Úvod do strojového učení v prostředí Anaconda (Python)

Nový

Osvojte si základy strojového učení v programovacím jazyce Python a prostředí Anaconda. Naučte se tvořit modely podle svých experimentálních dat a posuňte svůj výzkum na novou úroveň.

V praktickém kurzu pro výzkumné pracovníky vás seznámíme se základními principy strojového učení a naučíme vás pracovat s knihovnou scikit-learn a různými typy algoritmů. Po absolvování školení zvládnete modely strojového učení sami vytvářet a optimalizovat.

3denním kurzem vás provede Mgr. Miroslav Adámek, datový vědec a statistik se specializací na matematické modelování a bayesovskou statistiku, který působil na Slovenské akademii věd (viz profil lektora).

Procvičování probíhá na praktických příkladech v prostředí Anaconda, resp. jazyka Python a Jupyter Notebook. Počítač vám zapůjčíme na místě, není třeba nosit vlastní.

Kodaňská 1441/46
Praha 10

Adresa konání kurzu

3 dny

Délka kurzu

Z kurzu budete mít největší užitek, pokud:

se chcete seznámit se základními principy strojového učení,
chcete analyzovat rozsáhlé soubory dat, na které běžné statistické metody nestačí,
potřebujete predikovat výsledky svých experimentů či optimalizovat experimentální podmínky,
chcete optimalizovat a vyhodnocovat modely strojového učení.

Jaké vstupní znalosti jsou potřeba?

Co se na kurzu naučíte?

rozumět klíčovým pojmům strojového učení (machine learningu),
používat knihovnu scikit-learn pro vytváření modelů,
vyhodnocovat výsledky modelů a řešit problémy s přeučením a podučením,
pracovat s metodami clusteringu a redukcí dimenzí,
tvořit modely podle reálných datasetů.

Chci vidět podrobný sylabus kurzu

Úvod do strojového učení:

klíčové pojmy: co je strojové učení a jak funguje,
rozdíly mezi supervised a unsupervised učením.

Použití knihovny scikit-learn:

základní postupy a API knihovny,
import a zpracování dat pro trénování modelů.

Regrese a klasifikace:

základní algoritmy pro regresi (lineární regrese a další),
algoritmy pro klasifikaci (např. rozhodovací stromy, k-nearest neighbors).

Clustering a dimenzionální redukce:

techniky clusteringu (včetně k-means),
PCA (Principal Component Analysis) pro redukci dimenzí.

Hodnocení modelů a přeučení a podučení:

metody pro hodnocení přesnosti modelů,
strategie pro řešení overfittingu a underfittingu.

Praktická aplikace:

implementace a trénování modelu na reálném datasetu,
prezentace výsledků a diskuze.

Názory spokojených účastníků

„Kurz rozhodně hodnotím pozitivně. Bylo to náročné, ale dozvěděla jsem se spoustu věcí. Myslím, že po třech kurzech práce v R se konečně pustím do psaní vlastních scriptů. Znalosti mi pomůžou zpracovat data na dizertaci, pomůže mi to zefektivnit a zrychlit každodenní práci.“

Ing. Kristýna Kohoutková, Filozofická fakulta Masarykovy univerzity

Kurz statistiky I v programovacím jazyce R | Ovládání programovacího jazyka R | Základní statistická analýza v jazyce R

„Takto je to naprosto poprvé, kdy nám statistické metody někdo vysvětlil tak, že jsme dokázali pochopit i to, proč děláme to co děláme a jsme schopni to pak při práci i prakticky a především samostatně použit. Kurz byl zaměřen opravdu prakticky. Měl nevyhnutné množství teorie, no podstatnou část pak lektor věnoval praktické aplikaci statistických metod na jednotlivé úkoly v kontextu cíle, který daný úkol sledoval. Zároveň lektor velmi názorně vysvětloval jak o daných úkolech a aplikaci metod přemýšlet, co a proč se dělá a jak následně získané výstupy správně interpretovat.“

Vědecký pracovník, 1. lékařská fakulta Univerzita Karlova

Kompletní biostatistická analýza v jazyce R | Kompletní statistická analýza v jazyce R | Kurz statistiky I v programovacím jazyce R | Pokročilá biostatistická analýza v jazyce R | Pokročilá statistická analýza v jazyce R | Základní biostatistická analýza v jazyce R | Základní statistická analýza v jazyce R

Jaké školící materiály obdržíte?

Jak dlouho kurz trvá?

Kdo vás bude školit?

Kurzem vás provede Mgr. Miroslav Adámek, datový vědec a statistik se specializací na matematické modelování a bayesovskou statistiku. Vystudoval matematicko-statistické a informační metody v ekonomických a přírodních vědách na Univerzitě Konstantina Filozofa v Nitře, kde se věnoval problematice neuronových sítí a fuzzy logiky. Na Slovenské akademii věd se podílel na výzkumných projektech v oblasti fyziky a chemie.

V současnosti působí jako datový vědec ve vlastní společnosti STATS LAB. Dlouhodobě se věnuje také vzdělávací činnosti – vede školení a workshopy zaměřené na MS Excel, programování v Pythonu a R, a analýzu dat v nástrojích Tableau či Power BI. Je členem Slovenské společnosti pro kybernetiku a informatiku při SAV.

Kolik kurz stojí, kde probíhá a jaké jsou možnosti platby?

Kurz probíhá v našem školícím středisku na adrese Kodaňská 1441/46, Praha 10.

Cena kurzu je 19 900 Kč bez DPH. Součástí ceny je kromě zajištění pomůcek a školících materiálů také občerstvení v průběhu kurzu a oběd.

Platba probíhá převodem oproti vystavené faktuře.

Nezávazná přihláška na kurz

Stačí, když vyplníte formulář níže. Do 3 pracovních dnů se vám ozveme a probereme, zda kurz splňuje vaše představy a jaký bude další postup. Bez jakýchkoliv závazků z vaší strany.

Vaše jméno a příjmení*

Organizace

E-mail

Pozice

Telefon

Promo kód

Poznámka k přihlášce

Odesláním přihlášky vyjadřujete svůj souhlas s obchodními podmínkami a zpracováním osobních údajů.

Další názory spokojených účastníků

Anonymní zpětná vazba účastníků z dotazníku spokojenosti po kurzu.

Ing. Kristýna Kohoutková, Filozofická fakulta Masarykovy univerzity

Kurz statistiky I v programovacím jazyce R | Ovládání programovacího jazyka R | Základní statistická analýza v jazyce R

Vědecký pracovník, 1. lékařská fakulta Univerzita Karlova

„Přestože s jazykem R pracuji již více jak 11 let, dozvěděl jsem se mnoho důležitých faktů, které mi coby samoukovi unikaly. Samozřejmostí je promítnutí těchto faktů do praktického využití, ať už se jedná o zefektivnění a zrychlení práce s R, tak především o teoretické základy, které pan Čapek vysvětlil naprosto bravurně. Jsem rád, že jsem kurz navštívil, protože při práci by mi jinak nastudování a pochopení principů, které stojí za různými typy testů hypotéz, trvalo roky. Kurz zabrousil též do pokročilejších metod. Vyzkoušeli jsme si základní zpracování časových řad, kdy jsme např. na čtvrtletní data nasazovali model a vykreslovali si grafy s předpovídanými hodnotami a konfidenčními intervaly. Za mě pořadatelé kurzu dostávají jedničku!“

Mgr. Ondřej Ledvinka, Ph.D., Český hydrometeorologický ústav