Sprawdź specjalne oferty kursów z okazji Black Friday!
Wybierz swój kurs PRO z paska menu i dowiedz się więcej!
KURS W FORMULE BLENDED LEARNING
Machine Learning
Interesuje Cię uczenie maszynowe i sztuczna inteligencja? Ten kurs wprowadzi Cię do świata algorytmów machine learning! Dowiedz się, jak tworzyć algorytmy i zacznij swoją podróż w kierunku pracy nad AI.
Na czym polega formuła blended learning?
Blended learning to kurs, który łączy nagrania wideo, zawierające część teoretyczną z praktycznymi warsztatami na żywo, prowadzonymi przez trenera
w wirtualnej klasie. Nagrania oraz inne, przydatne materiały dostępne są na platformie e-learningowej. Trener prowadząc zajęcia na żywo odnosi się do treści zrealizowanego wcześniej modułu online.
Sprawdź, czy ten kurs jest dla Ciebie
Kurs będzie dla Ciebie dobrym wyborem jeśli:
M.in.: operacje na zmiennych liczbowych, operacje na liście, instrukcję if/else, pętlę for.
Chcesz od zera poznać koncepcje, narzędzia i techniki stosowane w tym obszarze.
Chcesz pogłębić swoją wiedzę i wzmocnić praktyczne kompetencje w tym zakresie.
Kursy w formule blended learning pozwalają na większą elastyczność w nauce.
Zdobądź kompetencje niezbędne do pracy przy komercyjnych projektach
Kurs Machine Learning pozwala na nabycie praktycznych umiejętności związanych z wykorzystaniem algorytmów uczenia maszynowego do rozwiązywania rzeczywistych problemów w różnych obszarach biznesu, nauki czy przemysłu.
Poznasz teorię uczenia maszynowego i będziesz rozumieć, jak działają algorytmy.
Poznasz szeroki wachlarz technik i algorytmów pozwalających rozwiązywać różnorodne problemy.
Nabędziesz umiejętności inżynierskie — nauczysz się implementować rozwiązania oparte na uczeniu maszynowym w języku Python.
Poznasz profesjonalne techniki i zaawansowane algorytmy pozwalające radzić sobie ze złożonymi wyzwaniami biznesowymi.
Poznasz metodologię pracy z algorytmami — proces przygotowania danych, realizacji eksperymentów, ewaluacji rozwiązań.
Stworzysz praktyczny projekt, który umieścisz w swoim portfolio.
Masz dość rozpoczętych i niedokończonych kursów online? Z nami Ci to nie grozi!
✔️ 18 godzin zajęć w grupie z autorem kursu.
✔️ Praca z ekspertem i okazja do poznania dobrych praktyk.
✔️ Warsztatowy charakter, tj. poświęcenie czasu na nabywanie praktycznego doświadczenia w rozwiązywaniu rzeczywistych problemów.
✔️ Forma pracy projektowej - na codwutygodniowych spotkaniach są realizowane różne komponenty, z których powstają duże projekty (a które potem będą stanowić portfolio uczestników).
✔️ Skupienie się na uzupełnieniu nagrań i ćwiczeń.
✔️ Obecność drobnych elementów, wykraczających poza zakres nagrań.
✔️ Okazja do przeprowadzenia dyskusji oraz wyjaśnienia wątpliwości.
✔️ Teoria uczenia maszynowego - omówienie w jaki sposób działają algorytmy.
✔️ Inżyniera - demonstracja działania algotytmów z wykorzystaniem języka Python.
✔️ Metodologia - jak poprawnie, skutecznie i najbardziej optymalnie pracować z algorytmami.
✔️ Wyzwania praktyczne - techniki radzenia sobie z różnorodnymi sytuacjami.
✔️ Dostęp do dodatkowych nagrań z webinarów tematycznych, które pozwolą poszerzyć wiedzę.
✔️ Grupowy kanał do dyskusji z innymi uczestnikami.
✔️ Możliwość zadawania na kanale pytań trenerowi.
✔️ Praktyczne zadania domowe pozwalające ugruntować wiedzę wyniesioną z nagrań.
✔️ Praktykowanie wiedzy podczas zajęć warsztatowych.
✔️ Rozwiązywanie realnych Case Studies.
✔️ Praca projektowa.
✔️ Wybrany przez Ciebie problem do rozwiązania z wykorzystaniem uczenia maszynowego.
✔️ Wsparcie w trakcie pracy nad projektem i możliwość konsultacji z trenerem w naszym kanale.
✔️ Dokładne sprawdzenie projektu przez trenera i wartościowy feedback.
✔️ Cenny punkt do portfolio pod kątem branży data science.
✔️ Możliwość otrzymania certyfikatu z wyróżnieniem.
Sprawdź aktualne terminy startu kursu
Raty 0% z kredytem Alior Bank.
Cena uzależniona od wybranego pakietu i przysługującej zniżki.
Na realizację kursu należy przeznaczyć +/- 10 tygodni nauki,
w tym 6 popołudniowo-wieczornych 3-godzinnych spotkań na żywo z trenerem.
