Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Návrh Školení
Machine Learning Úvod
- Druhy strojového učení – nadzorované vs nenadzorované
- Od statistického učení k strojovému učení
- Pracovní proud datové výpady: porozumění podnikání, příprava dat, modelování, nasazení
- Vybrání správného algoritmu pro úkol
- Přeuvěr a obchod s biasem-variance
Python a Přehled knihoven ML
- Proč používat programovací jazyky pro ML
- Výběr mezi R a Python
- Krátké představení Python a Jupyter Notebooků
- Bibliotéky Python: pandas, NumPy, scikit-learn, matplotlib, seaborn
Testování a hodnocení ML algoritmů
- Generalizace, přeuvěr a validace modelu
- Hodnotící strategie: holdout, křížová validace, bootstraping
- Metry pro regresi: ME, MSE, RMSE, MAPE
- Metry pro klasifikaci: přesnost, matice záměny, nevyvážené třídy
- Vizualizace výkonu modelu: zisková křivka, ROC křivka, lift křivka
- Výběr modelu a grid search pro nastavení parametrů
Příprava dat
- Import dat a jejich úložiště v Python
- Explorativní analýza a sestavování statistik
- Zvládání chybějících hodnot a odstupňovaných měření
- Standardizace, normalizace a transformace dat
- Překódování kvalitativních dat a zpracování dat s pandas
Klasifikační algoritmy
- Dvojzáporná vs víceúrovňová klasifikace
- Logistická regrese a diskriminační funkce
- Naivní Bayes, k-najbližší sousedé
- Vyvěšení rozhodovacích stromů: CART, Random Forests, Bagging, Boosting, XGBoost
- Podporové vektory a jádra
- Techniky ensemblového učení
Regrese a číselné predikce
- Najmenší čtverce a výběr proměnných
- Metody regularizace: L1, L2
- Polinomická regrese a nelineární modely
- Regresní stromy a splajny
Unsupervised Learning
- Klasterizační techniky: k-means, k-medoids, hierarchické klustrování, SOMs
- Snížení dimenzionality: PCA, faktorová analýza, SVD
- Vícerozměrné měření vzdálenosti
Tekstová analýza
- Předzpracování textu a tokenizace
- Bag-of-words, stemming a lemmatization
- Analýza sentimentu a frekvence slov
- Vizualizace textových dat pomocí slovních molů
Systémy doporučení
- Uživatelovská a položková společenská filtrace
- Návrh a hodnocení systémů doporučení
Výpočet častých vzorců
- Chtěné množiny prvků a algoritmus Apriori
- Analyza košíků nákupů a lift poměr
Detekce výpadkových hodnot
- Analyzování extrémních hodnot
- Vzdálenostní a hustotní metody
- Detekce výpadků ve vysokorozměrných datech
Machine Learning Případové studie
- Pochopení podnikatelského problému
- Příprava dat a inženýrství funkcí
- Výběr modelu a nastavení parametrů
- Hodnocení a prezentace výsledků
- Nasazení
Souhrn a další kroky
Požadavky
- Základní znalost statistiky a lineární algebry
- Přehled o analýze dat nebo konceptech business intelligence
- Nějaké zkušenosti s programováním (přednostně v Python nebo R) se doporučují
- Zájem o učení aplikovanému strojovému učení pro datově orientované projekty
Cílová skupina
- Analysté a věci data
- Statistici a profesionálové výzkumu
- Vývojáři a IT odborníci zkoumající nástroje strojového učení
- Kdekoli, kdo se účastní projektů v oblasti datové vědy nebo prediktivní analýzy
21 hodiny
Reference (3)
Even with having to miss a day due to customer meetings, I feel I have a much clearer understanding of the processes and techniques used in Machine Learning and when I would use one approach over another. Our challenge now is to practice what we have learned and start to apply it to our problem domain
Richard Blewett - Rock Solid Knowledge Ltd
Kurz - Machine Learning – Data science
I like that training was focused on examples and coding. I thought that it is impossible to pack so much content into three days of training, but I was wrong. Training covered many topics and everything was done in a very detailed manner (especially tuning of model's parameters - I didn't expected that there will be a time for this and I was gratly surprised).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Kurz - Machine Learning – Data science
It is showing many methods with pre prepared scripts- very nicely prepared materials & easy to traceback
