Machine Learning with Google Colab

Grupa docelowa

• Znajomość podstawowych koncepcji programowania
• Doświadczenie w programowaniu Python
• Znajomość podstawowych koncepcji statystycznych

• Naukowcy ds. danych
• Programiści

Opcje dostosowywania kursu

Format kursu

Na zakończenie tego szkolenia uczestnicy będą mogli:

Google Colab to platforma oparta na chmurze, która zapewnia środowisko współpracujące dla rozwoju uczenia maszynowego, oferując bezpłatny dostęp do zasobów obliczeniowych i łatwy w użyciu interfejs.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do średnio zaawansowanych naukowców danych i programistów, którzy chcą efektywnie stosować algorytmy uczenia maszynowego w środowisku Google Colab.

• Interaktywne wykłady i dyskusje.
• Wielość ćwiczeń i praktyki.
• Ręczna implementacja w środowisku laboratoryjnym w trybie na żywo.

• Konfiguracja i nawigacja w Google Colab dla projektów uczenia maszynowego.
• Zrozumienie i stosowanie różnych algorytmów uczenia maszynowego.
• Używanie bibliotek, takich jak Scikit-learn, do analizy i przewidywania danych.
• Implementacja modeli uczenia nadzorowanego i nienadzorowanego.
• Efektywne optymalizowanie i ocenianie modeli uczenia maszynowego.

• Aby poprosić o dostosowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Zaawansowane pojęcia Machine Learning

Projekt końcowy

Wprowadzenie do Machine Learning i Google Colab

Przepływ pracy Machine Learning

Specjalne tematy w Machine Learning

Podsumowanie i następne kroki

Supervised Learning z użyciem Scikit-learn

Techniki Unsupervised Learning

• Algorytmy klasteryzacji
• Redukcja wymiarowości
• Uczenie się reguł asocjacyjnych

• Przetwarzanie danych
• Wybór modelu
• Wdrażanie modelu

• Definiowanie problemu
• Zbieranie i czyszczenie danych
• Trenowanie i ocena modelu

• Inżynieria cech
• Dostrajanie hiperparametrów
• Interpretowalność modelu

• Sieci neuronowe i uczenie głębokie
• Maszyny wektorów nośnych
• Metody zbiorcze

• Wprowadzenie do uczenia maszynowego
• Konfiguracja Google Colab
• Przegląd Python

• Modele regresji
• Modele klasyfikacji
• Ocena i optymalizacja modelu