Dla kogo
jest ten kurs?

Wielkim problemem dotyczącym uczenia maszynowego jest dziś fakt, że jest to metoda wykorzystywana jedynie przez dość wąskie środowisko. Tymczasem umiejętnie wykorzystane podstawy ML efektywnie wspierają pracę każdego specjalisty zajmującego się analizą i modelowaniem danych – od stanowisk korzystających z CRM czy opracowujących ryzyko kredytowe, po działy controllingu, audytu, czy IT. Nasz kurs opracowaliśmy z myślą o profesjonalistach, którzy potrzebują analizować dane, odkrywać ukryte w nich zależności, a także budować modele predykcyjne. A jeśli modele typu black-box nadal budzą Twój opór, w trakcie szkolenia pokażemy Ci jak je interpretować i przenosić na pole biznesu. Podzielimy się z Tobą też praktyczną wiedzą na temat wykorzystania systemu R oraz jego bibliotek dedykowanych ML. Szkolenie ma charakter praktyczny, dlatego wszystkie ćwiczenia będziesz wykonywać na komputerze. Otrzymasz też od nas obszerne materiały, w tym skrypty R, które umożliwią Ci dalszą samodzielną naukę i pracę.

Umiejętności, które nabędziesz w trakcie kursu
Przygotowanie danych pod kątem ML

Opowiemy Ci, na co należy zwrócić uwagę przygotowując dane, tak aby wyciągnąć maksimum korzyści z praktycznych zastosowań uczenia maszynowego.

Techniki interpretacji modeli black-box

Choć poprawność działania modeli ML można łatwo udowodnić, to ich wyniki bywają trudne do wytłumaczenia. W trakcie szkolenia zapoznamy Cię z prostymi technikami interpretacji modeli black-box.

Organizacja procesu tworzenia i wykorzystania ML

Przedstawimy Ci konkretne metody uczenia maszynowego, takie jak XGBoost i SVM. Pokażemy Ci też, jak oceniać i porównać jakość zbudowanych modeli.

Plan szkolenia

Rozpoczynając od solidnych podstaw teoretycznych, nasz kurs szybko przechodzi do praktycznych przykładów wykorzystania ML. Po wprowadzeniu do tematu uczenia
aszynowego, zajmujemy się kluczowymi aspektami i technikami uczenia maszynowego, takimi jak:

● Drzewa decyzyjne.
● Ensemble learning.
● Maszyny wektorów nośnych (SVM).
● Sztuczne sieci neuronowe i podstawy Deep Learning.
● Uczenie bez nadzoru.
● Praktyczne kwestie związane z ML.

Powyższa agenda to zarys ramowy, a finalny plan szkolenia jest zawsze dostosowywany do indywidualnych potrzeb uczestników.