✅ Nowoczesny system szkoleniowy dla firm i zespołów! Zobacz ofertę

Zastanawiasz się jak zwiększyć motywację i zaangażowanie w swoim zespole? Poznaj nasz nowoczesny system szkoleniowy dla firm i zespołów. Dzięki skutecznemu systemowi motywacji aż 80% użytkowników kończy szkolenie! Twórz programy nauczania dopasowane nie tylko do specyfiki Twojej działalności, ale przede wszystkim do potrzeb działu, stanowiska czy konkretnego pracownika. Wybierz pakiet

✅ Ucz się o dowolnej porze i oglądaj szkolenia bez dostępu do Internetu w aplikacji mobilnej

Pobierz naszą aplikację mobilną strefakursów.pl i ucz się bez żadnych ograniczeń. Pobieraj kursy i lekcje na swoje urządzenie i oglądaj nawet bez dostępu do Internetu. Dla nowych użytkowników aplikacji mamy niespodziankę! Aby odebrać prezent musisz zezwolić aplikacji na wysyłanie powiadomień. Pobierz aplikację

Pomoc i kontakt

Koszyk

Zaloguj się

strefakursów.pl Programowanie

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji:Trailer

Dowiedz się jak w praktyczny sposób wejść w świat Machine Learning w Python, rozwiązywać problemy za pomocą sztucznej inteligencji, wykorzystywać zbiory danych, testować modele uczenia maszynowego.

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji:Wstępna obróbka danych

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji:K-Nearest Neighbours

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji:Pozostałe metody klastrowania

DARMOWE FRAGMENTY

Ten kurs jest częścią ścieżki:

Machine Learning Engineer

3732 użytkowników podnosi swoje kwalifikacje w tej ścieżce kariery.

Opinie użytkowników

Karolina Szymanek

5.0

Bardzo fajny i wartościowy kurs. Z przyjemnością przerobiłam materiały i chętnie do nich wracam. Prowadzony zrozumiałym językiem bez zbędnego komplikowania. Godny polecenia każdemu początkującemu data scientiście :)

Rafał Tomaszewski

5.0

Świetnie przedstawiony materiał. Rzetelny prowadzący:) Ciężko będzie znaleść podobny kurs !

Zobacz wszystkie

Czego się nauczysz:

rozróżniania Machine Learning od AI

obsługi bibliotek Data Science dla Pythona (Pandas, numPy i scikit-learn)

strategii kodowania danych na potrzeby algorytmów Machine Learning

zmniejszania wymiarowości danych

przewidywania wartości numerycznych z pomocą metod regresji

automatycznej klasyfikacji obiektów

uczenia nienadzorowanego na przykładzie klasteryzacji

monitorowania jakości stworzonych modeli ML

Posiadasz doświadczenie w programowaniu, ale nudzi Cię już tworzenie kolejnej aplikacji typu CRUD? Chciałbyś tworzyć systemy, które same będą wyciągać wnioski z dostarczonych danych? Zależy Ci na tym, by opanować umiejętności, które będą liczyć się na rynku pracy? To szkolenie jest właśnie dla Ciebie! Nauczę Cię w nim jak implementować metody Machine Learning, wykorzystując najbardziej popularne biblioteki Data Science w Pythonie: NumPy, Pandas oraz scikit-learn. Przejdziemy przez budowę różnego rodzaju algorytmów dla trzech rzeczywistych zbiorów danych oraz nauczymy się, w jaki sposób wybierać najlepszy model, który naprawdę rozwiąże konkretny problem.

Machine Learning i sztuczna inteligencja

Sztuczna inteligencja i Machine Learning obrosły wieloma mitami. W popkulturze przedstawia się futurystyczne wizje walki robotów z ludźmi i chociaż rzeczywiście AI rozwija się bardzo szybko, to aktualny stan wiedzy jest od tego daleki. W trakcie kursu opowiem Ci, jak to wszystko obecnie wygląda i dlaczego Machine Learning piszemy najczęściej w Pythonie. Dowiesz się też, z jakich powodów pojęcia Machine Learning i sztuczna inteligencja są ze sobą często mylone i jakie występują między nimi powiązania. Dzięki temu szkoleniu nauczysz się jednak już dziś wykorzystywać możliwości uczenia maszynowego i AI do rozwiązywania realnych problemów.

Przygotowanie danych dla algorytmów

Machine Learning opiera się na danych, ale abyśmy mogli je wykorzystać będziemy musieli nadać im odpowiednią strukturę. Dopiero wtedy będziemy mogli mówić o tym, że algorytmy będą mogły się z nich uczyć i wyciągać trafne wnioski. W trakcie kursu przejdziemy przez podstawowe strategie radzenia sobie z różnymi typami danych, aby tworzyć je w sposób użyteczny dla stworzonych modeli. Dowiesz się więc, czym jest overfitting, underfitting i ekstrakcja cech uczących. Podpowiem Ci jak radzić sobie z uzupełnianiem brakujących danych oraz jak wyglądają wzorce pisania kodu oraz podstawowe schematy uczenia modeli.

Analiza i wizualizacja danych

Umiejętność prezentacji danych jest kluczowa, aby przekonać kogokolwiek o użyteczności Twoich rozwiązań. W trakcie kursu przejdziemy przez podstawowe sposoby wizualizacji danych, aby historie, które chcesz opowiedzieć, były jeszcze bardziej przekonujące. Poznasz przydatne typy wykresów, nauczysz się korelować ze sobą dane oraz przede wszystkim wybierać tylko te, które w konkretnej sytuacji będą miały znaczenie

Regresja, klasyfikacja i klastrowanie

Problemy, jakie napotkasz w pracy z danymi, dają się zazwyczaj sprowadzić do zadawania pytań. W kursie podejdziemy do tego bardzo praktycznie – stworzymy 3 projekty, w których nauczysz się tworzyć modele dla swoich danych. Zobaczysz, jak wykorzystując regresję liniową wyciągnąć trafne wnioski odnośnie jakości wina na podstawie konkretnych parametrów. Dowiesz się, jak za pomocą klastrowania i naszego przykładu z katastrofą Titanica ML możesz trafnie określić szanse przeżycia konkretnych osób w przypadku podobnych zdarzeń. W trzecim przykładzie wykorzystamy natomiast klasyfikację binarną, która pozwoli nam wytypować osoby, które mogą mieć problemy ze spłatą zadłużenia na karcie kredytowej.

Co jeszcze warto wiedzieć?

Aby w pełni wykorzystać wiedzę zawartą w tym szkoleniu, musisz posiadać podstawowe umiejętności z zakresu programowania w języku Python. Musisz znać składnię tego języka i orientować się w tematach takich jak pętle, instrukcje warunkowe, czy programowanie obiektowe. Jeżeli jeszcze jej nie zdobyłeś, możesz to zrobić dzięki naszym szkoleniom.

Fundamenty programowania w języku Python

ZOBACZ WIĘCEJ

Kursy często kupowane razem
Taniej na Black Weeks!

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji

Kurs Machine Learning - projektowanie sieci neuronowych

19 recenzji

Poziom Średniozaawansowany

35 wykładów

4.9

159zł

Razem do zapłaty

154 zł

-50% 308 zł

+1155 punktów premium

KUP W PAKIECIE

Nie wiesz od czego zacząć naukę?

Chętnie pomożemy! Odpowiedz na pytania przygotowane przez naszych specjalistów, a my dopasujemy ścieżkę rozwoju do Twoich preferencji.

Rozpocznij teraz

Program nauczania

1 Wprowadzenie

Wstęp 00m 29s

Jak korzystać z materiałów? 03m 51s

Machine Learning a Sztuczna Inteligencja 09m 24s

Problemy, które można rozwiązać za pomocą ML 12m 08s

Przegląd narzędzi, z jakich będziemy korzystać 12m 02s

2 Przygotowanie danych dla algorytmów ML

Podstawowy schemat uczenia modeli 09m 41s

Overfitting i underfitting 05m 19s

Ramki danych i podstawowe operacje na nich 17m 14s

Typy danych i sposoby ich reprezentacji 15m 30s

Strategie uzupełniania brakujących danych 12m 41s

Dane relacyjne, a ramki danych 19m 13s

Ekstrakcja cech uczących 08m 19s

Wzorce pisania kodu 13m 19s

3 Analiza i wizualizacja danych

Typy wykresów 22m 08s

Korelacja danych 12m 05s

Redukcja wymiarowości danych 14m 13s

4 Regresja

Jakie problemy rozwiązują metody regresji? 09m 32s

Zbiór danych: jakość wina 14m 22s

Wstępna obróbka danych Podgląd 09m 16s

Regresja liniowa w 2D 15m 59s

Pomiar jakości modeli regresji 16m 34s

Wpływ skalowania zmiennych na model 10m 00s

Regresja liniowa wielu zmiennych 08m 11s

Wnioskowanie na podstawie nauczonego modelu 07m 38s

Regularyzacja typu Lasso i Ridge 14m 26s

Metody liniowe, a nieliniowe 05m 58s

Regresja wielomianowa 15m 37s

Przegląd innych modeli regresji 07m 48s

5 Klasyfikacja binarna

Czym jest klasyfikacja? 06m 18s

Zbiór danych: spłata karty kredytowej 15m 34s

Przygotowanie danych do klasyfikacji 12m 14s

Regresja logistyczna w 2D 14m 13s

Metryki specyficzne dla klasyfikacji binarnej 24m 19s

Regresja logistyczna wielu zmiennych 13m 12s

Analiza cech istotnych dla modelu 04m 55s

K-Nearest Neighbours Podgląd 08m 41s

Wykorzystanie KNN do klasyfikacji 09m 34s

Support Vector Machine 11m 16s

Klasyfikacja za pomocą SVM 06m 42s

Strategie dla klasyfikacji wieloklasowej 09m 13s

Inne popularne metody klasyfikacji 08m 05s

6 Klastrowanie

Do czego służy klastrowanie? 08m 30s

Kategoryzacja za pomocą K-Means w 2D 17m 56s

Zbiór danych: Titanic 12m 43s

Kategoryzacja wielowymiarowa 10m 28s

Pomiar jakości klastrowania 13m 19s

Pozostałe metody klastrowania Podgląd 05m 20s

7 Dobre praktyki

Testowanie modeli ML 05m 01s

Zakończenie 01m 29s

Ocena uczestników

48701 użytkowników oceniło i zrecenzowało szkolenia strefakursów.pl

Średnia ocena uczestników w niezależnym serwisie Google to 4.9/5 ⭐⭐⭐⭐⭐ z 2573 wszystkich opinii.

89%

Recenzje użytkowników (37)

Grzegorz Ochodek

5 września 2024

5.0

W sumie to raczej spoko, choć kurs ma już 4 lata i nie wszystkie biblioteki działają tak samo w najnowszych wersjach

Paweł Rabiej

2 sierpnia 2024

5.0

Szkolenie dobre na początek przygody z uczeniem maszynowym.

Marta Pietrzyk

1 sierpnia 2024

5.0

idealne dla początkujących i zaprawionych w "boju" :)

Dominika Stefaniak

26 lipca 2024

5.0

przydatny kurs dla wprowadzenia do machine learningu

Radosław Bukłaga

17 czerwca 2024

5.0

super kurs

WIĘCEJ RECENZJI

Najczęściej zadawane pytania

Jak wygląda uczestnictwo w kursie online?

Kursy online w strefakursów.pl to wideoporadniki przygotowane przez zespół naszych specjalistów. Twoje uczestnictwo w szkoleniu polega na tym, że otrzymujesz dostęp do wykładów wideo oraz innych materiałów szkoleniowych za pośrednictwem platformy szkoleniowej zaraz po zalogowaniu się na swoje konto. Konto jest bezpłatne i możesz założyć je w dowolnym momencie lub w trakcie dokonywania pierwszego zakupu w serwisie strefakursów.pl. Materiały, do których otrzymasz dostęp pozwolą Ci rozwinąć się zawodowo i podnieść Twoje kwalifikacje. Każdy kurs przepełniony jest praktyczną wiedzą, która ułatwi Ci osiągnięcie wymarzonych życiowych celów. Zdobytą wiedzę i postępy w nauce możesz w łatwy sposób zweryfikować za pomocą licznych testów i ćwiczeń dołączonych do każdego kursu.

Czy otrzymam certyfikat ukończenia szkolenia i jaką ma on formę?

Do każdego ukończonego przez Ciebie szkolenia wystawiamy imienny certyfikat. Warunkiem jego otrzymania jest zaliczenie testów dołączonych do kursu. Na certyfikacie znajduje się Twoje imię oraz nazwisko, nazwa ukończonego kursu, data wystawienia i nazwa instytucji certyfikującej. Warto podkreślić, że jesteśmy wpisani do Rejestru Instytucji Szkoleniowych (nr wpisu 2.12/00119/2017).

Certyfikat możesz wydrukować lub opublikować w Internecie za pośrednictwem specjalnego odnośnika np. na LinkedIn lub innych portalach społecznościowych . Jak również dołączyć do swojego CV.

Czy otrzymam fakturę VAT za zamówienie?

Tak, do każdego zamówienia mamy obowiązek wystawić fakturę VAT (23%) lub paragon. Rodzaj dokumentu zależy od danych, które podasz w formularzu podczas składania zamówienia. Faktury zwykle wystawiamy do 3 dni roboczych od momentu zaksięgowania wpłaty. Poinformujemy Cię o tym fakcie mailowo, a dokument będzie można pobrać bezpośrednio z poziomu zakładki Historia zamówień na Twoim koncie w strefakursów.pl. Jeśli potrzebujesz dokumentu Proforma lub faktury odroczonej, złóż zamówienie, a w uwagach do zamówienia dodaj komentarz “Proforma” lub "Faktura z odroczonym terminem płatności", lub skontaktuj się z nami telefonicznie bądź mailowo (biuro@strefakursow.pl).

Czy dostęp do szkolenia jest ograniczony czasowo?

Po opłaceniu zamówienia otrzymujesz nielimitowany dostęp do zakupionych materiałów. Dzięki temu, że szkolenia są dla Ciebie dostępne zarówno online za pośrednictwem naszej platformy szkoleniowej i offline w aplikacji mobilnej strefakursów.pl, możesz w dowolnym czasie i miejscu powracać do obejrzanych lekcji i powtarzać materiał bez ograniczeń. Dodatkowo po ukończeniu całego szkolenia otrzymasz imienny certyfikat poświadczający Twój udział w szkoleniu. Certyfikat możesz opublikować np. na LinkedIn lub innych portalach społecznościowych, jak również dołączyć do swojego CV.

Kacper Łukawski

Machine Learning Engineer

4.8

(37 ocen)

Kurs Machine Learning w Python - wprowadzenie do sztucznej inteligencji

Q: ✅ Dożywotni dostęp do szkolenia i możliwość powtarzania materiału w dowolnym miejscu i czasie.

Po opłaceniu zamówienia otrzymujesz nielimitowany dostęp do zakupionych materiałów . Dzięki temu, że szkolenia są dla Ciebie dostępne zarówno online za pośrednictwem naszej platformy szkoleniowej i offline w aplikacji mobilnej strefakursów.pl , możesz w dowolnym czasie i miejscu powracać do obejrzanych lekcji i powtarzać materiał bez ograniczeń. Dodatkowo po ukończeniu całego szkolenia otrzymasz imienny certyfikat poświadczający Twój udział w szkoleniu. Certyfikat możesz opublikować np. na LinkedIn lub innych portalach społecznościowych, jak również dołączyć do swojego CV.

Q: ✅ Nie wiesz od czego zacząć naukę? Chętnie pomożemy!

W naszej ofercie znajdują się setki kursów online, jeśli nie wiesz od czego zacząć naukę zaufaj naszemu doświadczeniu. Odpowiedz na pytania przygotowane przez naszych specjalistów, a my dopasujemy ścieżkę rozwoju do Twoich preferencji. Rozpocznij teraz

Kto pyta nie błądzi! Zobacz Najczęściej zadawane pytania

🔥 Gorący temat: W tym tygodniu 137 użytkowników obejrzało to szkolenie

Rozpocznij naukę teraz za darmo, zapłać w ciągu 30 dni z lub – Jak to działa?

Dożywotni, nielimitowany dostęp do kursu

74zł

149zł

2024-11-08

1342

⏰ To szkolenie kupisz 50% taniej jeszcze tylko przez: 03 : 13 : 30 : 48

Oferta dla firm i zespołów

To szkolenie obejmuje:

Nielimitowany dostęp

9 godzin szkolenia

49 wykładów

21 pytań testowych

Napisy dostępne w językach:
polski, angielski, ukraiński

Dostęp w aplikacji mobilnej

Certyfikat ukończenia

Testy i zadania

Rekomendacje na LinkedIn

Poziom: Podstawowy

Powiązane tematy:

Ten kurs jest częścią ścieżki

4.7

Machine Learning Engineer

Zdobądź kompleksową wiedzę na temat Machine Learning i naucz się tworzyć zaawansowane algorytmy sztucznej inteligencji. Wykorzystaj uczenie maszynowe do rozwiązywania realnych problemów.

164 wykładów

3732 uczestników

Dowiedz się więcej