Skorzystaj z oferty Black Friday i zaaplikuj na kurs Machine Learning
Liczba miejsc na każdą z edycji jest ograniczona. O udziale w kursie decyduje kolejność podpisanych umów, więc nie zwlekaj z decyzją.
O abonamencie od Stacji IT dostępnym w pakiecie dowiesz się więcej tutaj.
Machine Learning
warsztaty na żywo + materiały online
- 6x3 h warsztatów z autorem kursu (razem 18h)
- 38 h nagrań wideo na platformie e-learningowej
- dostęp do nagrań z teorią + warsztaty z trenerem na żywo
- 4 tygodnie pracy własnej nad projektem końcowym
- Nieograniczony dostęp do nagrań z kursu
- Konsultacje i mentoring
- Aktualne narzędzia i dobre praktyki
- Zadania domowe i konsultacje przy ich rozwiązaniu na zamkniętej grupie na Slacku
- GRATIS BLACK FRIDAY: roczny abonament na warsztaty Stacji IT o wartości 1 188 zł
Program kursu
1. Wprowadzenie do uczenia maszynowego
- ✔️ Organizacja pracy
- ✔️ Środowisko pracy
- ✔️ Wprowadzenie do przeprowadzania obliczeń w bibliotece numpy
- ✔️ Wprowadzenie do przetwarzania danych w bibliotece pandas
- ✔️ Wprowadzenie do wizualizacji danych w bibliotece matplotlib
- ✔️ Czym jest uczenie maszynowe?
2. Matematyczne podstawy uczenia maszynowego
- ✔️ Funkcja liniowa jednej i wielu zmiennych
- ✔️ Funkcje nieliniowe wykorzystywane w uczeniu maszynowym
- ✔️ Problem optymalizacji i obliczenia numeryczne – podstawy uczenia się algorytmów
- ✔️ Zmienne losowe i rozkłady prawdopodobieństwa
- ✔️ Modelowanie zależności między zdarzeniami – rozkłady warunkowe
3. Model regresji liniowej
- ✔️ Model regresji dla jednej zmiennej, algorytm dopasowania modelu
- ✔️ Ocena dopasowania modelu do danych, współczynnik determinacji R2
- ✔️ Modelowanie zależności nieliniowych
- ✔️ Regresja liniowa dla wielu zmiennych
- ✔️ Ewaluacja graficzna dopasowania modelu
- ✔️ Typowe przekształcenia danych poprawiające jakość modelu
- ✔️ Problem nadmiernego dopasowania oraz badanie jakości predykcji
- ✔️ Regularyzacja modelu
4. Drzewa decyzyjne
- ✔️ Mechanizm działania
- ✔️ Proces uczenia drzew decyzyjnych
- ✔️ Regulacja wielkości drzewa
- ✔️ Drzewo decyzyjne dla klasyfikacji wieloklasowej
- ✔️ Drzewo regresyjne
5. Tworzenie rozwiązania problemu predykcyjnego w praktyce - optymalizacja i automatyzacja
- ✔️ Praktyczne metody oceny jakości algorytmów
- ✔️ Optymalizacja modeli
- ✔️ Kroswalidacja
- ✔️ Automatyzacja procesów predykcyjnych w scikit-learn - pipelines
6. Model regresji logistycznej
- ✔️ Mechanizm modelu
- ✔️ Algorytm uczenia
- ✔️ Interpretacja modelu – ocena wpływu zmiennych na predykcje
- ✔️ Regularyzacja
- ✔️ Regresja logistyczna dla klasyfikacji wieloklasowej
7. Case study - przygotowanie danych i metodologia rozwiązywania problemów biznesowych
- ✔️ Dobór danych do modelowania
- ✔️ Obsługa zmiennych kategorycznych
- ✔️ Obróbka danych – feature engineering
- ✔️ Automatyzacja złożonych procesów przetwarzania danych w scikit-learn
- ✔️ Metodologia wytwarzania rozwiązań opartych na algorytmach uczenia maszynowego
8. Pozostałe najważniejsze algorytmy predykcyjne
- ✔️ Naiwny Klasyfikator Bayesa
- ✔️ SVM
- ✔️ Las losowy, bagging, boosting
- ✔️ KNN
9. Ocena ważności i algorytmy selekcji zmiennych
- ✔️ Ocena ważności zmiennych
- ✔️ Selekcja współbieżna z uczeniem
- ✔️ Selekcja krokowa
- ✔️ Filtrowanie zmiennych
10. Typowe problemy z rzeczywistymi danymi i techniki radzenia sobie z nimi
- ✔️ Problem niezbalansowanych danych
- ✔️ Obsługa braków danych
- ✔️ Wykrywanie obserwacji odstających
11. Modelowanie danych specyficznych rodzajów
- ✔️ Dane tekstowe: przygotowanie tekstów do modelowania, metody reprezentacji tekstu, przekształcenie TFIDF
- ✔️ Dane czasowe: schematy pracy na danych, inżynieria cech oraz ocena modeli z uwzględnieniem kontekstu czasowego
12. Algorytmy grupowania danych
- ✔️ Algorytm K-Średnich
- ✔️ Grupowanie hierarchiczne
- ✔️ DBSCAN
13. Redukcja wymiarowości
- ✔️ Rozkład SVD
- ✔️ Analiza Składowych Głównych - PCA
- ✔️ Różne konteksty zastosowań redukcji wymiaru
