniowa, a wielkość mózgu - wprowadzenie
    3 questions
  • Preview01:29
  • VIDEO - Oczyszczanie danych i wstępna analiza (Exploratory Data Analysis)
    21:57
  • QUIZ - Oczyszczanie danych i wstępna analiza (Exploratory Data Analysis)
    4 questions
  • LAB - Oczyszczanie danych i wstępna analiza (Exploratory Data Analysis)
    01:28
  • LAB - DODATEK - Oczyszczenie danych poprzez uzupełnienie danych
    03:23
  • VIDEO - Samodzielna implementacja regresji liniowej i prosta ocena skuteczności
    09:41
  • QUIZ - Samodzielna implementacja regresji liniowej i prosta ocena skuteczności
    3 questions
  • LAB - Samodzielna implementacja regresji liniowej i prosta ocena skuteczności
    02:11
  • VIDEO - Implementacja regresji liniowej w oparciu o Scikit-Learn
    07:20
  • QUIZ - Implementacja regresji liniowej w oparciu o Scikit-Learn
    4 questions
  • LAB - Implementacja regresji liniowej w oparciu o Scikit-Learn
    01:26
  • Preview15:25
  • QUIZ- Eliminacja wartości odstających - precz z outlierami!
    3 questions
  • Preview02:10
  • VIDEO - Ocena modelu - wykres wartości resztowych
    13:46
  • QUIZ - Ocena modelu - wykres wartości resztowych
    4 questions
  • LAB - Ocena modelu - wykres wartości resztowych
    01:42
  • VIDEO - Ocena modelu regresji - MAE MSE i R2
    16:55
  • QUIZ - Ocena modelu regresji - MAE MSE i R2
    4 questions
  • LAB - Ocena modelu regresji - MAE MSE i R2
    03:24

  • Preview09:07
  • QUIZ - RANSAC (Random Sample Consensus) - uzasadnienie matematyczne
    3 questions
  • Preview01:33
  • Preview17:46
  • QUIZ - RANSAC od kuchni - własna implementacja w Pythonie
    3 questions
  • LAB - RANSAC od kuchni - własna implementacja w Pythonie
    02:19
  • VIDEO - Korzystanie z modelu RANSAC zaimplementowanego w Scikit-Learn
    09:08
  • QUIZ - Korzystanie z modelu RANSAC zaimplementowanego w Scikit-Learn
    3 questions
  • LAB - Korzystanie z modelu RANSAC zaimplementowanego w Scikit-Learn
    01:50
  • VIDEO - Matematyczne czary za modelami Ridge, Lasso i Elastic Net
    09:31
  • QUIZ - Matematyczne czary za modelami Ridge, Lasso i Elastic Net
    3 questions
  • LAB - Matematyczne czary za modelami Ridge, Lasso i Elastic Net
    05:18
  • VIDEO - Regularyzacja współczynników - Ridge, Lasso, Elastic Net
    17:29
  • QUIZ - Regularyzacja współczynników - Ridge, Lasso, Elastic Net
    3 questions
  • LAB - Projekt - Regularyzacja współczynników - Ridge, Lasso, Elastic Net
    02:20

  • Podsumowanie kursu
    01:15

Requirements

  • Znajomość Pythona (zobacz nasz kurs "Python dla początkujących" lub "Python dla średnio zaawansowanych")
  • Znajomość podstaw matematyki, statystyki, programownia
  • Rozumienie sensu analizy danych i stosowanych w niej metod
  • Mile widziana znajomość PANDAS (zobacz nasz kurs "Data Science. Analiza danych w Python i PANDAS")

Description

Jeśli zastanawiasz się czy kupić akcje, czy zainwestować w złoto, to Ci nie pomogę. Nie wiem, co lepiej zrobić. Ale jeśli zapytasz, czy warto uczyć się o Machine Learning i sztucznej inteligencji, to nie mam wątpliwości co powiedzieć. WARTO! Machine Learning już się dzieje i będzie się dziać dalej. A Ty masz wybór – albo patrzysz na to z boku, albo zostajesz liderem w tej dziedzinie.

Ten kurs jest stworzony dla tych, którzy już mają wiedzę programistyczną i pracowali z danymi. Wiedza na temat samego machine learning nie jest wymagana. Pod tym względem zaczynamy od zera tłumacząc nawet co to model, predykcja, uczenie maszynowe itp.

Ale uwaga. Nie kończymy na teorii. To tylko początek. Przygotuj się na dużo programowania. Do każdej lekcji, nawet teoretycznej masz quiz i zadania praktyczne. Każde zadanie praktyczne jest rozwiązane, więc bez obaw - nie zgubisz się.

Na kursie nabędziesz intuicji stojącej za algorytmami, ale poznasz też matematykę, która tą intuicję uzasadnia. Bez obaw. Moim celem nie jest nauczanie tutaj liczenia pochodnej ani operacji na macierzach. Wystarczy, że kojarzysz mniej więcej co to jest, ale oczywiście im więcej pamiętasz z matematyki tym lepiej.

