ODBIERZ TWÓJ BONUS :: »

Machine Learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek

Podstawowe informacje:
Czas trwania: 12:03:04
Poziom: podstawowy
Autor: Piotr Szajowski
Liczba lekcji: 25
Technologia: Anaconda 3, Python 3.7, Jupyter Notebook, Google Colaboratory
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
174,30 zł 249,00 zł (-30%)
39,90 zł najniższa cena z 30 dni Dodaj do koszyka Za zakup otrzymasz 174 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?

  • Instalacji i konfiguracji środowiska Anaconda oraz Google Colab do pracy z ML
  • Przygotowywania i transformowania danych za pomocą biblioteki Pandas
  • Budowania modeli klasyfikacji, regresji i redukcji wymiaru w Scikit-Learn
  • Projektowania i trenowania sieci neuronowych w Keras/TensorFlow (CNN, RNN, LSTM)
  • Stosowania technik uczenia nienadzorowanego: analiza skupień, PCA, asocjacje
  • Optymalizacji hiperparametrów i korzystania z transfer learningu
  • Konteneryzacji rozwiązań ML przy użyciu Dockera i wdrażania ich w praktyce
  • Tworzenia praktycznych modeli: klasyfikatora obrazów, analizy tekstów czy prognoz szeregów czasowych

Spis lekcji

1. Wstęp 00:05:53
1.1. Wstęp
00:05:53
2. Software i hardware 02:21:59
2.1. Z czego będziemy korzystać?
00:07:11
2.2. Konfiguracja środowiska Anaconda
00:43:06
2.3. Google Colaboratory
00:16:47
2.4. Wyczytywanie i transformacja danych
01:14:55
3. Wprowadzenie do uczenia maszynowego 02:02:16
3.1. Co to jest uczenie maszynowe?
00:16:17
3.2. Uczenie nadzorowane
00:45:21
3.3. Uczenie nienadzorowane
00:20:25
3.4. Dobre praktyki treningu modeli oraz standardy pracy w projektach z obszaru modelowania danych (SEMMA, CRISP-DM)
00:40:13
4. Przykłady zastosowania klasyfikacji 04:06:39
4.1. Przykłady modeli klasyfikacji
00:35:41
4.2. Klasyfikacja przy wykorzystaniu płytkiego uczenia maszynowego, w tym wprowadzenie do metod płytkiego uczenia maszynowego
OGLĄDAJ » 00:28:20
4.3. Klasyfikacja tekstów przy wykorzystaniu głębokiego uczenia, w tym wprowadzenie do metod głebokiego uczenia maszynowego
01:35:35
4.4. Klasyfikacja obrazów przy wykorzystaniu głębokiego uczenia, w tym wprowadzenie do konwolucyjnych sieci neuronowych
01:01:26
4.5. Klasyfikacja obrazów przy wykorzystaniu techniki Transfer Learningu
00:25:37
5. Przykłady zastosowania regresji 01:29:28
5.1. Co to jest regresja?
00:06:40
5.2. Estymacja oczekiwanej wartości na podstawie danych numerycznych przy wykorzystaniu płytkiego uczenia maszynowego
00:23:03
5.3. Estymacja oczekiwanej wartości na podstawie obrazów przy wykorzystaniu głębokiego uczenia maszynowego
00:36:49
5.4. Prognozowanie wartości w szeregach czasowych przy wykorzystaniu uczenia głębokiego
00:22:56
6. Przykłady zastosowania uczenia nienadzorowanego 01:10:07
6.1. Czym charakteryzuje się uczenie maszynowe nienadzorowane?
00:06:15
6.2. Klasteryzacja danych numerycznych
00:13:19
6.3. Klasteryzacja obrazów
OGLĄDAJ » 00:24:28
6.4. Reguły asocjacyjne
00:18:03
6.5. Redukcja wymiaru danych numerycznych
00:08:02
7. Dodatek 1 00:32:07
7.1. Konteneryzacja wytrenowanych modeli przy pomocy Dockera
00:32:07
8. Dodatek 2 00:14:35
8.1. Optymalizacja hiperparametrów
00:14:35

Obierz kurs na... machine learning!

Uczenie maszynowe obejmuje techniki wykorzystywane najczęściej w obszarze określanym mianem sztucznej inteligencji — a właśnie ona jest w tej chwili jednym z głównych kierunków rozwoju technologicznego branży IT. Niesamowite jest to, że po odpowiednim przekształceniu wiele problemów praktycznych, inżynierskich czy też biznesowych można rozwiązać właśnie z użyciem uczenia maszynowego. Można dzięki niemu wyszukiwać zdjęcia, na których znajdują się te same lub podobne obiekty, klasyfikować teksty z danej dziedziny, szacować, jak potoczy się kariera absolwenta szkoły i jaki kolejny produkt klient umieści w koszyku. Rozwiązania takich problemów są źródłem budowania wartości właściwie w każdej branży, w której nastąpiła już choćby minimalna cyfryzacja.

Machine learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek pomoże Ci zorientować się w najważniejszych kwestiach dotyczących uczenia maszynowego i poznać techniki budowania praktycznych modeli, pozwalających swobodnie poruszać się w dużych zbiorach danych i wyłuskiwać z nich potrzebne informacje.

Wgryź się w podstawy uczenia maszynowego i wykorzystaj je już dziś — ta rewolucja dzieje się naprawdę!

Czego nauczysz się podczas naszego profesjonalnego szkolenia?

  • Zainstalujesz i skonfigurujesz środowisko Anaconda.
  • Nauczysz się korzystać z Google Colaboratory.
  • Poznasz dobre praktyki w uczeniu maszynowym (w tym metody projektowe).
  • Zobaczysz, jak wygląda wczytywanie danych i manipulowanie nimi za pomocą biblioteki Pandas.
  • Wykorzystasz modele zaimplementowane w bibliotece Scikit-Learn (sklearn) do rozwiązania problemów:
  1.  klasyfikacji,
  2.  regresji,
  3.  redukcji wymiaru,
  4.  poszukiwania skupień.
  • Zbudujesz modele sieci neuronowych w bibliotece Keras/Tensorflow (w tym modele sieci konwolucyjnych i rekurencyjnych).
  • Sprawdzisz, jak wykorzystać biblioteki MLextend do analiz asocjacji.

W kolejnych krokach opanujesz technikę transfer learningu, dokonasz optymalizacji hiperparametrów modeli i odkryjesz, jak działa konteneryzacja rozwiązań z użyciem Dockera.

Machine learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek zakończysz na poziomie podstawowym, ale Twoja wiedza zwiększy się zdecydowanie. Bezpośrednio dzięki umiejętnościom zdobytym w czasie kursu będziesz potrafił zbudować takie rozwiązania jak: klasyfikator obrazów (na przykład rozpoznający, że na obrazie z kamery bezpieczeństwa pojawił się jakiś konkretny obiekt), klasyfikator tekstów (na przykład pozwalający zaklasyfikować wiadomości do odpowiedniej kategorii), model do prognozy zjawisk obserwowanych w czasie (na przykład prognozujący liczbę samochodów, które przejeżdżają dany odcinek drogi), model mierzący różne wartości liczbowe na podstawie obrazów (na przykład taki, który jest w stanie stwierdzić, jak bardzo nachylony jest obiekt znajdujący się na zdjęciu), model pozwalający wyszukiwać obiekty o podobnych cechach (na przykład zdjęcia zawierające podobne obiekty).

Sztuczna inteligencja i uczenie maszynowe

Sztuczna inteligencja w połączeniu z rozwojem narzędzi big data, usług chmurowych i stopniowym zwiększaniem mocy obliczeniowej nawet komputerów klasy PC coraz szybciej przekształca branżę IT. Dzięki temu, że należące do niej wielkie firmy udostępniły na zasadach open source wiele narzędzi i bibliotek, które pozwalają na szybkie i sprawne budowanie rozwiązań opartych na uczeniu maszynowym, rozwój tej dziedziny przyspiesza jeszcze bardziej.

Machine learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek pozwoli Ci odkryć najważniejsze techniki uczenia maszynowego i dostosować modele do Twoich celów. Oprócz przykładów zastosowania klasyfikacji z użyciem płytkiego i głębokiego uczenia maszynowego oraz zastosowania regresji znajdziesz tu przykłady uczenia nienadzorowanego, optymalizacji hiperparametrów oraz konteneryzacji wytrenowanych modeli za pomocą Dockera.

Przyjmij zaproszenie do świata AI!

Trudno określić, jak będzie się rozwijać uczenie maszynowe w przyszłości, jednak pewne jest, że przynajmniej w najbliższych latach będzie to dziedzina znajdująca coraz więcej praktycznych zastosowań. Zaobserwować można postępującą „demokratyzację” uczenia maszynowego — narzędzia stają się coraz łatwiejsze w użyciu, dostępne są już wytrenowane modele, które dzięki technice transfer learningu łatwo jest zaprząc do rozwiązywania własnych problemów, a usługi chmurowe, oferujące możliwość użycia komputerów o dużej mocy obliczeniowej, mają na tyle przystępne ceny, że każda firma czy nawet osoba prywatna może sobie pozwolić na korzystanie z tych narzędzi. To wszystko powoduje, że wiele osób pragnie jak najszybciej poznać techniki związane z uczeniem maszynowym i ze sztuczną inteligencją.
Machine learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek to najlepszy wstęp do praktycznego zastosowania metod zdecydowanie ułatwiających pracę z dużymi zbiorami danych. Po tym kursie już nigdy nie będziesz musiał ręcznie szukać igły w stogu siana.

