Machine Learning

Informacje o szkoleniu

Główna korzyść	Dzięki 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 trwania	a) połówki: 10 dni po 3 godz. 30 minut (z przerwami) lub b) pełne dni: 5 dni po 7 godz. zegarowych (z przerwami)

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. Regression Linear 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

Korzyści dla zamawiającego

Jako zamawiający szkolenie otrzymasz:

1. Analizę potrzeb i wsparcie w doborze szkolenia w postaci rozmowy telefonicznej ze sponsorem szkolenia, HRem, team leadem lub/i uczestnikami szkolenia. Dodatkowo, analiza potrzeb uczestników na samym początku szkolenia pozwala na jeszcze lepsze wykorzystanie czasu.
2. Możliwość i wsparcie w dostosowaniu szkolenia pod Twoje potrzeby.
3. Gwarancję poprowadzenia szkolenia przez eksperta, który współpracował m.in. z Google.
4. Ewaluację szkolenia przez uczestników w postaci elektronicznej ankiety pod koniec ostatniego dnia szkolenia. Wyniki są przesyłane zainteresowanym osobom (najczęściej sponsor + HR).
5. Prostą komunikację – masz bezpośredni dostęp telefoniczny i mailowy do trenera.
6. Prosty proces zakupowy – wystarczy jeden telefon lub mail, abyś otrzymał(a) ofertę i aby zarezerwować dla Ciebie termin. Terminy są na wyłączność, nie praktykujemy overbookingu. Wysłanie Purchase Order potwierdza zamówienie.

Klienci, po zobaczeniu efektów tego szkolenia, bardzo często decydują się na inne szkolenia, także dedykowane szkolenia, przygotowywane specjalnie dla nich.

Korzyści dla uczestników

Dodatkowo, w ramach szkolenia uczestnicy otrzymają:

1. Wsparcie poszkoleniowe dla uczestników i sponsora szkolenia, mailowe i telefoniczne.
2. Instrukcję przygotowania laptopów dla uczestników i, w razie potrzeby, wsparcie telefoniczne, mailowe i Skypowe (chociaż jeszcze nigdy nie było takiej potrzeby). Dzięki temu oszczędzamy czas na początku szkolenia i ruszamy od razu z nauką.
3. Materiały szkoleniowe zawierające fragmenty kodu, komentarze, ćwiczenia i ich wzorcowe rozwiązania. Materiały są w formie pojedynczej strony internetowej, dzięki czemu uczestnikom jest bardzo łatwo wyszukać interesujący ich fragment. Materiały są dostępne także po szkoleniu. Uczestnicy mogą je także pobrać, aby mieć do nich dostęp offline. Forma materiałów pozwala na dostosowywanie materiałów na bieżąco do potrzeb uczestników, w przeciwieństwie do materiałów drukowanych, które nie pozwalają na np. dodanie komentarzy zasugerowanych przez uczestników.
4. Środowisko gotowe do wykorzystania po szkoleniu. Nie używamy wirtualnych maszyn, instalujemy wszystko na laptopach uczestników.
5. Nagranie szkolenia (w przypadku szkoleń online)

Opinie o trenerze

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.

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

Arkadiusz Baraniecki
Infrastructure Team Manager at allegro.pl

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.