ODBIERZ TWÓJ BONUS :: »

Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego

Podstawowe informacje:
Czas trwania: 10:47:52
Poziom: zaawansowany
Autor: Oleg Żero
Liczba lekcji: 57
Technologia: tensorflow, Python 3.6, pandas, sklearn, matplotlib, pydotplus, jupyter, graphviz, numpy
Dla firm
Rozwiń umiejętności swoich pracowników dzięki kursom video
Dowiedz się więcej
  • Monitorowanie postępów pracowników. Przejrzyste raporty i imienne certyfikaty ukończenia kursów
  • Atrakcyjne rabaty dla zespołów. Im więcej pracowników liczy zespół, tym większy uzyskasz rabat
  • Doradztwo w wyborze tematyki szkoleń. Mamy setki kursów, dostosujemy program nauczania pod Twój zespół
Indywidualnie
139,30 zł 199,00 zł (-30%)
79,59 zł najniższa cena z 30 dni Dodaj do koszyka Za zakup otrzymasz 139 punktów
Korzyści:
  • Certyfikat ukończenia
  • Materiały dodatkowe do kursu
  • Test online
  • Dożywotni dostęp
  • Dostęp w aplikacji (także offline)
  • Napisy w języku polskim
Ten kurs należy do ścieżki Data Scientist z Pythonem
Czas trwania: 66 godz.
DOWIEDZ SIĘ WIĘCEJ
Ten kurs należy do ścieżki Data Scientist z Pythonem »

Czego się nauczysz?

  • Rozumienia zasad działania języka Scala
  • Korzystania z typów, kolekcji i funkcji w Scali
  • Budowania aplikacji w stylu funkcyjnym i obiektowym
  • Stosowania narzędzi SBT do zarządzania projektami
  • Tworzenia testów jednostkowych w Scali
  • Integracji Scali z frameworkiem Apache Spark
  • Rozwijania własnych projektów i aplikacji w Scali

