Kategorie

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji - wersja ON-LINE Powiększ do pełnego rozmiaru

Dodaj do listy życzeń

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji - wersja ON-LINE

Kurs On-Line przeznaczony dla osób, które mają już doświadczenie w programowaniu, chcą tworzyć inteligentne systemy, które same będą wyciągać wnioski z zebranych danych. Zdobędziesz praktyczne umiejętności. Przystępując do szkolenia należy posiadać podstawowe umiejętności posługiwania się językiem Python.

Więcej szczegółów

KRW-17590

Strefa kursów

Dodano produkt do koszyka

Dostępny, wysyłka 24h!

Cena: 149,00 zł

Opis produktu: Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji - wersja On-Line

Kurs On-Line przeznaczony dla osób, które mają już doświadczenie w programowaniu, chcą tworzyć inteligentne systemy, które same będą wyciągać wnioski z zebranych danych. Zdobędziesz praktyczne umiejętności oraz dowiesz się jak:

  • rozróżnić Machine Learning od AI
  • obsługiwać bibliotekę Data Science dla Python
  • przewidywać wartości numeryczne z pomocą metod regresji
  • automatycznie klasyfikować obiekty
  • kodować dane na potrzeby algorytmów Machine Learning
  • zmniejszać wymiarowość danych
  • monitorować jakość stworzonych modeli

Instrukcję pobrania oraz kod otrzymasz od nas na podany podczas składania zamówienia adres

e-mail najpóźniej w następnym dniu roboczym po otrzymaniu wpłaty.

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji - wersja ON-LINEAI oraz Machine Learning

Podczas szkolenia dowiesz się jak obecnie wygląda AI i dlaczego Machine Learning piszemy najczęściej w Pythonie. Poznasz podobieństwa między sztuczną inteligencją oraz Machine Learning. Nauczysz się wykorzystywania możliwości uczenia maszynowego i AI do rozwiązywania realnych problemów.

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji - wersja ON-LINEZebranie potrzebnych danych dla algorytmów

Machine Learning opiera się na danych i aby móc je wykorzystać należy nadać im właściwą strukturę. Wtedy można mówić o tym, że algorytmy będą mogły się z nich uczyć i wyciągać odpowiednie wnioski. W trakcie szkolenia poznasz różne typy danych, czym jest overfitting, underfitting, ekstrakcja cech uczących, jak sobie radzić z uzupełnianiem brakujących danych oraz jak wyglądają wzorce pisania kodu.

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji - wersja ON-LINEBadanie i wizualizacja danych

W trakcie kursu poznasz sposoby wizualizacji danych, które pomogą Ci w późniejszych prezentacjach przedstawić w ciekawy sposób swoje racje. Przetestujesz nowe typy wykresów, przećwiczysz korelacje danych, zaczniesz wybierać tylko te, które będą we właściwej sytuacji najważniejsze.

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji - wersja ON-LINEKlastrowanie, klasyfikacja i regresja

Szkolenie pomoże Ci w nauce, ponieważ zawiera dużo praktycznych przykładów. Stworzysz trzy projekty, w których rozwiniesz modele dla swoich danych. Przekonasz się, że stosując regresję liniową uda się wyciągnąć właściwe wnioski odnośnie jakości na podstawie podanych wcześniej parametrów. Zobaczysz w jaki sposób można korzystać z klastrowania aby trafnie określić szanse i prawdopodobieństwo oraz jak wykorzystać klasyfikację binarną na konkretnym przykładzie.

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji - wersja ON-LINE

Dodatkowe informacje

Aby przystąpić do kursu i w pełni wykorzystać wszystkie informacje, należy posiadać podstawowe umiejętności posługiwania się językiem Python. Powinieneś orientować się w temacie pętli, instrukcji warunkowych, programowania obiektowego. Polecamy zapoznać się z kursem Fundamenty programowania w języku Python.

Spis treści

1. Wprowadzenie
  • Wstęp 00 m 29 s
  • Jak korzystać z materiałów? 03 m 51 s
  • Machine Learning a Sztuczna Inteligencja 09 m 24 s
  • Problemy, które można rozwiązać za pomocą ML 12 m 08 s
  • Przegląd narzędzi, z jakich będziemy korzystać 12 m 02 s
2. Przygotowanie danych dla algorytmów ML
  • Podstawowy schemat uczenia modeli 09 m 41 s
  • Overfitting i underfitting 05 m 19 s
  • Ramki danych i podstawowe operacje na nich 17 m 14 s
  • Typy danych i sposoby ich reprezentacji 15 m 30 s
  • Strategie uzupełniania brakujących danych 12 m 41 s
  • Dane relacyjne, a ramki danych 19 m 13 s
  • Ekstrakcja cech uczących 08 m 19 s
  • Wzorce pisania kodu 13 m 19 s
3. Analiza i wizualizacja danych
  • Typy wykresów 22 m 08 s
  • Korelacja danych 12 m 05 s
  • Redukcja wymiarowości danych 14 m 13 s
4. Regresja
  • Jakie problemy rozwiązują metody regresji? 09 m 32 s
  • Zbiór danych: jakość wina 14 m 22 s
  • Wstępna obróbka danych 09 m 16 s - zobacz darmową lekcję
  • Regresja liniowa w 2D 15 m 59 s
  • Pomiar jakości modeli regresji 16 m 34 s
  • Wpływ skalowania zmiennych na model 10 m 00 s
  • Regresja liniowa wielu zmiennych 08 m 11 s
  • Wnioskowanie na podstawie nauczonego modelu 07 m 38 s
  • Regularyzacja typu Lasso i Ridge 14 m 26 s
  • Metody liniowe, a nieliniowe 05 m 58 s
  • Regresja wielomianowa 15 m 37 s
  • Przegląd innych modeli regresji 07 m 48 s
5. Klasyfikacja binarna
  • Czym jest klasyfikacja? 06 m 18 s
  • Zbiór danych: spłata karty kredytowej 15 m 34 s
  • Przygotowanie danych do klasyfikacji 12 m 14 s
  • Regresja logistyczna w 2D 14 m 13 s
  • Metryki specyficzne dla klasyfikacji binarnej 24 m 19 s
  • Regresja logistyczna wielu zmiennych 13 m 12 s
  • Analiza cech istotnych dla modelu 04 m 55 s
  • K-Nearest Neighbours 08 m 41 s - zobacz darmową lekcję
  • Wykorzystanie KNN do klasyfikacji 09 m 34 s
  • Support Vector Machine 11 m 16 s
  • Klasyfikacja za pomocą SVM 06 m 42 s
  • Strategie dla klasyfikacji wieloklasowej 09 m 13 s
  • Inne popularne metody klasyfikacji 08 m 05 s
6. Klastrowanie
  • Do czego służy klastrowanie? 08 m 30 s
  • Kategoryzacja za pomocą K-Means w 2D 17 m 56 s
  • Zbiór danych: Titanic 12 m 43 s
  • Kategoryzacja wielowymiarowa 10 m 28 s
  • Pomiar jakości klastrowania 13 m 19 s
  • Pozostałe metody klastrowania 05 m 20 s - zobacz darmową lekcję
7. Dobre praktyki
  • Testowanie modeli ML 05 m 01 s
  • Zakończenie 01 m 29 s

WYSYŁKA W DNIU ZAMÓWIENIA

Zaksięgowanie wpłaty za zamówienie na naszym koncie w dzień roboczy do godziny 12:00 oznacza wysyłkę towaru jeszcze tego samego dnia! 

 

Czas realizacji płatności uzależniony jest od godzin sesji ELIXIR banków nadawcy i odbiorcy przelewu (więcej informacji na ten temat np. na stronie http://www.kiedy-przelew.pl/).

 

Tabela przestawia dostępne formy wysyłki na terenie Polski

 

Przewoźnik

i regulamin

Płatność

z góry

Płatność

przy odbiorze

Termin

dostawy

Poczta Polska

regulamin usługi

od 9,90 zł17,90 zł1-3 dni

Kurier GLS

regulamin usługi

14,90 zł22,90 zł

1-2 dni

Paczkomaty 24/7 

regulamin usługi

od 12,90 zł-1-3 dni

Jeśli kwota do zapłaty za produkty przekroczy 300 zł

dostawa gratis!

 

  • Darmowa dostawa zamówień na kwotę powyżej 300 zł nie dotyczy paczek adresowanych poza granice Polski.
  • Darmowa dostawa nie obowiązuje podczas łączenia zamówień.
  • Termin dostawy liczony jest w dniach roboczych od daty wysyłki zamówienia.