Uczenie Maszynowe - Drzewa Decyzyjne i Lasy Losowe - Python
What you'll learn
- Czym jest uczenie maszynowe
- Rodzaje uczenia maszynowego i główne problemy
- Modele klasyfikacji i regresji
- Jak działają algorytmy drzew decyzyjnych
- Elementy składowe drzew decyzyjnych
- Implementacja drzewa decyzyjnego w języku Python
- Budowa modeli drzew decyzyjnych i lasów losowych przy użyciu biblioteki scikit-learn
- Problemy uczenia maszynowego: niedouczenie, przeuczenie
- 2 x Case Study
Requirements
- ukończone kursy ze ścieżki Python Developer
- ukończone kursy ze ścieżki Data Scientist
- wolny czas i chęci do podjęcia kroku w stronę data science
- posiadam kursy, które mogą pomóc w zdobyciu wszystkich niezbędnych umiejętności wymaganych do tego kursu
Description
Stephen Hawking powiedział kiedyś: "whatever you want to uncover the secrets of the universe, or you just want to pursue a career in the 21st century, basic computer programming is an essential skill to learn". Te słowa jakże znamiennie wybrzmiewają w dzisiejszych czasach. Nie ulega wątpliwości, że przyszłość zależeć będzie w dużej mierze od postępu technologicznego i ludzi, którzy będą w stanie ten postęp kreować. Jak pokazują dane, utrzymujące się ogromne zapotrzebowanie na specjalistów w sektorze technologii powoduje, że zarobki w branży także są bardzo satysfakcjonujące.
Sztuczna Inteligencja (Artificial Intelligence) rośnie 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.
Wzrost popularności języka Python
Język Python świetnie nadaje się do przetwarzania, przygotowania, analizy i modelowania danych. Jest prosty do nauki i nie powinien sprawiać problemów osobie, która dopiero zaczyna uczyć się programowania. Na przestrzeni ostatnich lat i rosnącej popularności sztucznej inteligencji Python wyrósł na gwiazdę w tym sektorze. Powstało sporo potężnych bibliotek do machine learningu, czy deep learningu. Przykładem może być stworzona przez Google biblioteka Tensorflow.
Wszechstronność Zastosowań
Języka Python możemy używać na bardzo wielu poziomach. Czy to u siebie w domu, w biurze, czy uruchamiając skrypty w chmurze. W połączeniu z mnogością zastosowań i doskonałym zestawem narzędzi takich jak Spyder, Jupyter Notebook, Zeppelin, IPython i innymi bibliotekami środowisko do analizy danych w Pythonie wyróżnia się wydajnością, produktywnością i doskonałą elastycznością.
Do czego służy biblioteka scikit-learn?
Biblioteka scikit-learn jest bogatą biblioteką typu open source dostępną w języku Python przeznaczoną do uczenia maszynowego. Moduł scikit-learn zawiera wiele algorytmów z dziedziny uczenia nadzorowanego i nienadzorowanego. Biblioteka udostępniana jest na licencji BSD, co pozwala na użytkowanie zarówno komercyjne jak i akademickie.
Zawiera wiele różnych narzędzi wykorzystywanych w uczeniu maszynowym, m. in:
przykładowe zbiory danych
modele uczenia nadzorowanego
modele uczenia nienadzorowanego
redukcja wymiarowości
metody zespołowe
walidacja krzyżowa
optymalizacja parametrów modelu
selekcja cech
Who this course is for:
- dla programistów języka Python, którzy chcą poznać uczenie maszynowe (machine learning)
- dla programistów języka Python, którzy chcą poznać drzewa decyzyjne (scikit-learn)
- dla data scientistów
- dla inżynierów uczenia maszynowego
- dla osób zainteresowanych sztuczną inteligencją (artificial intelligence)
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