Spis lekcji

1. Wprowadzenie 00:11:01
1.1. Czego uczy ten kurs?
OGLĄDAJ » 00:08:41
1.2. Przygotowanie środowiska pracy
00:02:20
2. Regresja liniowa 00:28:48
2.1. Teoria
00:11:40
2.2. Tworzenie od podstaw
00:12:05
2.3. Gotowe rozwiązania
00:05:03
3. Regresja dla wielu zmiennych 00:29:19
3.1. Teoria
00:11:01
3.2. Tworzenie od podstaw
00:14:05
3.3. Gotowe rozwiązania
00:04:13
4. Regresja wielomianowa 00:32:08
4.1. Teoria
00:08:15
4.2. Tworzenie od podstaw
00:14:40
4.3. Gotowe rozwiązania
00:09:13
5. Klasyfikacja 00:38:10
5.1. Teoria
00:15:06
5.2. Tworzenie od podstaw
00:16:01
5.3. Gotowe rozwiązania
00:07:03
6. Regularyzacja 00:34:22
6.1. Teoria
00:15:35
6.2. Tworzenie od podstaw
00:08:43
6.3. Gotowe rozwiązania
00:10:04
7. Sieć neuronowa 01:11:27
7.1. Teoria - zasada działania
00:14:58
7.2. Teoria - uczenie sieci
00:14:04
7.3. Tworzenie od podstaw - budowanie warstwy
00:08:13
7.4. Tworzenie od podstaw - budowanie modelu
00:03:46
7.5. Tworzenie od podstaw - uczenie sieci
00:13:46
7.6. Gotowe rozwiązania - scikit-learn
00:05:42
7.7. Gotowe rozwiązania - Keras
00:10:58
8. Maszyna wektorów nośnych (SVM) 00:30:02
8.1. Teoria
00:15:22
8.2. Tworzenie od podstaw
00:07:59
8.3. Gotowe rozwiązania
00:06:41
9. K najbliższych sąsiadów (KNN) 00:18:35
9.1. Teoria
00:06:45
9.2. Tworzenie od podstaw
00:08:18
9.3. Gotowe rozwiązania
00:03:32
10. Algorytm k centroidów (KMC) 00:21:20
10.1. Teoria
00:07:29
10.2. Tworzenie od podstaw
00:11:08
10.3. Gotowe rozwiązania
00:02:43
11. Analiza głównych składowych (PCA) 00:29:08
11.1. Teoria
00:12:32
11.2. Tworzenie od podstaw
00:11:41
11.3. Gotowe rozwiązania
00:04:55
12. Drzewo decyzyjne i las losowy 00:37:12
12.1. Teoria
00:14:17
12.2. Tworzenie od podstaw
00:18:01
12.3. Gotowe rozwiązania
00:04:54
13. Modele probabilistyczne i twierdzenie Bayesa 00:33:09
13.1. Teoria
00:15:50
13.2. Tworzenie od podstaw
00:14:47
13.3. Gotowe rozwiązania
00:02:32
14. Wykrywanie anomalii oraz metryki 00:29:49
14.1. Teoria - dystrybucje
00:15:25
14.2. Teoria - metryki
00:14:24
15. Silniki rekomendacyjne 01:58:28
15.1. Teoria - rekomendacje oparte na treści
00:14:21
15.2. Teoria - wspólne filtrowanie (CF)
00:15:17
15.3. Praktyka - krótka analiza eksploracyjna (EDA)
00:20:54
15.4. Praktyka - naiwny system oparty na korelacji
00:09:27
15.5. Praktyka - tworzenie od podstaw (CF)
00:19:49
15.6. Praktyka - wykorzystanie Keras
00:18:06
15.7. Praktyka - usprawnienia i trenowanie silnika
00:20:34
16. Ekstrakcja cech i NLP 01:24:54
16.1. Teoria - dane tekstowe oraz inne
00:21:58
16.2. Usprawnienia silnika rekomendacyjnego
00:11:34
16.3. Narzędzia w bibliotece scikit-learn
00:11:09
16.4. Transformacja i przygotowanie danych
00:13:51
16.5. Praktyka - finalny model
00:20:36
16.6. Niespodzianka
00:05:46

Obierz kurs na... przyszłość

Powszechna cyfryzacja nie dotyka jedynie wybranych gałęzi przemysłu, ale dosłownie przeniknęła nasze życie niemal w każdym aspekcie. Skutkiem tego procesu jest pojawienie się ogromnej ilości danych, które, odpowiednio wykorzystane, stanowią nowy rodzaj materii w nieprzerwanym cyklu postępu. Uczenie maszynowe stało się jednocześnie obszarem szczególnego zainteresowania ze strony zarówno firm, jak i uczelni. Dzięki specjalnym algorytmom i technikom możliwe stało się wykorzystanie zasobów, jakimi są dane, do opracowywania rozwiązań poprawiających efektywność w wielu dziedzinach: od robotyki, przez medycynę, aż po rozrywkę.

Przykładami rozwiązań, które już dziś wykorzystują uczenie maszynowe, są chociażby silniki rekomendacyjne działające na platformach takich jak YouTube, Netflix, Spotify czy Amazon. Silniki te skutecznie dobierają treści, tak że wokół produktów tworzą się całe społeczności wiernie oddanych klientów. To wszystko dzieje się obecnie. W niedalekiej przyszłości wiele - także dość skomplikowanych - czynności zostanie zautomatyzowanych. Zawody, również te potencjalnie wymagające wysokich kwalifikacji, nawet jeśli nie będą w całości wykonywane przez maszyny, będą przez nie wspomagane. Jest niemal pewne, że specjaliści między innymi w dziedzinie uczenia maszynowego, którzy już dziś są intensywnie poszukiwani, staną się jeszcze bardziej pożądani w przyszłości. Dołącz do ich grona!

Co Cię czeka podczas naszego profesjonalnego kursu video z algorytmów uczenia maszynowego w Pythonie?

