Szkolenie z Analizy danych i uczenia maszynowego

Indeks katalogowy: IFS/53

  • Dostępne
  • Dostawa: darmowa dostawa
  • Poziom szkolenia:
    • Średniozaawansowany
  • Producent:
  • Rodzaj szkolenia:
    • stacjonarnie; online
  • Szkolenie zamknięte:
2 326,67 zł netto / uczestn. 34 900,05 zł  netto za 1 szkol. 2 861,80 zł brutto w tym 23% VAT / uczestn.

Produkt - zakładka 1

Cechy

Cechy produktu
Certyfikat:
  • TAK
Język szkolenia:
  • polski
Liczba godzin:
  • 40
Materiały dodatkowe:
  •  
Poziom szkolenia:
  • Średniozaawansowany
Producent:
Rodzaj szkolenia:
  • stacjonarnie; online
Szkolenie zamknięte:

Opis

Opis firmy

InfoShare Academy to wiodąca akademia IT oferująca kompleksowe programy edukacyjne z nowych technologii dla firm. Od 2015 roku wspieramy organizacje w rozwoju zespołów technologicznych poprzez dedykowane kursy Machine Learning, DevOps, Data Engineering, Python, UX/UI Design, AWS i Kubernetes. Nasze szkolenia opierają się na praktycznych umiejętnościach i rzeczywistych przypadkach biznesowych. Współpracujemy z ponad 300 trenerami-praktykami z branży IT, dzięki czemu programy są dostosowane do aktualnych potrzeb rynku. Specjalizujemy się w reskillingu i upskillingu pracowników. Z nami zbudujesz efektywne zespoły wdrażające nowe technologie, które przyspieszą innowacje i wzmocnią konkurencyjność firmy na rynku. Sprawdź naszą ofertę szkoleń dedykowanych dla firm, które zostały stworzone z myślą o rozwijaniu kompetencji Twoich pracowników w obszarze IT.

Opis szkolenia

Poniżej przedstawiamy przykładowy program szkolenia, który może zostać zmodyfikowany zgodnie z oczekiwaniami oraz poziomem grupy szkoleniowej. Przed przygotowaniem docelowego programu szkolenia, przeprowadzamy rozmowę techniczną, w której bierze udział trener oraz osoba techniczna lub cały zespół developerów reprezentujący klienta, w celu ustalenia szczegółów szkolenia.

Dla kogo szkolenie
  • Dla osób rozwijających się w stronę pracy z uczeniem maszynowym i sztuczną inteligencją.
  • Dla analityków danych potrzebujących narzędzi do implementacji i automatyzacji własnych analiz i algorytmów.
  • Dla programistów Python chcących rozszerzyć swoje kompetencje w obszarze analizy danych i machine learning.
Cele
  • Zdobycie umiejętności analizy danych i uczenia maszynowego, wykorzystując biblioteki Pythona takie jak Pandas, NumPy, SciPy, matplotlib i seaborn do efektywnego przetwarzania, analizy i wizualizacji danych.
  • Zdobycie wiedzy na temat pracy z sieciami neuronowymi w TensorFlow i Keras, w tym tworzenie, proces uczenia, douczanie, transfer learning, oraz typy sieci stosowane w przetwarzaniu obrazów i języka.
  • Poznasz proces tworzenia modeli w bibliotece Scikit Learn, obejmujący proces uczenia, dobór hiperparametrów modeli.
Korzyści
  • Nauczysz się pobierać dane, przeprowadzać analizę, wykonywać różne operacje na danych, w tym pracę z brakującymi danymi oraz procedury czyszczenia danych.
  • Opanujesz techniki wizualizacji danych, w tym sposoby prezentacji danych oraz eksport i zapisywanie wizualizacji.
  • Nauczysz się uprodukcyjniania modeli, w tym zagadnienia teoretyczne związane z monitoringiem i codzienną pracą z uczeniem maszynowym.
  • Poznasz praktyczne podejście do problemów klasyfikacji, regresji i klasteryzacji.
Program szkolenia

  1. Narzędzia obliczeniowe i algorytmiczne (biblioteki Pandas, NumPy i SciPy)

    • Pobieranie danych

    • Analiza i metody działania i wykonywania funkcji na danych

    • Operacje na danych – praca z brakami

    • Procedury czyszczenia danych

  2. Wizualizacja (biblioteki Matplotlib, Seaborn)

    • Wizualizacja danych, sposoby prezentacji (Matplotlib, Seaborn)

    • Export wyników, zapisywanie wizualizacji

  3. Praca z zasobami API i bazami danych (w miarę możliwości technicznych). Machine Learning i Deep Learning w Pythonie

    • Proces tworzenia modelu w bibliotece Scikit Learn (proces uczenia, hiperparametry modeli, praca z problemami klasyfikacji)

    • Proces tworzenia modelu w bibliotece Scikit Learn (proces uczenia, hiperparametry modeli, praca z problemami klasyfikacji i regresji)

  4. Praca z zasobami API i bazami danych (w miarę możliwości technicznych). Machine Learning i Deep Learning w Pythonie

    • Proces tworzenia modelu w bibliotece Scikit Learn (proces uczenia, hiperparametry modeli, praca z problemami regresji oraz klasteryzacji, porównywanie modeli)

    • Praca z sieciami neuronowymi w TensorFlow i Keras (tworzenie, proces uczenia, douczanie i transfer learning, typy sieci w przetwarzaniu obrazów i języka)

    • Praca z sieciami neuronowymi w TensorFlow i Keras (tworzenie, proces uczenia, douczanie i transfer learning, typy sieci w przetwarzaniu obrazów i języka)

    • Uprodukcyjnianie modeli – zagadnienia teoretyczne dotyczące monitoringu i codziennej pracy z uczeniem maszynowym

Czas trwania

40 h/ 5dni

Cena zawiera
  • Certyfikat ukończenia szkolenia
  • Miesięczny dostęp do nagrania szkolenia (w przypadku formy online)
  • Dostosowanie programu szkolenia do potrzeb klienta

Zamów szkolenie