• Tylko online

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

Kupując ten produkt, nie będziesz miał możliwości wyboru płatności za pobraniem.

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!

Kraj pochodzenia: Polska

Klienci którzy zakupili ten produkt kupili również:

Produkty z tej samej kategorii: