Plan Szkolenia
1. Introduction to Machine Learning
- What is Machine Learning
- How it extends data analysis
-
Common business use cases:
- Sales forecasting
- Customer segmentation
- Churn prediction
2. From Data Analysis to Machine Learning
- Recap: working with data in Pandas
- Moving from descriptive to predictive analysis
- Defining a Machine Learning problem
3. Machine Learning Workflow (Simplified)
- Preparing the dataset
- Splitting data (train vs test)
- Training a model
- Making predictions
4. Data Preparation for Machine Learning
- Handling missing values
- Encoding categorical variables
- Feature selection (basic)
- Scaling (conceptual overview)
5. Supervised Learning (Hands-on)
Regression
- Linear Regression
- Use case: predicting numerical values (e.g. sales, demand)
Classification
- Logistic Regression
- Use case: binary outcomes (e.g. churn, fraud)
6. Unsupervised Learning
Clustering
- K-means clustering
- Use case: customer segmentation
7. Model Evaluation (Simplified)
- Train vs test performance
- Accuracy (classification)
- Basic error understanding (regression)
8. Interpreting Results
- Understanding model outputs
- Identifying patterns and trends
- Translating results into business insights
9. Practical End-to-End Example
- Load dataset
- Prepare and clean data
- Train a model
- Evaluate performance
- Extract insights
Wymagania
Prerequisites
- Basic Python knowledge
- Familiarity with Pandas and working with datasets
- Understanding of basic data analysis concepts
Target Audience
- Data Analysts
- Business Analysts with basic Python knowledge
- Professionals who completed Python for Data Analysis or equivalent
- Beginners in Machine Learning
Opinie uczestników (2)
ekosystem ML obejmuje nie tylko MLFlow, ale także Optuna, hyperops, Docker i docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Szkolenie - MLflow
Przetłumaczone przez sztuczną inteligencję
Cieszyłem się, biorąc udział w szkoleniu Kubeflow, które odbyło się zdalnie. To szkolenie pozwoliło mi ukonsolidować wiedzę na temat usług AWS, K8s oraz wszystkich narzędzi devOps związanych z Kubeflow, które stanowią niezbędne podstawy do właściwego podejścia do tego tematu. Chciałbym podziękować Marcina Malawskiego za jego cierpliwość i profesjonalizm w zakresie szkolenia oraz rad na temat najlepszych praktyk. Marcin podejmuje temat z różnych perspektyw, wykorzystując różne narzędzia wdrażania, takie jak Ansible, EKS kubectl, Terraform. Teraz jestem absolutnie przekonany, że wchodzę w właściwe pole zastosowania.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Szkolenie - Kubeflow
Przetłumaczone przez sztuczną inteligencję
