Podstawy uczenia maszynowego w R

Opis

Szkolenie wprowadza uczestników w świat uczenia maszynowego, wykorzystując język R jako narzędzie implementacji algorytmów. Program łączy solidne podstawy teoretyczne z praktycznymi warsztatami, podczas których uczestnicy uczą się stosować różne techniki uczenia maszynowego do rozwiązywania rzeczywistych problemów. Szczególną uwagę poświęca się doborowi odpowiednich algorytmów oraz ocenie ich skuteczności.

Profil uczestnika

• Analitycy danych rozpoczynający pracę z ML
• Programiści R zainteresowani uczeniem maszynowym
• Naukowcy pracujący z danymi
• Specjaliści ds. data science
• Inżynierowie oprogramowania
• Analitycy biznesowi
• Badacze akademiccy
• Studenci kierunków technicznych

Agenda

1. Podstawy uczenia maszynowego
• Typy uczenia maszynowego
• Przygotowanie danych
• Podział danych
• Walidacja krzyżowa
2. Uczenie nadzorowane
• Regresja liniowa i logistyczna
• Drzewa decyzyjne
• Naiwny klasyfikator Bayesa
• Maszyny wektorów nośnych
3. Uczenie nienadzorowane
• Analiza skupień
• Redukcja wymiarowości
• Analiza głównych składowych
• Reguły asocjacyjne
4. Praktyczna implementacja
• Dobór modeli
• Strojenie hiperparametrów
• Ewaluacja modeli
• Wdrażanie rozwiązań

Korzyści

Uczestnik zdobędzie umiejętność implementacji podstawowych algorytmów uczenia maszynowego w języku R. Nauczy się przygotowywać dane do modelowania i wybierać odpowiednie metody preprocessingu. Rozwinie zdolność doboru i oceny modeli uczenia maszynowego. Pozna techniki walidacji i optymalizacji modeli. Będzie potrafił interpretować wyniki i oceniać skuteczność modeli. Opanuje podstawy praktycznego stosowania uczenia maszynowego w projektach analitycznych.

Wymagane przygotowanie uczestników

• Podstawowa znajomość języka R
• Znajomość statystyki opisowej
• Podstawy algebry liniowej
• Umiejętność logicznego myślenia

Zagadnienia

• Uczenie maszynowe
• Preprocessing danych
• Algorytmy klasyfikacji
• Algorytmy regresji
• Uczenie nienadzorowane
• Walidacja modeli
• Strojenie parametrów
• Ocena wydajności
• Implementacja w R
• Wizualizacja wyników
• Interpretacja modeli
• Najlepsze praktyki ML

Poznaj naszą firmę