Dzięki temu szkoleniu:

  • pojmiesz istotę działania algorytmów uczenia maszynowego,
  • zrozumiesz związek pomiędzy podstawą matematyczną a implementacją tych algorytmów i w razie czego będziesz umiał napisać je od zera (także w języku innym niż Python),
  • dowiesz się, jak korzystać z popularnych i sprawdzonych bibliotek dedykowanych uczeniu maszynowemu: scikit-learn oraz Keras,
  • stworzysz własny silnik rekomendacyjny,
  • poprawnie przeprowadzisz proces przygotowania danych oraz trenowania modelu,
  • ocenisz, który algorytm najlepiej sprawdzi się w rozwiązaniu danego problemu, a który może doprowadzić do niepożądanych efektów,
  • opanujesz wiedzę, która pozwoli Ci szacować skuteczność modeli oraz diagnozować problemy związane z procesem uczenia maszynowego.

Co więcej...

  • ukończywszy kurs, będziesz w stanie właściwie podejść do pracy z różnymi typami danych w kontekście uczenia maszynowego, jak również przenieść sporą część tej wiedzy poza obszar Pythona.

Data science w Pythonie. Kurs video. Algorytmy uczenia maszynowego kończy się na poziomie średnio zaawansowanym, a nawet nieco wyżej, jeśli chodzi o wiedzę i umiejętności, jakich wymaga się na przykład od analityka biznesowego, naukowca, inżyniera danych czy webdevelopera. Natomiast jeśli mowa o wiedzy stricte z zakresu data science, autor kursu określa poziom jego absolwenta na podstawowy. Uwaga, by móc w pełni skorzystać ze szkolenia, trzeba znać podstawy języka Python (w tym orientować się w bibliotekach: numpy, pandas, matplotlib) i matematykę na poziomie pierwszego - drugiego roku studiów na kierunkach ścisłych. Takie pojęcia jak gradient, pochodna, szereg, prawdopodobieństwo czy notacja nie powinny być Ci obce!

Czym właściwie zajmuje się specjalista w dziedzinie data science?

Odpowiedź na to pytanie jest krótka i - jak to w matematyce - policzalna. Aż 70 procent czasu pracy spędza się w tym zawodzie na zbieraniu i analizie danych, by potem, przez kolejne 20 procent, tworzyć i testować modele, które "ubiera się" w programy, a następnie wykorzystuje do otrzymywania przewidywań z modeli. Przykładami takich modeli, jakie stosuje się już dziś w kontekście biznesowym, są między innymi silniki rekomendacyjne (Netflix, YouTube, eBay, Amazon, Spotify itd.), modele do klasyfikacji obrazów medycznych w celu rozpoznawania ewentualnych infekcji, systemy do automatycznych tłumaczeń (patrz Google) czy popularne boty - i wiele innych.

Od teorii, przez praktykę, aż po gotowe rozwiązania z kursu Data Science w Pythonie

Kurs uczenia maszynowego w Pythonie składa się z trzech bloków szkoleniowych. Zaczniemy od teorii data science. Tu przygotuj się na serię wykładów, w których autor wprowadza pojęcia na poziomie równań, wyjaśniając je od podstaw. Bazując na wiedzy zdobytej w części teoretycznej, przejdziemy do praktyki - będziesz pisać algorytm "od zera", a przy tym pogłębisz rozumienie koncepcji matematycznych i przy okazji napiszesz kod. Wreszcie przyjdzie czas na część trzecią, podczas której będziemy sprytni i sięgniemy po tzw. gotowce - przede wszystkim scikit-learn i Keras. Przy użyciu tych bibliotek rozwiążemy zadany problem, skupiając się zarówno na samym zagadnieniu, jak i ogólnym podejściu do problemu. W kursie połączysz teorię z praktyką. Dzięki temu osiągniesz dwa cele: wyrobisz w sobie intuicję matematyczną, która w razie potrzeby pozwoli Ci przenieść to rozumienie również poza Pythona, oraz zyskasz pewne doświadczenie w wykorzystywaniu powszechnie dostępnych narzędzi i w ten sposób zwiększysz skuteczność swojej pracy.

