Strojové učení 1 - Supervised Learning

Videa 2h 19m · 38 lekcí · Mírně pokročilí · Certifikát

Oblíbené Certifikát
Strojové učení 1 - Supervised Learning
Ukázka Strojové učení 1 - Supervised Learning
Ukázka Strojové učení 1 - Supervised Learning
Ukázka Strojové učení 1 - Supervised Learning
Ukázka Strojové učení 1 - Supervised Learning
Ukázka Strojové učení 1 - Supervised Learning

Strojové učení 1 - Supervised Learning

Videa 2h 19m · 38 lekcí · Mírně pokročilí · Certifikát

Oblíbené Certifikát

Naučte se modelovat vaše data a predikovat jejich chování v nových, dosud nepozorovaných případech.

4 399 Kč

Výhodné balíčky již od 2 kurzů.
Jste tým? Využijte BusinessPass.

 Podpora lektora  Strojové učení  Machine Learning  Supervised Learning  Scikit-learn  Python  Pandas  NumPy

Martin Selecký

Autor kurzu: Martin Selecký

Strojové učení (Machine Learning) se jako podoblast umělé inteligence v posledních letech setkává s čím dál větším zájmem a jeho aplikace se už běžně objevují v praxi - ať už jde o učící se spam filtry v našich e-mailech, detektory podvodných transakcí v bankovních systémech, podporu ve webových vyhledávačích optimalizovanou na konrétní uživatele, nebo třeba o predikce zájmu o určitý produkt.

Obsah kurzu

1. Úvod

1

Úvod

2. Problémy strojového učení

3

Různé typy vstupů

Různé typy výstupů

ML Operations

3. Předzpracování dat

7

Načtení dat

Nevyvážené datasety

Kategorická data

Chybějící hodnoty

Důležitost features

Rozdělení dat pro trénink a validaci, problém přeučení

Standardizace dat

4. Problém Klasifikace

8

Příprava dat pro klasifikaci

Logistická regrese

Nejbližší sousedi

SVM

Rozhodovací stromy

Random Forest

Multiclass classification

Metriky pro vyhodnocení kvality modelu

5. Problém regrese

5

Příprava dat pro regresi

Lineární regresor

SVM regresor

Random Forest

Metriky pro vyhodnocení kvality modelu

6. Aplikace modelů

1

Aplikace modelů

7. Hyperparameter tuning

1

Hyperparameter tuning

8. Etický bias v modelech

1

Etický bias v modelech

9. Zdroje

1

Zdroje

10. Data

2

Heart.csv

housing.csv

11. Notebooky

6

Classifiers.ipynb

Data-Loading.ipynb

Missing-values.ipynb

Regressors.ipynb

Standardizace.ipynb

Train-test-split.ipynb

12. Závěrečný test

2

Zadání (PDF)

Zadání (Notebook)

Problematika strojového učení je rozsáhlé téma. V tomto kurzu se zaměříme především na základní porozumění principům a funkčnosti jednotlivých metod. Dále se budeme soustředit na jejich praktické použití, na jejich úskalí a ukážeme si, na co si dát pozor.

Metody, které se naučíte, lze aplikovat s použitím libovolného programovacího jazyka. V tomto kurzu ale budou demonstrovány v jazyce Python za použití knihoven Pandas, Numpy a Scikit-learn.

Předpokládá se tedy základní znalost jazyka Python a základní použití knihoven Pandas a Numpy, minimálně na úrovni kurzů Python - základy a Pandas - analýza a zpracování dat.

Co se naučíte

  • Jak vypadají základní problémy, které můžete pomocí strojového učení řešit.
  • Jak si správně připravit data, která poslouží k učení algoritmů.
  • Jak modelovat problémy tzv. Supervised Learningu, kdy na základě historických dat a jejich ohodnocení naučíte algoritmy predikovat hodnoty dat nových.
  • Jak optimálně nastavit parametry jednotlivých algoritmů.
  • Jak naučené modely vyhodnotit a použít.

Co získáte

  • Praktický úvod do strojového učení.
  • Více než 139 minut videolekcí.
  • Velký počet doprovodných materiálů.
  • Kurz od lektora, který má bohatou praxi v oblasti umělé inteligence a strojového učení.
  • Poznatky, které využijete v praxi.
  • Neomezený přístup ke všem materiálům po dobu 12 měsíců.
  • Certifikát (po úspěšném složení testu).

Pochlubte se certifikátem

Certifikát

Počítač

  • Počítač s aktuální verzí libovolného operačního systému (Windows, macOS nebo Linux).
  • Nainstalovaný Python 3 a jeho knihovny:
    • Pandas
    • Numpy
    • Matplotlib
    • Scikit-learn
  • Dostatečně rychlé a stabilní připojení

Požadované znalosti

  • Znalost jazyka Python minimálně na úrovni kurzu Python - základy.
  • Znalost knihovny Pandas a NumPy minimálně na úrovni kurzu Pandas - analýza a zpracování dat.
  • Výhodné balíčky již od 2 kurzů.
    Jste tým? Využijte BusinessPass.

    Hodnocení studentů

    J

    Jiří

    Tři největší výhody kurzu: dobře zpracovaná videa, práce na dálku, dobré materiály.

    Ověřený zákazník

    F

    Filip

    Kurz splnil očekávání a namotivoval k aktivnímu používání představených nástrojů.

    Ověřený zákazník

    P

    Petr

    Stoprocentní spokojenost. Kurz byl připraven pro poučené laiky, obsah přesně jak jsem potřeboval, skvělý lektor.

    Ověřený zákazník

    Učí se s námi

    • Hypoteční banka
    • KPMG Česká republika
    • Pražská energetika
    • Česká pošta
    • Centrální depozitář cenných papírů
    • Český hydrometeorologický ústav
    • innogy
    • O2
    • YVES ROCHER
    • a mnoho dalších

    Mohlo by vás zajímat

    SQL pro analytiky

    Naučte se základy SQL a relačních databází. Komplexní kurz, který vám dá jistotu při psaní databázových dotazů.

    Zobrazit kurz

    Základy Tableau

    Kurz pro všechny, kteří chtějí proniknout do analýzy dat pomocí vizualizací.

    Zobrazit kurz

    OK, Python

    Automatizujte rutinní práci v Excelu, nechte za sebe pracovat Python a zjednodušte si život.

    Zobrazit knihu

    Copyright © 2018-2024, Colorbee, s.r.o.

    Designed by grafikli.cz in Prague.