Dlaczego warto
Chcesz efektywnie przetwarzać dane, budować modele i prognozować z wykorzystaniem Pythona? To szkolenie jest idealne, jeśli pracujesz na stanowisku Data Scientist lub chcesz zdobyć umiejętności w tej dziedzinie. Nauczysz się wykorzystywać kluczowe biblioteki, takie jak Pandas, NumPy i Scikit-learn, aby przeprowadzać kompleksową analizę danych i tworzyć zaawansowane modele Data Science. Warsztatowy charakter szkolenia pozwoli Ci na praktyczne wykorzystanie zdobytej wiedzy.
Czego się nauczysz
- Zrozumiesz podstawy analizy danych statystycznych oraz uczenia nadzorowanego i nienadzorowanego.
- Poznasz różne typy modeli Data Science, w tym regresję, sztuczne sieci neuronowe i drzewa decyzyjne.
- Opanujesz zasady testowania hipotez statystycznych, walidacji i wyboru modeli.
- Nauczysz się tworzyć modele z użyciem Pythona i popularnych bibliotek.
- Zdobędziesz wiedzę o narzędziach takich jak PyCharm i Jupyter Notebook.
- Nauczysz się oceniać jakość modeli za pomocą macierzy błędów, krzywej ROC i walidacji krzyżowej.
Dla kogo
Szkolenie jest przeznaczone dla Data Scientistów oraz osób, które chcą używać Pythona jako narzędzia do zautomatyzowanej analizy danych. Zakłada się, że uczestnicy mają przynajmniej niewielkie doświadczenie w pracy z Pythonem.
Zakres szkolenia
- Wprowadzenie do analizy danych statystycznych
-
- Uczenie nadzorowane i nienadzorowane
- Rodzaje i przykłady modeli
- Metody estymacji/kalibracji modeli
- Zasady testowania hipotez statystycznych
- Walidacja i wybór modeli
- Przeregulowanie (kompromis między obciążeniem a wariancją)
- Techniki Data Science:
- Modele regresji liniowej i nieliniowej
- Sztuczne sieci neuronowe
- Drzewa decyzyjne i lasy losowe
- Klasyfikatory bayesowskie
- Modelowanie typu ensemble
- Macierz błędów, krzywa ROC
- Statystyki pozwalające ocenić jakość modeli
- Walidacja krzyżowa
- Tworzenie modeli z użyciem Pythona:
- Python jako język programowania
- PyCharm – IDE dla Pythona
- Jupyter Notebook – dokumenty z aktywnym kodem
- Pandas:
- Import i eksport danych
- Struktury danych i operowanie danymi
- NumPy: algebra liniowa i obliczenia numeryczne
- Scikit-learn:
- Regresja
- Klasyfikacja
- Grupowanie
- Walidacja i wybór modeli