Kurs Machine Learning - drzewa decyzyjne i lasy losowe - wersja ON-LINE

Indeks: KRW-18459
Kurs on-line Machine Learning - drzewa decyzyjne i lasy losowe podejmuje tematykę wykorzystania sztucznej inteligencji w rozwiązywaniu realnych problemów. Obejmuje drzewa decyzyjne, czyli działanie na logicznych układach służących do podejmowania decyzji oraz praktyczne umiejętności modelowania zbiorów danych. 
Kurs Machine Learning - drzewa decyzyjne i lasy losowe - wersja ON-LINE
149,00 zł
121,14 zł netto
Zapłać później
Producent: Strefa kursów

Opis produktu: Kurs Machine Learning - drzewa decyzyjne i lasy losowe

Kurs on-line Machine Learning - drzewa decyzyjne i lasy losowe podejmuje tematykę wykorzystania sztucznej inteligencji w rozwiązywaniu realnych problemów. Obejmuje drzewa decyzyjne, czyli działanie na logicznych układach służących do podejmowania decyzji oraz praktyczne umiejętności modelowania zbiorów danych. Kurs na poziomie średniozaawansowanym. 

Kurs Machine Learning - drzewa decyzyjne i lasy losowe
Kurs Machine Learning - drzewa decyzyjne i lasy losowe

Przyszłość świata to uczenie maszynowe

Tych, którzy zetknęli się z machine learningiem, nie trzeba do tej dziedziny przekonywać. Badania nad sztuczną inteligencją, a raczej dostępne już efekty tych badań, obejmują szereg modeli, które sprawdzają się w pewnych specyficznych rodzinach problemów. Drzewa decyzyjne oraz metody pochodne sprawdzają się w klasyfikacji, regresji i detekcji anomalii, co czyni je jednymi z najbardziej uniwersalnych. Kurs ukazuje algorytmy zarówno od strony teoretycznej, jak i praktycznej.

Rozwijanie wiedzy z ML i Python

Załóżmy, że potrafisz już programować w Pythonie i szukasz nowych wyzwań, Znasz podstawy uczenia maszynowego, ale drzewa decyzyjne są Ci obce. Kurs sprawi, że zyskasz rozeznanie w algorytmach i przeniesiesz je do swoich własnych, fascynujących projektów. Poziom rośnie stopniowo - najpierw problemy rozwiązywane z pomocą jednego drzewa, zaś w dalszej części kursu pojawiają się kolejne. Przykłady będą proste i bliskie codzienności - takie jak np. decyzja o zakupie samochodu albo porównanie cen mieszkań.

Kurs Machine Learning - drzewa decyzyjne i lasy losowe
Kurs Machine Learning - drzewa decyzyjne i lasy losowe

Omówienie treści kursu

  • Zaawansowane importowanie danych
  • Łączenie danych z wielu różnych źródeł
  • Tworzenie relacji między tabelami
  • Porządkowanie dużych danych
  • Eksport danych do tabeli przestawnej
  • Odświeżanie zmienionych zestawów danych
  • Automatyczne wykrywanie relacji
  • Analiza i przetwarzanie danych z użyciem języka DAX

Czym jest Power Pivot?

Power Pivot jest funkcją programu Microsoft Excel. Jest on dostępny jako dodatek w programie Excel 2010, 2013 w osobnych plikach do pobrania oraz jako dodatek dołączony do programu Excel 2016. Power Pivot rozszerza lokalną instancję Microsoft Analysis Services Tabular, która jest osadzona bezpośrednio w skoroszycie programu Excel. Pozostaje nieocenionym narzędziem do modelowania i analizowania danych. 

Kurs Machine Learning - drzewa decyzyjne i lasy losowe
Kurs Machine Learning - drzewa decyzyjne i lasy losowe

Dla pasjonatów baz danych i tych, którzy chcą się ich nauczyć

Przed wydaniem Power Pivot Microsoft w dużej mierze opierał się na SQL Server Analysis Services jako silniku dla swojego pakietu Business Intelligence. Power Pivot uzupełnia podstawowe komponenty BI SQL Server w ramach wizji modelu semantycznego Business Intelligence Semantic Model (BISM). Ma to na celu integrację wielowymiarowej analityki na dysku znanej wcześniej jako Unified Dimensional Model (UDM) z bardziej elastycznym modelem tabelarycznym w pamięci. Power Pivot jako produkt samoobsługowy pozwala użytkownikom na tworzenie modeli danych i obliczeń bez umiejętności analityki i udostępnianie ich bezpośrednio lub poprzez biblioteki dokumentów Microsoft SharePoint. 