Kurs jest podzielony na 16 rozdziałów. W pierwszym rozdziale stworzysz proste środowisko pracy. Dalej, w rozdziałach 2 - 8, poznasz podstawowe algorytmy, takie jak sieci neuronowe, oraz zrozumiesz, na czym polega ogólne podejście machinelearningowe. W rozdziałach 9 - 13 poznasz kolejne, nieco alternatywne, lecz równie często wykorzystywane algorytmy, których idea opiera się na innych zasadach. Na koniec, w ramach rozdziałów: 14, 15 i 16, stworzysz własny silnik rekomendacyjny, który następnie usprawnisz z wykorzystaniem popularnych metod pracy z tekstem (NLP), by uzyskać półgotowy produkt na koniec kursu.

Zobacz także kursy wideo z języka R dostępne w naszej ofercie.

Wybrane bestsellery

O autorze kursu video

Oleg Żero - Data Scientist, który, jak to określa, lubi wydobywać z danych sens. Na co dzień dostarcza rozwiązania uczenia maszynowego wielkim graczom z branży e-commerce. Z wykształcenia jest inżynierem fotoniki i absolwentem Królewskiej Akademii Technicznej w Sztokholmie. Brał udział w wielu projektach natury badawczo-naukowej - w ujęciu akademickim, przemysłowym i start-upowym. Prywatnie mąż, ojciec, entuzjasta bliskich i dalekich podróży oraz miłośnik wszelkiej technologii garażowej własnej produkcji.

Z analizą danych jest jak z życiem: wszystko na koniec jest dobrze. Jeśli nie jest dobrze, znaczy, że nie jest to koniec.

Oceny i opinie klientów: Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego Oleg Żero (3)

Informacja o opiniach
Weryfikacja opinii następuje na podstawie historii zamowień na koncie Użytkownika umiejszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniającej do uzyskania rabatu w ramach Programu Kadr.
6.0
  • 6 (3)
  • 5 (0)
  • 4 (0)
  • 3 (0)
  • 2 (0)
  • 1 (0)
  • Bardzo treściwy materiał. Autor wykonał dobrą robotę tłumacząc modele od podstaw. Format kursu jest bardzo profesjonalny, nie znajdziecie tam przerwy na 'yyyy' i inne tego typu wstawki spotykane w kursach niższych lotów. Zdecydowanie udana inwestycja. Chapeau bas dla autora!

    Opinia: Dawid Opinia dodana: 2023-03-10 Ocena: 6   
    Opinia potwierdzona zakupem
    Opinia dotyczy produktu: kurs video
    Czy opinia była pomocna:
  • Absolutny top. Polecam.

    Opinia: anonimowa Opinia dodana: 2022-04-03 Ocena: 6   
    Opinia niepotwierdzona zakupem
    Opinia dotyczy produktu: kurs video
    Czy opinia była pomocna:
  • Kurs bardzo mi się podobał, jest dobrze zorganizowany, prowadzony w przejrzysty sposób, najpierw teoria a później praktyka. Kurs pozwolił mi usystematyzować wiedzę i zrozumieć jak działają poszczególne algorytmy. Teraz mam wiedzę jakich metod i algorytmów warto użyć do rozwiązania różnych problemów. Bardzo dziękuję. Dla mnie na 6 gwiazdek :).

    Rozwiń »
    Opinia: Krzysztof Opinia dodana: 2022-03-28 Ocena: 6   
    Opinia potwierdzona zakupem
    Opinia dotyczy produktu: kurs video
    Czy opinia była pomocna:
więcej opinii »

Szczegóły kursu

Dane producenta » Dane producenta:

Helion SA
ul. Kościuszki 1C
41-100 Gliwice
e-mail: gpsr@helion.pl
Format: Online
Data aktualizacji: 2021-01-21
ISBN: 978-83-283-7884-1, 9788328378841
Numer z katalogu: 139860

Videopoint - inne kursy

Kurs video
139,30 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Helion