Data Science, Podejście Praktyczne (wersja rozszerzona)

Szkolenie przeznaczone dla analityków biznesowych i systemowych (danych, procesy biznesowe, ryzyko, reguly biznesowe), dla ekspertów IT (programistów, architektów) oraz dla wszystkich, którzy mają świadomość, że stosowanie zaawansowanych technik analitycznych i algorytmów Machine Learning prowadzi do istotnej przewagi konkurencyjnej.

Szkolenie pozwala na poznanie zaawansowanych technik analitycznych w kontekście Data Science, algortymów Machine Learning (ML), sposobów oceny jakości działania uzyskanych modeli predykcyjnych jak i również technik umożliwiających ich wyjaśnianie. Szkolenie łączy w sobie aspekty teoretyczne z praktyczną, narzędziową realizacją modeli ML (Python). Uczestnicy mogą przejść od stanu „wiem i rozumiem” do stanu „potrafię zastosować i zrealizować”.

1. Wprowadzenie
– Machine Learning (ML) a statystyka/ekonometria i AI.
– Podstawowe pojęcia
– Kiedy stosować, przykłady problemów
– Taksonomia metod Machine Learning
– Zarys procesu Data Science
2. Język Python do zastosowań Data Science i Badania Eksploracyjne
– Niezbędne podstawy języka Python
– Biblioteki Data Science
– Wstęp do Badań Eksploracyjnych i wizualizacji
– Ćwiczenie
3. Uczenie Nadzorowane
– Przegląd algorytmów stosowanych w klasyfikacji i regresji
– Problem obciążenia i wariancji
– Problem przeuczenia
– Problem wymiarowości
– Feature Engineering i dobór algorytmów ML
– Ćwiczenie
4. Modele Liniowe i Uogólnione Modele Liniowe
– Podstawy
– Regresja grzebietowa, Lasso i sieci elastyczne
– Regresja logistyczna i Poissona
– Przykłady zastosowania
– Ćwiczenie
5. Algorytmy oparte o drzewa
– Podstawy algorytmów drzewiastych
– Łączenie modeli, idee bagging i boosting
– Lasy Losowe, XGBoost i Catboost
– Przykłady zastosowania
– Ćwiczenie
6. Uczenie Nienadzorowane
– Podstawy
– PCA i redukcja wymiarowości
– Dekompozycja na przykładzie systemów rekomendacji
– Klasteryzacja k-means
– Algorytm t-sne
– Ćwiczenie
7. Interpretowalność modeli
– Ważność permutacyjna
– Technika Lime
– Wartości shap
– Ćwiczenie
8. Panel dyskusyjny

Zalecane przed:
  • AI w Biznesie (szkolenie dla Managerów i Analityków Danych)
  • Wstęp do AI (szkolenie techniczne)

Szkolenie nie wymaga specjalnego przygotowania. Ułatwieniem może być znajomość języka Python lub zbliżonych.

KOD SZKOLENIA:
AI-DSAE
CZAS TRWANIA:
4 DNI
CENA SZKOLENIA za osobę (netto):
3500,00 pln
Poziom szkolenia:
1-Podstawowy
MATERIAŁY DODATKOWE:
Jupyter Notebooks
Brak zaplanowanych szkoleń tego rodzaju w najbliższej przyszłości.
Jeżeli jesteś zainteresowany tym szkoleniem napisz do nas lub skorzystaj z formularza kontaktowego.