Plan Szkolenia

1. Wprowadzenie do ML - Uczenie maszynowe jako część Sztucznej Inteligencji - Rodzaje ML - Algorytmy ML - Wyzwania i potencjalne zastosowanie ML - Przeuczenie i kompromis pomiędzy przesadą a wariancją w ML 2. Techniki uczenia maszynowego - Przeszły workflow - Uczenie nadzorowane – Klasyfikacja, Regresja - Uczenie nienadzorowane – Klastryzowanie, Wykrywanie anomalii - Półnadzorowane uczenie i Reinforcement Learning - Zastosowania w Machine Learning 3. Przetwarzanie danych - Przygotowanie i transformacja danych - Inżynieria cech - Skalowanie cech - Redukcja wymiarowości i selekcja zmiennych - Wizualizacja danych - Eksploracyjna analiza 4. Studia przypadku - Zaawansowana inżynieria cech i wpływ na wyniki w regresji liniowej do predykcji - Analiza czasowych szeregów i Forecasting miesięczny objętość sprzedaży – podstawowe metody, dostosowanie sezonowe, regresja, gładzenie wykładnicze, ARIMA, sieci neuronowe - Analiza koszyka zakupowego i wydobycie reguł asocjacyjnych - Analiza segmentacji za pomocą klastryzowania i samoorganizujących się map - Klasyfikacja, który klient prawdopodobnie domyśli się przy użyciu regresji logistycznej, drzew decyzji, xgboost, SVM

Wymagania

Wiedza i świadomość Machine Learning podstawowych zasad

 14 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie