Wymagania
check_circle_outline podstawowa znajomość języka Python ( kurs Programowanie w języku Python - od A do Z)
check_circle_outline znajomość biblioteki pandas (kurs Wprowadzenie do data science w języku Python - Pandas)
check_circle_outline podstawowa znajomość bibliotek do data science (kurs Data Science Bootcamp w języku Python)
---------------------------------------------------------
REKOMENDOWANE ŚCIEŻKI UCZENIA
---------------------------------------------------------
PYTHON DEVELOPER:
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
DATA SCIENTIST / MACHINE LEARNING ENGINEER:
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
- Wprowadzenie do data science w języku Python - Pandas
- Interaktywne wizualizacje danych w języku Python - Plotly
- Data Science Bootcamp w języku Python - od A do Z
- 250+ Ćwiczeń - Data Science Bootcamp w języku Python
- Machine Learning Bootcamp w języku Python cz.I - od A do Z
- Machine Learning Bootcamp w języku Python cz.II - od A do Z
- Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia
DATA SCIENTIST / DEEP LEARNING ENGINEER
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
- Wprowadzenie do data science w języku Python - Pandas
- Interaktywne wizualizacje danych w języku Python - Plotly
- Data Science Bootcamp w języku Python - od A do Z
- 250+ Ćwiczeń - Data Science Bootcamp w języku Python
- Machine Learning Bootcamp w języku Python cz.I - od A do Z
- Machine Learning Bootcamp w języku Python cz.II - od A do Z
- Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia
- Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras
- Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe
- Artificial Intelligence – Computer Vision w języku Python
BI ANALYST / DATA ANALYST:
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
- Wprowadzenie do data science w języku Python - Pandas
- Interaktywne wizualizacje danych w języku Python - Plotly
- Twórz nowoczesne aplikacje webowe w Pythonie - Dash, Plotly
- Data Science Bootcamp w języku Python - od A do Z
- 250+ Ćwiczeń - Data Science Bootcamp w języku Python
BIG DATA ANALYST:
- Programowanie w języku Python - od A do Z
- 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
- 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
- Programowanie obiektowe w języku Python - OOP
- 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
- Wprowadzenie do data science w języku Python - Pandas
- Interaktywne wizualizacje danych w języku Python - Plotly
- Big Data, Hadoop oraz MapReduce w języku Python
- Big Data: Analiza danych przy użyciu SQL oraz BigQuery
---------------------------------------------------------
OPIS KURSU
---------------------------------------------------------
Pierwsza część kursu z serii Machine Learning Bootcamp obejmująca tematykę uczenia nadzorowanego. Poruszone są główne problemy uczenia maszynowego, czyli klasyfikacja oraz regresja. Kurs zbudowany jest w oparciu o najpopularniejszą bibliotekę do uczenia maszynowego w języku Python, czyli bibliotekę scikit-learn (sklearn).
Na kursie omówionych zostało wiele algorytmów uczenia maszynowego, między innymi:
- regresja liniowa
- regresja wielomianowa
- regresja drzew decyzyjnych
- regresja logistyczna
- algorytm k-najbliższych sąsiadów
- klasyfikator drzew decyzyjnych
- klasyfikator lasów losowych
- algorytm maszyny wektorów nośnych
- naiwny klasyfikator bayesowski
Przedstawione zostały także metody oceny modeli regresji oraz klasyfikacji, walidacja krzyżowa czy metoda przeszukiwania siatki. Jeżeli zastanawiasz się czy warto podjąć krok w stronę ucznia maszynowego nie zwlekaj ani chwili dłużej i już dziś podejmij wyzwanie.