Zazwyczaj algorytm implementujemy od zera w Pythonie, a potem pokazujemy, jak korzystać z gotowych klas przygotowanych w module Scikit-Learn. Dzięki temu nie jesteś programistą, który jak małpka uruchamia funkcję nie wiedząc co dzieje się pod spodem. Pracujemy na prawdziwych danych: ceny diamentów, domów, jakość wina, wielkość mózgu, zachorowalność na choroby, rozpoznawanie kształtów i cyfr no i legendarne kwiaty Iris. Chciałbym, żeby studenci kończący ten kurs byli w stanie samodzielnie budować własne modele.

Machine Learning to olbrzymi temat, mnóstwo algorytmów, bibliotek, technik obróbki danych. Po prostu ogrom. My z tego wielkiego obszaru wybieramy tylko dwa tematy – budowę pojedynczego perceptronu, który jest ważny, bo to przecież podstawa głębokich sieci neuronowych, oraz algorytmy z rodziny regresji liniowej. Jest ich kilka i mają swoje specyficzne zastosowania i co by tu dużo mówić – nie można ich nie znać. Ale jak się przekonasz to i tak bardzo dużo, bo te tematy omówimy bardzo dokładnie: intuicja matematyka, przykłady, testy, zadania – komplet, jak na siłowni, tylko dla mózgu, a nie dla mięśni. Jeśli szukasz kursu pod tytułem „wszystkie algorytmy w jeden dzień” to szukaj dalej. Jeśli szukasz rzetelnego omówienia neuronu i regresji, to to jest to!

Przekwalifikowanie się do zawodu programisty machine learning to co najmniej kilkanaście miesięcy pracy. Jednak nos do góry. Ten kurs może być Twoim krokiem we właściwym kierunku. Wszystko w Twoich rękach. Jeśli interesuje Cię temat machine learning, nie chcesz być biernym obserwatorem rosnących zastosowań sztucznej inteligencji i chmury, zapisz się na kurs. Nic nie ryzykujesz.

Teraz jest dobry czas na Machine Learning. Nie czekaj - dołącz! Zapraszam!

Po zakończeniu tego kursu powinieneś:

  • bez problemu umieć własnymi słowami opowiedzieć o co chodzi w Machine Learning,

  • opisać jakie mamy do dyspozycji algorytmy, co to jest uczenie nadzorowane i nienadzorowane

  • znać szczegółowe zasady działania pojedycznego neuronu i umieć go zastosować do rozwiązywania problemów

  • skorzystać z różnych odmian regresji liniowej: Adaline, RANSAC, Lasso, Ridge, Elastic Net

  • przeanalizować, oczyścić dane i uzupełnić brakujące dane

  • przygotować dane do uczenia maszynowego, dzielić je na dane  uczące i testowe oraz skalować

  • znać szczegóły operacji stojących za skalowaniem i dzieleniem danych na uczące i testowe

Machine Learning nie istnieje bez programowania, dlatego znajdziesz tu mnóstwo zadań do mniej lub bardziej samodzielnego rozwiązania. Początkowe zadania mają na celu odświeżyć wiedzę typowo matematyczną, wprowadzić do optymalnego wykorzystania biblioteki numpy, a kolejne pozwolą poeksperymentować na własną rękę z problemami, jakie stawiamy algorytmom Machine Learning.

Podsumowując. Jeśli masz podstawową wiedzę z programowania, jeśli nie przeraża cię odrobina matematyki i jeśli jesteś ciekawy o co chodzi z tym machine learning i sztuczną inteligencją, jeśli chcesz wystartować od zera w tym temacie, to ten kurs powinien ci to umożliwić.

Obejrzyj lekcje próbne i pamiętając, że z zakupu można wycofać się bez konsekwencji w ciągu 30 dni zacznij swoje bliskie spotkanie ze sztuczną inteligencją – w Twoim ojczystym języku

Do zobaczenia na kursie!

Who this course is for:

  • Programiści planujący poznanie machine learning
  • Analitycy danych poszerzający kompetencje do uczenia maszynowego
  • Studenci kierunku IT poznający machine learning
  • Osoby techniczne zainteresowane sztuczną inteligencją

Instructor

Rafał Mobilo
Microsoft Certified Trainer
Rafał Mobilo
  • 4.7 Instructor Rating
  • 8,750 Reviews
  • 33,177 Students
  • 18 Courses

EN

Microsoft Certified Trainer. Programmer, database administrator, trainer and consultant. The  main areas of interest are database administration and design, automation with PowerShell ,Python and Bash, machine learning, analysis and presentation of data.

Experienced e-learning and distance learning tutor. Mentor of e-learning programs. Blogger.

Worked with, or teached for such companies as ING, Intel, Cadbury, Bank PeKaO, Volvo, UPC, ZUS, Polish Post and many more...

PL

Microsoft Certified Trainer. Programista, administrator baz danych, trener i konsultant. Główne specjalności to administracja i programowanie baz danych, automatyzacja z wykorzystaniem PowerShell, Python, Bash oraz machine learning, analiza i prezentacja danych.

Doświadczony trener szkoleń e-learning. Mentor wdrażania programów e-learning.

Pracował/pracuje/prowadził szkolenia dla takich firm i instytucji jak ING, Intel, Cadbury, Bank PeKaO, Volvo, UPC, ZUS, Poczta Polska i wiele innych...

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Impressum Kontakt
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.