Kompleksowe szkolenie Machine Learning
Produkowanie coraz większej liczby danych przez ludzi doprowadziło do sytuacji, w której dotychczasowe narzędzia przestały wystarczać.
Idealny dla zespołów, które…
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
Wykorzystania Pythona oraz bibliotek Pandas, NumPy, scikit-learn i Matplotlib w zadaniach Machine Learning
Przygotowania danych do modelowania: wczytywanie, czyszczenie, transformacje, kodowanie danych jakościowych, podział train/val/test
Budowy modeli regresji i klasyfikacji oraz podstawy strojenia: walidacja krzyżowa, dobór hiperparametrów
Oceny i porównania modeli: metryki, baseline, unikanie data leakage, interpretacja wyników
Praktyki jakości i odpowiedzialności: reprodukowalność (seed, środowisko), podstawy interpretowalności i ograniczeń modeli, sygnały driftu i potrzeba monitorowania
Co konkretnie robimy
- · Wprowadzenie do uczenia maszynowego i zastosowania biznesowe
- · Podstawowe pojęcia: cecha, etykieta, overfitting/underfitting, bias-variance, metryki
- · Podział danych: trening, walidacja, test; walidacja krzyżowa; data leakage
- · Rodzaje uczenia maszynowego: nadzorowane, nienadzorowane, przez wzmacnianie
- · Cechy i reprezentacja danych
- · Dane jakościowe i dane ilościowe: kodowanie, skale, braki danych
- · Pandas
- · NumPy
- · Matplotlib
- · scikit-learn
- · Praca z plikami
- · Czyszczenie danych (data cleaning)
- · Transformacja danych (data wrangling)
- · Środowisko interaktywne
- · Wirtualne środowisko Python i reprodukowalność
- · Komórki, kod, Markdown
- · Widgety
- · IPython
- · Regresja liniowa
- · Regresja logistyczna
- · Drzewo decyzyjne
- · Random Forest
- · XGBoost
- · Naive Bayes
- · Klasyfikacja KNN
- · SVM
- · Dobór modeli do specyficznych zastosowań: metryki, baseline, walidacja, koszt błędów
- · Porównanie różnych modeli: walidacja krzyżowa, strojenie hiperparametrów, krzywe ROC/PR, macierz pomyłek
- · Ćwiczenia praktyczne: pipeline scikit-learn, interpretowalność, ograniczenia i ryzyka, sygnały driftu
Od briefu do retro w 30 dniach.
Brief i diagnoza
Rozmowa z liderem zespołu + krótka ankieta dla uczestników. Określamy cele, gap, kontekst.
Modyfikacja programu
Dostosowujemy moduły, case studies i przykłady kodu pod Twój stack. Akceptacja w 5 dni.
Warsztat
Sesje z trenerem, hands-on, code review. Mentor dostępny też pomiędzy sesjami.
Retro + raport
Raport z efektami dla zespołu i lidera. 30 dni konsultacji w cenie.
Wyślij brief. Odezwiemy się w 1 dzień.
Po krótkim briefie przygotujemy program i wycenę. Bez zobowiązań — to tylko punkt wyjścia do rozmowy.
Dziękujemy!
Odezwiemy się w ciągu 1 dnia roboczego.
Inne programy dla zespołów
Zobacz wszystkie →Agenci AI w Praktyce: Budowa, Integracja i Skalowanie
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
AI - szkolenie ogólne
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
AI dla Analityków Systemowych
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.