14. Zaawansowane algorytmy uczenia maszynowego
- ✔️ Algorytm XGBoost: mechanizm działania i proces uczenia
- ✔️ Algorytm XGBoost: efektywna optymalizacja hiperparametrów
- ✔️ Sieci neuronowe: perceptron wielowarstwowy - struktura i mechanizm działania
- ✔️ Sieci neuronowe: proces uczenia sieci
Autorem kursu jest Norbert Ryciak
Data scientist, inżynier uczenia maszynowego. Ma doświadczenie w pracy przy wszystkich etapach projektów data science - od prac badawczych, poprzez prototypowanie, kończąc na wdrażaniu produktów opartych na uczeniu maszynowym. Realizował projekty takie jak przewidywanie efektywności kampanii marketingowych, klasyfikacja dokumentów, generowanie opisów produktów czy wykrywanie popularnych tematów poruszanych w sieci. Podejmuje wiele różnorodnych działań dydaktycznych w obszarze data science: prowadzi szkolenia, zajęcia na uczelniach, jest autorem kursów rozwojowych o tematyce data science, uczenia maszynowego i sztucznej inteligencji w firmie Sages. Absolwent studiów matematycznych na Politechnice Warszawskiej.
Kursy, na których prowadzi zajęcia:
Dlaczego warto wybrać kurs Machine Learning?
Uczenie maszynowe jest fundamentem czwartej rewolucji przemysłowej, polegającej na upowszechnieniu się inteligentnych systemów i urządzeń.
W dzisiejszych czasach każdy duży biznes wykorzystuje samodzielnie uczące się algorytmy, a coraz więcej małych biznesów rozwija swoją działalność w oparciu o tę technologię.
Uczenie maszynowe stosowane jest właściwie w każdej branży – od marketingu i systemów rekomendacyjnych, poprzez sprzedaż i bankowość, a kończąc na przemyśle i zastosowaniach w naukach przyrodniczych i medycynie. To sprawia, że kompetencje w tym obszarze są niezwykle cenne, a rozwiązywanie rzeczywistych problemów z ich wykorzystaniem – niezwykle ciekawe.
Co sądzą o kursie Machine Learning nasi kursanci?
" Ten kurs jest moim ulubionym źródłem wiedzy o uczeniu maszynowym, wracam do niego regularnie i zawsze znajduję to czego akurat potrzebuję lub odkrywam coś nowego. Fantastyczny prowadzący, bardzo interesująco i klarownie tłumaczy wszystko od matematycznych wzorów, po praktyczne aspekty tworzenia rozwiązania. Polecam kurs szczególnie w bardziej intensywnej wersji blended learning, te dodatkowe warsztaty są bezcenne jeśli ktoś jest naprawdę zainteresowany tematem. Kurs pomógł mi dostać pracę w nowym zawodzie 😊 "
Katarzyna Kołoda
Absolwentka kursu
Często zadawane pytania
Czy kurs jest dla mnie?
Kurs jest od podstaw i prowadzi uczestnika od instalacji środowiska po tematy związane z analizą danych wraz z ich wizualizacją. Jest to idealny kurs zarówno, dla osób, które wcześniej nie znały Pythona jak i tych, które chciałyby usystematyzować już zdobytą wiedzę i poznać tematy bardziej zaawansowane.
Jak długo będę mieć dostęp do materiałów programu i społeczności tworzonej przez grono uczestników?
Otrzymasz dożywotni (a raczej tak długo jak będzie istniał kurs) dostęp do tej edycji kursu, wszystkich materiałów w niej zawartych, przyszłych aktualizacji oraz społeczności (platforma slack).
Co to znaczy, że kurs jest w formie blended learning?
Blended learning to kurs w formie nagrań wideo z teorii połączonej z zajęciami warsztatowymi na żywo z trenerem w wirtualnej klasie. Nagrania zamieszczone są na platformie e-learningowej, do której otrzymujesz indywidualny dostęp. Poza nagraniami wideo dostępne są pliki do pobrania (kod źródłowy, slajdy, pliki tekstowe, odnośniki do zewnętrznych materiałów, testy, etc.) Podczas zajęć prowadzący realizuje z Wami praktyczne zadania z zakresu minionego modułu e-learningowego.
Ile czasu powinienem poświęcić na samodzielną pracę nad każdym modułem (w tydzień)?
Zalecany czas to 6 lub więcej godzin w tygodniu. Zachęcamy do regularnej pracy w ciągu tygodnia. Oczywiście godziny samodzielnej nauki możesz wyznaczyć dowolnie, według swojego rytmu dnia.
Jak mogę się zapisać?
Wypełnij formularz na stronie kursu.
Czy podana cena jest netto czy brutto?
Jest to cena brutto.