składa się z dwóch kursów poświęconych językowi programowania Python. Kursy zostały przygotowane z myślą o pracy analityka danych, tzw. Data Scientist. Kurs Analiza danych i programowanie w Python jest przeznaczony dla osób, które rozpoczynają przygodę z Pythonem, zaś Aplikacje webowe, webscrapping i programowanie w Pythonie to propozycja dla osób, które znają podstawy Pythona, czują się swobodnie w pracy z Pandasem i Matplotlibem, ale chciałyby pogłębić swoją wiedzę z Pythona i poszerzyć możliwości.

Kurs Python - Python

Warsztaty Machine Learning w Pythonie

Uwaga: kursy czerwcowe odbywają się w formie stacjonarno-zdalnej. Ze względu na wymogi sanitarne (szczegóły), liczba miejsc w salach komputerowych jest ściśle ograniczona. Istnieje także możliwość realizacji kursów w formie zdalnej, za pośrednictwem platformy MS Teams (szczegóły).

Poziom: średnio zaawansowany + zaawansowany

30 godzin dydaktycznych

Zajęcia w sali komputerowej

Zaświadczenie ukończenia

Ocena kursu: 4,79/5,00 – 100% ocen co najmniej 4 (w skali od 1 do 5)

Koordynator: Piotr Ćwiakowski (pcwiakowski@labmasters.pl)

Oprogramowanie: Python / Jupyter Notebook

Miejsce: Wydział Nauk Ekonomicznych UW, Warszawa ul. Długa 44/50 (mapa)


787 zł*

*Podana cena kursu jest ceną:

  • brutto (zawiera podatek VAT), jeśli zakupu dokonują osoby fizyczne nie prowadzące działalności gospodarczej;
  • netto (nie zawiera podatku VAT, który trzeba doliczyć do kwoty netto według stawki 23% – cena brutto 968,01 zł), jeśli zakupu dokonują osoby fizyczne prowadzące działalność gospodarczą lub osoby prawne.

Cena zawiera m.in. certyfikat zdania egzaminu (na podstawie rozwiązanych zadań sprawdzających), zaświadczenie ukończenia kursu (na podstawie obecności), komplet materiałów z pełnymi rozwiązaniami, darmowe konsultacje (więcej), zajęcia w sali komputerowej lub w formie zdalnej (więcej) – do wyboru.

Opis kursu

Kurs „Warsztaty Machine Learning w Pythonie”, jest prowadzony na poziomie średniozaawansowanym i zaawansowanym. Wymagana jest podstawowa znajomość statystyki i podstawowa znajomość języka Python (na przykład zdobyta na kursie: https://labmasters.pl/kursy-otwarte/python/p-1/). Celem jest przekazanie umiejętności budowania modeli predykcyjnych w obszarze Data Science z wykorzystaniem technik uczenia maszynowego (z ang. Machine Learning). Na zajęciach uczymy w sposób intuicyjny teoretycznych podstaw modelu, silnych i słaby stron każdej metody i na praktycznych przykładach przekazujemy umiejętność wykorzystania modeli w praktyce. Ponadto, uczestnicy dowiadują się jak interpretować i oceniać modele oraz poprawnie wykonywać walidować krzyżową. Prowadzący przekazują praktyczną wiedzę opartą o doświadczenie biznesowe zdobyte w projektach consultingowych. Uczestnik kursu otrzymuje obszerne materiały, zawierające kody i procedury do natychmiastowego wykorzystania w postaci gotowych receptur we własnych analizach.

W trakcie warsztatów zajęcia podzielone są na część wykładową (ok. 40% zajęć), ćwiczeniową (ok. 40%, prezentacja i interpretacja kodów w Pythonie) i pracę własną uczestników (20%) – polegającą na rozwiązywaniu biznesowych case study przygotowanych przez Prowadzącego. Podczas części ćwiczeniowej nacisk położony jest na poznanie efektywnych metod przetwarzania danych oraz programowania w środowisku Python. Po warsztatach uczestnik posiada wiedzę i umiejętności wystarczające do samodzielnej pracy i rozwoju w środowisku Python na poziomie zaawansowanym.


Rejestracja na kurs

Planowany termin: 23.11.2021-09.12.2021, wtorki i czwartki w godz. 16.30-20.30.
Daty zajęć: 23.11, 25.11, 30.11, 2.12, 7.12, 9.12.
Stan zapisów: rejestracja jeszcze nie rozpoczęta (planowane rozpoczęcie rejestracji pod koniec sierpnia).


Zapisy na kurs

Jeżeli jesteś zainteresowany(a) wzięciem udziału w tym kursie, zgłoś wstępną chęć uczestnictwa. Dzięki temu, wcześniej niż inni otrzymasz informację o zapisach i będziesz mieć pierwszeństwo w rejestracji. Zgłoś Mnie

Szczegółowa tematyka kursu

Metodologia budowy modelu ML cz. 1.

Walidacja krzyżowa i rola w wyborze i ocenie jakości modelu, wykrywanie i przeciwdziałanie przetrenowaniu modelu, podstawowe pojęcia uczenia maszynowego, techniki tuningu hiperparametrów, ograniczenie ryzyka przetrenowania modelu przez regularyzację.

Metodologia budowy modelu ML cz. 2.

Omówienie różnych miar jakości prognoz dla zmiennej ciągłej i dyskretnej i ich interpretacja biznesowa, przykłady feature engineering i feature selection, przegląd technik wyjaśniania złożonych modeli Machine Learning.

Uczenie nadzorowane.

Regresja liniowa i logistyczna, KNN, NaiveBayes, drzewa regresyjne I klasyfikacyjne, SVM, ensembling modeli: stacking, bagging, lasy losowe (random forest) i boostowane drzewa decyzyjne (implementacja XGB). Dobre praktyki tuningu hiperparametrów. Mocne i słabe strony poszczególnych algorytmów. Kryteria doboru algorytmu do problemu badawczego.

Uczenie nienadzorowane.

Redukcja wymiarów za pomocą (PCA, t-SNE), segmentacja zbioru danych (m. in. k-means, DBSCAN).


Czego się nauczysz

Na kursie Warsztaty Machine Learning w Pythonie, nauczysz się analizować i modelować dane na poziomie zaawansowanym. Między innym będziesz potrafił dobierać właściwe techniki i algorytmy do problemu badawczego, wybierać najlepsze modele predykcyjne za pomocą walidacji krzyżowej, dokonywać tuningu hiperparametrów, ograniczać ryzyko przetrenowania modelu przez regularyzację i ensembling modeli. Poznasz najskuteczniejsze algorytmy uczenia maszynowego do modelowania i prognozowania zmiennych ciągłych i dyskretnych. Będziesz potrafił zastosować metody Machine Learning.

Opinie uczestników

„Sposób prowadzenia bardzo przystępny, nastawiony na zastosowanie i dalszą samodzielną pracę.


„Super prowadzący.


„To mój pierwszy kurs z tego zakresu i jak dla mnie to rewelacja a w szczególności połączenie informacji z zakresu statystyki i ekonometrii z pythonem.


„Z przyjemnością wrócę na inne kursy.


„Bardzo duży zakres wiedzy teoretycznej: zarówno w kwestii materiałów jak i kodów. Wiedza teoretyczna przekazywana w sposób jasny i zrozumiały.


„Polecam


„Bardzo fajne, w dobrych warunkach (ogromny plus za sale – wreszcie nie jest duszno, może trzeba lepiej dopasować oświetlenie oraz wielkość tekstu wyświetlanego?), świetnie tłumaczone, dużo wiedzy w pigułce.


„Kurs był dla mnie bardzo wartościowy, na pewno przerobi e wszystkie materiały i zastosuje w praktyce.