PODSTAWY
PYTHONA W ML
O szkoleniu
Kurs “Podstawy Pythona w ML” ma na celu wprowadzenie uczestników do świata programowania nakierowanego na pracę z danymi. Podczas kursu uczestnicy nauczą się między innymi podstaw programowania, obsługi bibliotek służących do analizy danych, a także wizualizacji danych oraz podstaw modelowania.
Dla kogo jest kurs
Kurs jest przeznaczony dla osób, które chcą:
- wejść do świata analizy danych,
- przebranżowić się,
- nauczyć się pracować z danymi,
- nauczyć się programować,
- zrozumieć czym jest szeroko pojęty Data Science.
Czego się nauczysz?
- Podstaw programowania
- Analizy danych za pomocą numpy oraz pandas
- Wizualizacji za pomocą matplotlib oraz seaborn
- Przygotowania danych do modelowania
- Modelowania przy użyciu biblioteki scikit-learn
Zajęcia w dogodnym czasie
Obecnie dostępny kurs w wersji interaktywnej lub same materiały do kursu
30 godzin nauki
Ponad 10 godzin nagrań + co najmniej 20 godzin pracy własnej
Od podstaw
Dla osób, które nie miały wcześniej do czynienia z pythonem/ML
Konsultacja indywidualna 1:1
Po ukończonym kursie i wysłanym projekcie oferujemy indywidualne spotkanie na platformie Zoom
Certyfikat ukończenia
Poświadczający nabyte umiejętności
Zdalna forma nauki
Nauka na podstawie filmów i pracy własnej
Materiały do pracy własnej
Dedykowane do każdej części, możliwość zakupu samych materiałów
Wsparcie po zakończeniu kursu
Pozostajemy dostępni do pomocy w formie mailowej w trakcie jak i po zakończeniu szkolenia
Program szkolenia
- Szkolenie “Podstawy Pythona w ML” składa się z 4 wymienionych poniżej części
- Nie robimy przydługiego wstępu z teorii (ograniczamy się do potrzebnego minimum), szybko przechodzimy do praktyki i uczymy na konkretnych przykładach.
- Na ostatnich zajęciach uczestnik otrzyma od nas zbiór danych do wykonania projektu końcowego obejmującego wszystkie omawiane zagadnienia. Projekt zostanie sprawdzony i oceniony. Jego wykonanie będzie warunkiem otrzymania końcowego certyfikatu.
- Około 2 tygodnie po ostatnich zajęciach zorganizowane zostaną dodatkowe indywidualne 20-minutowe konsultacje dla chętnych, w ramach których uczestnik będzie miał możliwość skonsultowania wątpliwości oraz problemów dotyczących zagadnień poruszanych w czasie kursu oraz przy wykonywaniu projektu końcowego.
CZĘŚĆ 1
Podstawy Pythona
Pierwsza część kursu skupia się na zapoznaniu uczestnika z najważniejszymi zagadnieniami związanymi z programowaniem. Uczestnik nauczy się między innymi:
- w pełni wykorzystywać potencjał Jupyter Notebook,
- pracować na podstawowych typach zmiennych (int, string oraz float),
- obsługiwać złożone typy danych (listy, słowniki oraz tuple),
- modyfikować wszystkie typy zmiennych,
- używać indeksowania oraz slicing,
- wykorzystywać operatory warunkowe,
- tworzyć pętle for, while i funkcje.
CZĘŚĆ 2
Numpy i Pandas
W drugiej części kursu uczestnicy nauczą się posługiwać dwoma najważniejszymi bibliotekami do analizy danych: NumPy oraz pandas. W skład części drugiej wchodzą między innymi:
- umiejętność importowania bibliotek oraz danych,
- tworzenie oraz transformacje tablic w NumPy,
- tworzenie i modyfikowanie Series oraz DataFrame,
- poruszanie się po tablicach danych,
- nauka funkcji apply i groupby,
- obsługa różnych typów danych w tabeli danych,
- tworzenie tablic przestawnych,
- łączenie różnych zbiorów danych.
CZĘŚĆ 3
Wizualizacje w Matplotlib i Seaborn
Trzecia część kursu skupia się na wprowadzeniu słuchacza do wizualizacji danych przy użyciu matplotlib oraz seaborn. Uczestnik nauczy się:
- podstawowych pojęć związanych z wizualizacją danych,
- dostępnych sposobów rysowania wykresów,
- stylizacji i modyfikowania wykresów,
- przedstawiać kilka wykresów na jednym układzie współrzędnych,
- tworzyć specjalistyczne wykresy (mapy ciepła, violin plot i wiele innych).
CZĘŚĆ 4
Wprowadzenie do ML z Scikit-Learn
Na końcowym etapie kursu zostanie przeprowadzone wprowadzenie do teorii stojącej za uczeniem maszynowym. Uczestnik dowie się miedzy innymi:
- czym jest Machine Learning,
- jakie są metody uczenia maszynowego,
- czym jest i jak korzystać z biblioteki scikit-learn,
- jak przygotować dane do modelowania (braki danych, one-hot-encoding),
- w jaki sposób stworzyć model klasyfikacyjny i regresyjny i jak go ocenić,
- na czym polega klasteryzacja i jak jej dokonać.
Używane technologie
Cennik i terminy
Materiały do kursu
199PLN
Ponad 250 stron praktycznych materiałów w formacie .pdf
Kod źródłowy do materiałów do pracy w jupyter notebook
Zadania do pracy własnej w jupyter notebook
NAJPOPULARNIEJSZY
Kurs interaktywny
499PLN
Ponad 10 godzin nagrań
Quizy sprawdzające wiedzę
Materiały do kursu w cenie
Dożywotni dostęp
FAQ
Tak, kurs jest prowadzony od początku do końca zdalnie.
Do każdego modułu przypisana jest lista prac domowych, które należałoby wykonać po zajęciach. Na zrobienie wszystkich prac domowych przewidujemy około 10 godzin pracy własnej.
Dostęp do materiałów otrzymujesz dożywotnio, lecz zakazane jest udostępnianie ich osobom spoza kursu.
Nie musisz mieć żadnego doświadczenia. Kurs prowadzony jest od podstaw.
Do kursu potrzebny będzie Jupyter Notebook oraz Zoom.
Kurs jest przewidziany na 24 godziny dydaktyczne, które zostaną zrealizowane w przeciągu 4 tygodni.