Uczenie maszynowe w Pythonie. Podstawy, perceptron, regresja

Why take this course?
🎓 Kurs Machine Learning dla początkujących
Cel kursu: Wyposażenie uczestników w teoretyczne i praktyczne umiejętności w zakresie podstawowego Machine Learning, z akcentem na budowę pojedynczego perceptronu oraz algorytmy regresji liniowej.
Zawartość kursu:
-
Wprowadzenie do Machine Learning:
- Co to jest Machine Learning?
- Przykłady zastosowania ML w różnych dziedzinach.
-
Podstawy programowania w Pythonie:
- Znajomość biblioteki NumPy, której znamy "siostrzenice" – pandas, matplotlib itp.
-
Dane i ich przygotowanie:
- Przygotowywanie danych do uczenia maszynowego.
- Scalowanie danych (normalizacja/standardizacja).
- Dzielenie zbiorów danych na uczące i testowe.
-
Perceptron jednokładkowy:
- Intuicja perceptronu.
- Implementacja prostego perceptronu w Pythonie.
- Zastosowanie perceptronu do rozwiązywania problemów zagnaczania klas.
-
Regresja liniowa:
- Różne odmiany regresji liniowej: Adaline, RANSAC, Lasso, Ridge, Elastic Net.
- Implementacja algorytmów regresji w Pythonie (Scikit-Learn).
- Współczynnikery regularności (L1 i L2).
-
Optymalizacja:
- Metody gradientu spowodzanego.
- Optimization algorytmy – jak optymalizować wagi neuronów.
-
Zadania praktyczne:
- Własne zastosowanie algorytmów ML do różnych zadań.
- Analiza i interpretacja wyników.
-
Zaawansowane zadania:
- Tworzenie modeli ML od zera.
- Przeprowadzanie eksperymentów ML i interpretacja wyników.
-
Analiza przypadków:
- Rozwiązanie realnych problemów z wykorzystaniem ML.
Cel uczestnika kursu: Po zakończeniu kursu uczestnicy będą w stanie:
- Zrozumieć podstawy machine learning i sztucznej inteligencji.
- Samodzielnie implementować algorytmy perceptronu jednokładkowego i różnych odmian regresji liniowej.
- Przygotować dane do analizy w kontekście ML.
- Stosować optymalizacje w procesie uczenia maszynowego.
- Zastanawiać się krytycznie nad wybranymi modelami i ich zastosowaniem w różnych kontekstach.
Jak rozpocząć?
- Upewnij się, że masz zainstalowany Python oraz niezbędne biblioteki (NumPy, pandas, matplotlib).
- Zarejestruj się na kurs i zacznij od lekcji próbnych, aby ocenić swoje zapoznanie z tematem i przygotować się do nauki.
- Przełącz się do pełnej wersji kursu i zaczynaj od podstaw, budując wiedzę stopniowo.
- Wykorzystaj dostęp do forum lub wspólnoty, aby zadawać pytania i dzielić się wiedzą z innymi uczestnikami.
- Zaproponuj swoje własne projekty lub analizy w ramach ćwiczeń praktycznych, aby w pełni zrozumieć materiał naukowy.
Podsumowanie: Ten kurs to idealna płyta wyjścia do świata Machine Learning i sztucznej inteligencji. Jest zaprojektowany tak, aby dostarczać solidnych podstaw teoretycznych oraz praktyczne umiejętności w implementacji algorytmów ML. Czytasz gotowy do zacząć? Do zobaczenia na kursie! 🚀
Course Gallery




Loading charts...