Kategorie: Analiza danych i statystyka, Python
Chociaż uczenie głębokie (Deep Learning) jest znane w nauce od kilkudziesięciu lat, to dopiero pojawienie się szybszych komputerów i gigantycznej ilości danych spowodowało jego niesamowity rozwój w ostatnich latach.
Uczenie głębokie zapewnia stosunkowo proste w użyciu rozwiązania dla wielu problemów, z jakimi może się zetknąć na projekcie programista. Jest skutecznie wykorzystywane do rozpoznawania pisma, analizy zdjęć i filmów, a także rozpoznawania dźwięków. Prostota trenowania gotowych modeli powoduje, że często nawet początkujący programiści postanawiają je wykorzystać aby ich aplikacje były nieco mądrzejsze i przynajmniej sugerowały użytkownikom rozwiązanie problemu.
Jednocześnie nowoczesne narzędzia takie jak Keras, googlowy TensorFlow, czy facebookowy PyTorch spowodowały że dla wytrenowania nowego modelu nie ma już potrzeby pisać kodu CUDA wykonywanego przez kartę graficzną, a obsługi całego środowiska można nauczyć się w zaledwie kilka dni.
Nasze szkolenie przeznaczone jest dla osób chcących posługiwać się Uczeniem Maszynowym w codziennej pracy, a znających już podstawy języka Python. Szkolenie prowadzone jest na praktycznych przykładach, bez zbędnych wykładów teoretycznych podstaw działania sieci neuronowych.
Osoby nie znające w ogóle Pythona, nie mające żadnego doświadczenia z Pandas ani NumPy – zapraszamy na nasz dłuższy, kompleksowy kurs, prowadzony “od zera” – Analiza Danych w Pythonie.
Czas trwania
5 dni
Program
- Środowisko pracy analityka
- Anaconda
- Jupyter Notebook
- Podstawy pythona wymagane w analizie danych
- funkcje lambda
- krótkie instrukcje warunkowe
- Pandas
- Serie i ramki danych
- Operacje i przekształcenia DataFrame
- Usuwanie kolumn i wierszy
- zmiany wymiarów
- grupowanie i sortowanie danych
- łączenie ramek
- uruchamianie funkcji dla danych z ramki
- Metodologia uczenia maszynowego
- eksploracja danych
- zbiór treningowy, zbiór testowy
- szkolenie
- walidacja modelu
- Przegląd narzędzi do uczenia głębokiego
- Wprowadzenie do sieci neuronowych
- jak działa neuron
- jak uczy się sieć neuronowa
- typy sieci neuronowych
- Keras
- wprowadzenie
- udostępniane API
- szkolenie
- wnioskowanie
- Sztuczne sieci neuronowe (ANN)
- Konwolucyjne sieci neuronowe (CNN)
- Rekurencyjne sieci neuronowe (RNN, LSTM)
- Porównanie różnych środowisk (np. PyTorch, Tensorflow)
Training also available in English.
Przeznaczenie i wymagania
Szkolenie przeznaczone jest dla analityków i programistów. To nie jest szkolenie dla statystyków – nie obejmuje matematycznych podstaw działania algorytmów.
W grupach na zamówienie możemy przeprowadzić szkolenie bardziej nastawione na teoretyczne podstawy uczenia głębokiego, a nie jedynie skupiające się na wykorzystaniu go jako narzędzia.
Od uczestników tego szkolenia oczekujemy znajomości następujących narzędzi – podstawowej znajomości Pythona (na poziomie naszego szkolenia Skrypty w Pythonie), a także znajomości Pandas lub NumPy na poziomie wystarczającym do swobodnego importu i obróbki danych.
Dodatkowo wymagana jest znajomość środowiska Jupyter Notebook.
W grupach zamkniętych istnieje możliwość rozpoczęcia szkolenia od zapoznania się ze wszystkimi wymaganymi narzędziami i następnie przejścia do tematów uczenia maszynowego.
Certyfikaty
Uczestnicy szkolenia otrzymują imienne certyfikaty sygnowane przez ALX.
Zobacz też:
- Programista Python (kurs zawodowy - bootcamp)
- Bootcamp Python XL backend/web (kurs zawodowy - bootcamp)
- Bootcamp Python XL analiza danych (kurs zawodowy - bootcamp)
- Tester automatyzujący (kurs zawodowy - bootcamp)
- Analiza danych (kurs zawodowy - bootcamp)
- Analiza danych w Pythonie (kurs zawodowy - bootcamp)
- Analiza danych w Pythonie (bez ML) (kurs zawodowy - bootcamp)
- Programista backend - Python (kurs zawodowy - bootcamp)
- Analiza danych, uczenie maszynowe i deep learning dla znających Pythona (kurs zawodowy - bootcamp)
- Analiza danych w R (kurs zawodowy - bootcamp)
- Business Intelligence w MS Excel i Power BI (kurs zawodowy - bootcamp)
- Programowanie dla młodzieży - Python (kurs zawodowy - bootcamp)
- Statystyka w Matlab
- Wprowadzenie do statystyki w Matlab
- Eksploracja danych w Matlab
- Matematyka Finansowa z Excel i VBA
- Analiza statystyczna w R - od podstaw w 3 dni
- Programowanie w R - 3 dni
- Podstawy statystyki i analizy danych w programie R
- Wykresy w programie R
- Analiza i prognozowanie szeregów czasowych w R
- Techniki modelowania danych w R
- Techniki Data Mining w R
- Skrypty w Pythonie. Python dla inżynierów
- Python dla programistów innych języków
- Django - aplikacje webowe
- FLASK - aplikacje webowe
- Analiza Danych dla znających Pythona
- Machine Learning - Uczenie Maszynowe dla znających Pythona
- Zaawansowany Python
- Programowanie asynchroniczne w Asyncio
- Rozszerzanie Pythona w języku C
- Wizualizacja danych w Excelu
- Analiza danych biznesowych w Excelu
- Analiza statystyczna w Excelu
- Analiza danych finansowych w Excelu
- Power Query w Excelu (podstawowy)
- Power Query w Excelu (zaawansowany)
- Power Pivot w Excelu
- Wprowadzenie do Amazon Web Services
- Wprowadzenie do GIT
- Power Map/View w Excelu
- Wstęp do programowania w Pythonie - darmowe warsztaty "od zera"
- Tworzenie wizualizacji w programie Power BI Desktop
- Crystal Reports (podstawowy)
- Crystal Reports (zaawansowany)