750 Euro/ persoană + TVA
1 zile
Machine Learning Programming with Python
Machine Learning
În cadrul acestui curs veți programa în Python, folosind cele mai populare instrumente și librării de Data Science și veți învăța cum să-l utilizați pentru analize statistice avansate, pre-procesare și transformare a datelor, dezvoltarea vizualizărilor de date și dezvoltarea de modele predictive pentru a rezolva o varietate de probleme.
Cursul are exerciții practice pentru fiecare modul (cu aplicabilitate directă în domeniul bancar), deci nu numai că veți învăța teoria, dar veți aborda și partea practică în construirea propriilor modele, pe care le puteți utiliza în continuare ca puncte de plecare în construirea propriilor proiecte.
De asemenea, veți învăța cum să îmbunătățiți modelele dezvoltate prin algoritmii de învățare automată, prin aprofundarea conceptelor de bias ridicat (underfitting), dispersie ridicată (overfitting), validarea comparativă (cross-validation) și modul în care hiperparametrii ar putea îmbunătăți performanța modelelor (hyper-parameter tuning).
Preț: 750 Euro/ persoană + TVA
Durată – 2 zile
Format: Online – Live cu instructor sau la sediul clientului
Prerechizite: Cunoștințe de bază în programare în Python. Fundamente de algebră liniară și calcul diferențial. O înțelegere a conceptelor fundamentale de statistici și probabilități.
Certificare: Certificat de absolvire
Audienta :
Cursul de Machine Learning cu Python este destinat persoanelor care doresc să învețe despre tehnici și algoritmi de machine learning și cum să le aplice în proiecte practice folosind Python.
Plan De Curs
Ce este Inteligența Artificială și Machine Learning?
Tipuri de Machine Learning
Ciclul de viață al modelului: Pașii în construirea unui model
Analiză exploratorie a datelor
Preprocesarea datelor
Algoritmi de Machine Learning
Exemplu practic de Învățare Supervizată: Clasificarea împrumuturilor pentru a prezice neplată
Ciclul de viață al modelului: Pașii în construirea unui model
Analiză exploratorie a datelor
Preprocesarea datelor
Algoritmi de Machine Learning
Exemplu practic de Învățare Supervizată: Clasificarea împrumuturilor pentru a prezice neplată
Feature Engineering:
- Tehnici de tratare a valorilor lipsă
- Tratamentul valorilor extreme
- Tratamentul categoriilor rare
- Multiple tehnici pentru tratamentul variabilelor categorice
- Tehnici de procesare și transformare a datelor necesare pentru principalele grupuri de algoritmi de învățare automată
Feature Selection (Filter Methods, Embedded Methods, Wrapper Methods)
- Importanța reducerii spațiului dimensional pentru modelare
- Aplicarea metodelor de filtrare (elemente de bază, corelație, măsuri statistice)
- Aplicarea metodelor încorporate (lasso, random forrest, etc.)
- Aplicarea metodelor agnostice (RFE)
- Tratamentul valorilor extreme
- Tratamentul categoriilor rare
- Multiple tehnici pentru tratamentul variabilelor categorice
- Tehnici de procesare și transformare a datelor necesare pentru principalele grupuri de algoritmi de învățare automată
Feature Selection (Filter Methods, Embedded Methods, Wrapper Methods)
- Importanța reducerii spațiului dimensional pentru modelare
- Aplicarea metodelor de filtrare (elemente de bază, corelație, măsuri statistice)
- Aplicarea metodelor încorporate (lasso, random forrest, etc.)
- Aplicarea metodelor agnostice (RFE)