Introduction to machine learning

Kód kurzu: MLIML

Tato část není lokalizována

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.

7 990 Kč

9 668 Kč s DPH

Nejbližší termín od 05.09.2022

Výběr termínů

Odborní
certifikovaní lektoři

Mezinárodně
uznávané certifikace

Široká nabídka technických
a soft skills kurzů

Skvělý zákaznický
servis

Přizpůsobení kurzů
přesně na míru

Termíny kurzu

Počáteční datum: 05.09.2022

Místo konání: Praha

Forma: Prezenční

Délka kurzu: 2 dny

Jazyk: cz

Cena bez DPH: 7 990 Kč

Registrovat

Počáteční datum: 01.11.2022

Místo konání: Praha

Forma: Prezenční

Délka kurzu: 2 dny

Jazyk: en

Cena bez DPH: 7 990 Kč

Registrovat

Počáteční datum: 01.11.2022

Místo konání: Praha

Forma: Virtuální

Délka kurzu: 2 dny

Jazyk: cz

Cena bez DPH: 7 990 Kč

Registrovat

Počáteční datum: Individuální

Forma: Individuální

Délka kurzu: 2 dny

Jazyk: cz

Cena bez DPH: 7 990 Kč

Registrovat

Počáteční
datum
Místo
konání
Forma Délka
kurzu
Jazyk Cena bez DPH
05.09.2022 Praha Prezenční 2 dny cz 7 990 Kč Registrovat
01.11.2022 Praha Prezenční 2 dny en 7 990 Kč Registrovat
01.11.2022 Praha Virtuální 2 dny cz 7 990 Kč Registrovat
Individuální Individuální 2 dny cz 7 990 Kč Registrovat
G Garantovaný kurz

Nenašli jste vhodný termín?

Napište nám o vypsání alternativního termínu na míru.

Kontakt

Popis kurzu

Tato část není lokalizována

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.

Cílová skupina

Tato část není lokalizována

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.

Struktura kurzu

Tato část není lokalizována

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

Tato část není lokalizována

  • 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.

Potřebujete poradit nebo upravit kurz na míru?

Daniel Šťastný

Daniel Šťastný

produktová podpora

Navazující kurzy

Machine Learning BootCamp cz/sk en

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

17 990 Kč bez DPH

Convolutional neural networks and image processing cz/sk

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

3 990 Kč bez DPH

Natural Language Processing cz/sk

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

3 990 Kč bez DPH

Time Series Analysis cz/sk

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

3 990 Kč bez DPH

Machine Learning with R cz/sk

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

12 300 Kč bez DPH

Data Manipulation and Visualization with R cz/sk

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

12 300 Kč bez DPH

Data modelling in Power BI cz/sk en

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

9 840 Kč bez DPH

Interpretable machine learning (R/Python) cz/sk

Dodavatel: EDU Trainings

Oblast: Strojové učení

Cena od:

9 840 Kč bez DPH

Platební brána ComGate Logo MasterCard Logo Visa