Machine Learning

Informacje o szkoleniu

Główna korzyśćDzięki szkoleniu Twoi ludzie mogą sprawdzić, czy i jakie szanse stwarza Machine Learning w Twojej firmie oraz nabyć umiejętności rozwiązywania prostych problemów z użyciem ML.
Czas trwaniaa) połówki: 10 dni po 3 godz. 30 minut (z przerwami) lub
b) pełne dni: 5 dni po 7 godz. zegarowych (z przerwami)
Forma szkoleniawarsztatowa (70% ćwiczenia / 30% wykład)
Logistykaa) online lub
b) w siedzibie klienta lub innym wyznaczonym przez niego miejscu, w Polsce lub za granicą w obrębie Europy
Zapisyszkolenie zamknięte – indywidualne zamówienie i dopasowanie dla grupy
Wielkość grupydo 10 uczestników
Język szkoleniapolski, angielski lub oba naraz w ramach jednego zlecenia

Plan szkolenia

  1. Tooling
    1. Python 3 vs Python 2
    2. Python 3.x Installation
    3. PyCharm – IDE
    4. Executing Python Scripts
    5. pip – Packet Manager
    6. IPython – Interactive Console
    7. Jupyter Notebook
    8. virtualenv – Isolated Python Installations
    9. Tooling Summary
    10. Tooling for Data Science
  2. Data Visualisation with matplotlib
    1. Basic Line Plots
    2. More Series Customization
    3. Log and Symlog Scale
    4. Multiple Plots
  3. Python Crash Course
    1. Lists
    2. Dictionaries
    3. Data Types
  4. Introduction to Machine Learning
    1. What is Machine Learning?
    2. Basic Concepts
    3. Problem Types
    4. Basic Questions
    5. Common Workflow
    6. Algorithm Cheat Sheet
    7. Supervised Learning
    8. Bias-Variance Trade Off
    9. Case Study: Iris Classification
    10. Business Applications
  5. Linear Regression Models
    1. Simple Linear Regression
    2. Multiple Linear Regression
    3. Ridge Regularisation
    4. Lasso Regularisation
    5. ElasticNet Regularisation
  6. Feature Engineering & Selection
    1. Pipelines
    2. One Hot Encoding
    3. Polynominal & Interaction Terms
    4. ln(x+1) Transformation
    5. Feature Selection
  7. Cross Validation and Grid Search
    1. Cross Validation
    2. Cross Validation Strategies
    3. Grid Search
  8. Classification
    1. Logistic Regression
    2. Binary Classification
    3. Multiclass Classification
    4. Evaluation for Model Selection
  9. Models
    1. k-Nearest Neighbors
    2. Linear & Logistic Regression
    3. Lasso, Ridge and ElasticNet Regularization Recap
    4. Neural Networks
    5. Support Vector Machines
    6. Kernelized Support Vector Machines
    7. Decision Trees
    8. Random Forests and Boosting
    9. Classificators Comparison
  10. Clustering
    1. k-Means Clustering
    2. Agglomerative Clustering
    3. Hierarchical Clustering and Dendograms
    4. DBSCAN
    5. Evaluating Clustering with Ground Truth
    6. Comparing Clustering on Digits
  11. Dimensionality Reduction
    1. Principal Component Analysis (PCA)
    2. Non-negative matrix factorisation (NMA)
    3. Decomposing Signals with NMF
    4. Manifold Learning with t-SNE

Przebieg współpracy

  1. Formularz. Wypełniasz formularz na dole strony.
  2. Bezpłatna konsultacja. Umawiamy się na bezpłatną i niezobowiązującą rozmowę online, która powinna zamknąć się w 50 minutach. Od pierwszego kontaktu obowiązuje pełne dochowanie poufności, w razie potrzeby możemy zacząć od podpisania NDA. Celem tej rozmowy jest dokładne omówienie Twojej sytuacji i potrzeb, tak abyśmy mogli w kolejnym kroku przygotować dla Państwa rozwiąznaie.
  3. Propozycja rozwiązania + kolejna konsultacja. Po konsultacji analizujemy Państwa sytuację i przygotowujemy indywidualną dla Państwa propozycję rozwiązania (szkolenie lub/i doradztwo). Tą propozycję omawiamy podczas kolejnej bezpłatnej konsultacji.
  4. Formalności. Podpisanie umowy i dokonanie płatności (przedpłaty). Termin szkolenia rezerwujemy z chwilą dokonania płatności.
  5. Próbka szkolenia. W razie potrzeby możemy poprzedzić główne szkolenie 60-minutową próbką szkolenia, aby mieli Państwo absolutną pewność, że warto współpracować.
  6. Szkolenie lub/i działania doradcze.
  7. Wsparcie poszkoleniowe – w ustalonym indywidualnie zakresie.

Opinie o trenerze

Krzysztof Gębal

Very inspiring training. I really appreciate the way Chris managed to walk us through the complex world of machine learning using Python. Good course materials updated real time. Highly recommend.

Krzysztof Gębal
Finance Director at DNB Bank Polska S.A.

Arkadiusz Baraniecki

Well prepared training and reasonably passed knowledge, thanks to which we develop better services.

Arkadiusz Baraniecki
Infrastructure Team Manager at allegro.pl

Nicolas Leveroni

Chris recently taught a four day class on Machine Learning with Python four our team. The class was very good with the right balance of theory and practice. I cannot think of a better way to give a four day class about such an extensive topic.

Nicolas Leveroni
Head of Krakow Product Control Analytics at HSBC

Więcej referencji znajdziesz tutaj.

Umów bezpłatną konsultację