Tylko dla wtajemniczonych

W 2020 roku firma OpenAI udostępniła API do modelu GPT-3, którego najobszerniejsza wersja zawiera przeszło 170 miliardów parametrów (dla porównania: modele omawiane podczas szkolenia Machine learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek mają maksymalnie kilkadziesiąt milionów parametrów). Okazuje się, że tak duży model, wytrenowany na ogromnym zbiorze tekstów, zaczyna mieć już pewne cechy, których spodziewać by się można po przyszłych modelach „ogólnej sztucznej inteligencji” — potrafi rozwiązywać zadania, do których nie został bezpośrednio wytrenowany. Jego możliwości są oczywiście nadal bardzo dalekie od możliwości ludzkiego mózgu, jednakże jego potencjalne praktyczne zastosowania są przeogromne, wręcz przełomowe. Obecnie dostęp do modelu GPT-3 jest możliwy jedynie przez API udostępniane beta testerom, ale gdy tylko dostęp ten stanie się powszechny, warto poeksperymentować z tym modelem i sprawdzić jego działanie.

 

 

Jak zrozumieć działanie modeli klasyfikacji w Pythonie?

 

 

Wybrane bestsellery

O autorze kursu video

Piotr Szajowski — z wykształcenia matematyk (pracę doktorską obronił w dziedzinie teorii gier stochastycznych), który ponad dziesięć lat temu zakończył pracę na uczelni i skoncentrował się na karierze w środowisku biznesowym. Pracował na różnych stanowiskach, zarówno technicznych, jak i menedżerskich, w firmach z branży finansowej, produkcyjnej (motoryzacyjnej) oraz IT. Z metodami uczenia maszynowego zetknął się wielokrotnie: na uczelni, w branży finansowej i ostatnio - jako senior data scientist w jednej z wrocławskich firm z branży IT — w projektach software’owych dla klientów z różnych branż. Z zamiłowania jest żeglarzem i majsterkowiczem. Angażuje się także społecznie, między innymi współtworzył Fundację Garaż, która realizowała projekty rozwijające przedsiębiorczość wśród młodych ludzi na terenie Wrocławia.

„Uczenie maszynowe to nie przyszłość branży IT — to już teraźniejszość. Tak jak dwadzieścia lat temu przeżywaliśmy rewolucję związaną z internetem, tak dziś dzieje się to w przypadku sztucznej inteligencji, której uczenie maszynowe jest istotną częścią. Tak jak do niedawna każdy szanujący się specjalista z branży IT powinien był znać zasadę działania protokołu HTTP i przynajmniej podstawy HTML-a, tak dziś powoli nadchodzą czasy, w których każdy powinien rozumieć działanie uczenia maszynowego, przynajmniej na ogólnym, wysokim poziomie, być może nawet bez konieczności zaglądania do "czarnych skrzynek". Artur C. Clarke twierdził: "Każda wystarczająco zaawansowana technologia jest nieodróżnialna od magii". Ja twierdzę, że każda wystarczająco dobrze poznana technologia, nawet jeśli wygląda trochę "magicznie", daje się od magii odróżnić bardzo łatwo. Mam nadzieję, że kurs, który oddaję w Państwa ręce, pozwoli szybko i łatwo poznać w takim właśnie ujęciu tę pasjonującą dziedzinę, jaką jest uczenie maszynowe”.

Piotr Szajowski

Oceny i opinie klientów: Machine Learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek Piotr Szajowski (5)

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 (5)
  • 5 (0)
  • 4 (0)
  • 3 (0)
  • 2 (0)
  • 1 (0)
  • Kurs jest doskonałym wprowadzeniem do zastosowania popularnych bibliotek, które umożliwiają efektywne modelowanie danych w bardzo przystępnej formie.

    Opinia: Łukasz Opinia dodana: 2024-10-31 Ocena: 6   
    Opinia potwierdzona zakupem
    Opinia dotyczy produktu: kurs video
    Czy opinia była pomocna:
  • dobre tempo, ciekawe przykłady, wiedzę można wykorzystać na laborkach z uczenia maszynowego

    Opinia: anonimowa Opinia dodana: 2022-06-15 Ocena: 6   
    Opinia potwierdzona zakupem
    Opinia dotyczy produktu: kurs video
    Czy opinia była pomocna:
  • Świetne szkolenie!

    Opinia: anonimowa Opinia dodana: 2021-02-07 Ocena: 6   
    Opinia niepotwierdzona zakupem
    Opinia dotyczy produktu: kurs video
    Czy opinia była pomocna:
  • Kurs dość prosty i przystępnie zrobiony. Na wstęp zdecydowanie polecam wszystkim. Jedyne co mnie osobiście przeszkadzało to bardzo długie nagrania. Ciężko niekiedy wrócić do konkretnej sekwencji aby ponownie coś przećwiczyć.

    Opinia: Oskar Opinia dodana: 2021-01-30 Ocena: 6   
    Opinia potwierdzona zakupem
    Opinia dotyczy produktu: kurs video
    Czy opinia była pomocna:
  • Chyba najlepszy kurs od videopointu

    Opinia: anonimowa Opinia dodana: 2021-01-07 Ocena: 6   
    Opinia niepotwierdzona 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: 2020-10-14
ISBN: 978-83-283-6839-2, 9788328368392
Numer z katalogu: 108093

Videopoint - inne kursy

Kurs video
174,30 zł
Dodaj do koszyka
Sposób płatności