Course Code: mlp1
Duration: 28 hours
Course Outline:

1. Pobieranie danych z bazy i opracowanie w Pythonie.

2. Eksport ramki danych i wyników modelu do bazy.

3. Wprowadzenie do modelowania, dobre praktyki  i sprawdzanie kodu.

4. Ścieżka tworzenia i walidacji modelu.

5. Modele regresji.

  • rodzaje,
  • sposoby zastosowania,
  • różnice,
  • wykorzystanie w danych

6. Budowa modelu regresji 

7. Walidacja modelu regresji i monitorowanie jego jakości.

8. Wdrożenie modelu do systemu produkcyjnego. 

9. Alternatywy dla regresji.

  • sieci neuronowe,
  • drzewa i lasy losowe.

10. Zalety i wady wykorzystania zaawansowanych modeli, wartość dodana.

11.  Alternatywy dla regresji. Sieci neuronowe, drzewa i lasy losowe. Zalety i wady wykorzystania zaawansowanych modeli, wartość dodana. 

12. Podsumowanie