Uzupełnienie nauki

Uczenie maszynowe i uczenie głębokie (DL, ang. Deep Learning) to dziedziny rozwijające się. Pozostają w ścisłym związku z umiejętnościami programowania. Poznaj również książki dla programistów i podręcznik Deep Learning. Praca z językiem Python i biblioteką Keras Françoisa Cholleta.

Kurs Machine Learning - drzewa decyzyjne i lasy losowe
Kurs Machine Learning - drzewa decyzyjne i lasy losowe

Najważniejsze elementy kursu

  • Bezterminowy dostęp, w tym dostęp mobilny 24/7
  • 6,5 godziny szkolenia
  • Testy i zadania
  • 40 wykładów
  • 20 pytania testowe
  • Certyfikat ukończenia

Uzyskane rekomendacje możesz dodać np. do swojego profilu LinkedIn.

Spis treści

Moduł 1: Wprowadzenie

  • Lekcja 1: Wstęp
  • Lekcja 2: Jak korzystać z materiałów?
  • Lekcja 3: Przypomnienie struktur danych: drzewa binarne
  • Lekcja 4: Ogólny schemat działania drzew decyzyjnych
  • Lekcja 5: Częste zastosowania drzew decyzyjnych

Moduł 2: Drzewa decyzyjne w klasyfikacji

  • Lekcja 1: Schemat uczenia drzewa
  • Lekcja 2: Ryzyko przeuczenia
  • Lekcja 3: Pomiar jakości podziału
  • Lekcja 4: Jakość podziału: Gini impurity
  • Lekcja 5: Jakość podziału: entropia
  • Lekcja 6: Zbiór danych: przewidywanie transakcji
  • Lekcja 7: Przewidywanie zakupów za pomocą drzew decyzyjnych
  • Lekcja 8: Pozostałe parametry uczenia - zobacz darmową lekcję
  • Lekcja 9: Poszukiwanie najlepszej konfiguracji drzewa
  • Lekcja 10: Wizualizacja stworzonego klasyfikatora

Moduł 3: Regresja z pomocą drzew decyzyjnych

  • Lekcja 1: Działanie drzewa dla danych numerycznych
  • Lekcja 2: Pomiar jakości podziału dla regresji
  • Lekcja 3: Jakość podziału: MSE (Mean Squared Error)
  • Lekcja 4: Jakość podziału: MAE (Mean Absolute Error) - zobacz darmową lekcję
  • Lekcja 5: Zbiór danych: ceny domów
  • Lekcja 6: Budowa drzewa regresji do oceny ceny mieszkań
  • Lekcja 7: Przycinanie drzewa dla uniknięcia overfittingu
  • Lekcja 8: Poszukiwanie najlepszej konfiguracji drzewa regresji
  • Lekcja 9: Interpretacja działania drzewa

Moduł 4: Rozszerzenia drzew decyzyjnych

  • Lekcja 1: Tworzenie lasu z drzew decyzyjnych: bagging
  • Lekcja 2: Extra trees vs Random Forest
  • Lekcja 3: Skuteczność nowych metod dla przewidywania zakupów
  • Lekcja 4: Porównanie baggingu dla regresji cen
  • Lekcja 5: Boosting: ogólny schemat działania - zobacz darmową lekcję
  • Lekcja 6: AdaBoost vs XGBoost
  • Lekcja 7: Boosting dla klasyfikacji i regresji
  • Lekcja 8: Łączenie mocy kilku algorytmów poprzez stacking
  • Lekcja 9: Testowanie możliwości stackingu

Moduł 5: Detekcja anomalii

  • Lekcja 1: Zbiór danych: wstrząsy sejsmiczne
  • Lekcja 2: Czym jest anomalia? Wprowadzenie do Isolation Forest
  • Lekcja 3: Zastosowanie drzew decyzyjnych do detekcji anomalii
  • Lekcja 4: Extended Isolation Forest

Moduł 6: Możliwości drzew decyzyjnych

  • Lekcja 1: Wytłumaczalność algorytmów
  • Lekcja 2: Nieoczywiste przykłady zastosowania drzew decyzyjnych
  • Lekcja 3: Zakończenie

Szerokość opakowania 0.1 cm
Wysokość opakowania 0.1 cm
Głębokość opakowania 0.1 cm
Masa opakowania 0.1 kg

Jako pierwszy zadaj pytanie dotyczące tego produktu!

Klienci którzy zakupili ten produkt kupili również:

Produkty z tej samej kategorii: