Ta strona korzysta z plików cookie, abyśmy mogli zapewnić jak najlepszą obsługę. Informacje o plikach cookie są przechowywane w przeglądarce i wykonują takie funkcje, jak rozpoznawanie cię po powrocie do naszej witryny i pomaganie naszemu zespołowi w zrozumieniu, które sekcje witryny są dla Ciebie najbardziej interesujące i przydatne.
Pierwsza część kursu z serii Machine Learning Bootcamp obejmująca tematykę uczenia nadzorowanego. Poruszone są główne problemy klasycznego uczenia maszynowego, czyli klasyfikacja oraz regresja. Kurs zbudowany jest w oparciu o najpopularniejszą bibliotekę do uczenia maszynowego w języku Python, czyli bibliotekę scikit-learn (sklearn).
Na kursie omówionych zostało wiele algorytmów uczenia maszynowego, między innymi:
-
regresja liniowa
-
regresja wielomianowa
-
regresja drzew decyzyjnych
-
regresja logistyczna
-
algorytm k-najbliższych sąsiadów
-
klasyfikator drzew decyzyjnych
-
klasyfikator lasów losowych
-
algorytm maszyny wektorów nośnych
-
naiwny klasyfikator bayesowski
Przedstawione zostały także metody oceny modeli regresji oraz klasyfikacji, walidacja krzyżowa czy metoda przeszukiwania siatki.
O uczeniu maszynowym mówi się już praktycznie wszędzie. Wkrada się w każdą dziedzinę naszego życia. Jeżeli zastanawiasz się czy warto podjąć krok w stronę ucznia maszynowego nie zwlekaj ani chwili dłużej i już dziś podejmij wyzwanie.
scikit-learn
scikit-learn jest prawdopodobnie najbardziej użyteczną biblioteką do uczenia maszynowego w języku Python. Biblioteka zawiera wiele wydajnych narzędzi do uczenia maszynowego i modelowania statystycznego, w tym klasyfikacji, regresji, grupowania czy redukcji wymiarowości.
Boom na rozwiązania AI
Zastosowania sztucznej inteligencji (Artificial Intelligence) rosną w tempie wykładniczym. Od prostych modeli klasyfikujących pocztę mailową, wybierającą najbardziej optymalną trasę dojazdu, rozpoznającą nas w czasie rzeczywistym (wideoweryfikacja) po auta a nawet samoloty autonomiczne. A przed nami przecież tyle nieodkrytych obszarów w których można zastosować AI.
Stack Overflow Developer Survey
Według Stack Overflow Developer Survey 2021 język Python jest najchętniej wybieranym językiem do nauki programowania.
-----UCZENIE NADZOROWANE-----
Narzędzia i konfiguracja środowiska
Przygotowanie danych do modelu
------REGRESJA-----
-
16Przygotowanie danych do modelu - wykład
-
17Przygotowanie danych do modelu - ćwiczenie cz. 1
-
18Przygotowanie danych do modelu - ćwiczenie cz. 2
-
19Przygotowanie danych do modelu - ćwiczenie cz. 3
-
20Braki danych - wykład
-
21Braki danych - ćwiczenie
-
22Braki danych w szeregach czasowych - ćwiczenie
-
23Ekstrakcja cech - wykład
-
24Ekstrakcja cech - ćwiczenie
-
25Zbiór treningowy, zbiór walidacyjny i zbiór testowy - wykład
-
26Zbiór treningowy, zbiór walidacyjny i zbiór testowy - ćwiczenie
-
27Wybór biblioteki do uczenia maszynowego
Regresja liniowa
Regresja wielomianowa
-
30Regresja liniowa - wykład
-
31Regresja liniowa - równanie normalne - wykład
-
32Regresja liniowa - równanie normalne - ćwiczenie
-
33Regresja liniowa - spadek wzdłuż gradientu - wykład
-
34Regresja liniowa - spadek wzdłuż gradientu - ćwiczenie
-
35Regresja liniowa - spadek wzdłuż gradientu - pułapki
-
36Regresja liniowa w R2 - ćwiczenie
-
37Regresja liniowa w R2 - zbiór treningowy, testowy - ćwiczenie
-
38Regresja liniowa - case study - wprowadzenie
-
39Regresja liniowa - case study - ćwiczenie
-
40Regresja liniowa - case study - eliminacja wsteczna
-
41Regresja liniowa - case study - eliminacja wsteczna - automatyzacja