Webové stránky používají k poskytování služeb, personalizaci reklam a analýze návštěvnosti soubory cookie. Informace, jak tyto stránky používáte, jsou sdíleny se společností Google. Používáním souhlasíte s použitím souborů cookie. Více informací.

Rozumím

Kód školení: MLIML

Introduction to machine learning

This course is intended for beginners who have no or limited experience with machine learning and want to do their first steps in this field. The participants will learn what machine learning is, what types of ML are the most typical in practical applications and how the basic algorithms work. We are not going to sink into mathematical formulas or complex proofs. Instead, we will focus on intuitive understanding of the principles, which are necessary for the ability to design machine learning models. The course covers introduction to classification, regression, clustering, and practical basics of artificial neural networks in Python.

Obsah školení

Day 1

  • What is machine learning?
  • Types of machine learning (classification, regression, ranking, reinforcement learning,
  • clustering, anomaly detection, recommendation, optimization)
  • Data preparation (train, test and validation data sets, imbalanced and noisy data)
  • Classification model evaluation (accuracy, precision, recall, confusion matrix, ROC, AUC)
  • Basic algorithms for classification (baseline models, Na.ve Bayes Classifier, Logistic regression, Support Vector Machines, decision trees, ensemble models)
  • Quick Scikit-Learn tutorial (how to load and transform data, training models, predicting values, model pipelines and evaluation)
  • Practical classification task
  • Basic algorithms for regression (analytical methods, gradient descent, SVR, regression trees)

Day 2

  • Basic algorithms for clustering (K-means, hierarchical clustering)
  • Practical clustering task
  • Introduction to artificial neural networks (why they are so popular, what their advantages and disadvantages are, perceptron neural network)
  • Most frequently used activation functions (Sigmoid, Linear, Tanh, Relu, Softmax)
  • Multi-Layer neural networks (back propagation algorithm, stochastic gradient descent, convolution, pooling, regularizations)
  • Quick tutorial to Keras (sequential models, optimizers, training, data workflow)
  • Practical classification and regression tasks using neural networks

Předpokládané znalosti

  • Základní znalost programování v Pythonu
  • Středoškolské znalosti lineární algebry, matematické analýzy a teorie pravděpodobnosti. Bude předpokládáno základní porozumění pojmům jako vektor, matice, vektorový prostor, pravděpodobnost, podmíněná pravděpodobnost, nezávislost náhodných jevů a znalost násobení matic a derivace funkcí.
  • Vlastní laptop s předinstalovaným Dockerem.

Cena školení

7.990,- Kč bez DPH
9.668,- Kč s DPH

Termíny školení

Datum Garantovaný Lokalita Jazyk kurzu Délka kurzu
21. října 2019 - Praha Čeština 2 dny Registrovat

Virtuální kurz

Datum Jazyk kurzu Délka kurzu
Virtuální kurz Angličtina 2 dny Registrovat

Alternativní termín

Nevyhovuje vám žádný z navrhovaných termínů? Napište nám o vypsání alternativního termínu.

Kontaktujte nás