Szkolenie Podstawy uczenia maszynowego w R
Praktyczne informacje o szkoleniu
- KATEGORIA: Technologie
- PODKATEGORIA: AI
- KOD SZKOLENIA: IT-AI-22
- CZAS TRWANIA: 2 dni
- INFORMACJA CENOWA od: 2450 zł netto
- JĘZYK SZKOLENIA: polski
- FORMA REALIZACJI: stacjonarna, online
Opis szkolenia
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
- Podstawy uczenia maszynowego
- Typy uczenia maszynowego
- Przygotowanie danych
- Podział danych
- Walidacja krzyżowa
- Uczenie nadzorowane
- Regresja liniowa i logistyczna
- Drzewa decyzyjne
- Naiwny klasyfikator Bayesa
- Maszyny wektorów nośnych
- Uczenie nienadzorowane
- Analiza skupień
- Redukcja wymiarowości
- Analiza głównych składowych
- Reguły asocjacyjne
- 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
Masz pytania?
Zapraszamy do kontaktu
Patrycja Petkowska
+48 735 257 272
patrycja.petkowska@eitt.pl
ul. Ząbkowska 31 03-736 Warszawa
Formy realizacji szkolenia
Szkolenie stacjonarne
- Szkolenie w siedzibie klienta lub wskazanej lokalizacji
- Sala szkoleniowa wyposażona w niezbędny sprzęt
- Materiały szkoleniowe w formie elektronicznej
- Przerwy kawowe i lunch
- Bezpośrednia interakcja z trenerem
- Networking w grupie
- Ćwiczenia warsztatowe w zespołach
Szkolenie zdalne
- Wirtualne środowisko szkoleniowe
- Materiały w formie elektronicznej
- Interaktywne ćwiczenia online
- Breakout rooms do pracy w grupach
- Wsparcie techniczne podczas szkolenia
- Nagrania sesji (opcjonalnie)
Możliwość dofinansowania
Szkolenie może zostać sfinansowane ze środków publicznych w ramach:
- Krajowego Funduszu Szkoleniowego (KFS)
- Bazy Usług Rozwojowych (BUR)
- Projektów unijnych realizowanych przez PARP
- Programu Akademia HR (PARP)
- Regionalnych programów operacyjnych
W przypadku zainteresowania dofinansowaniem, nasz zespół pomoże w przygotowaniu wymaganej dokumentacji.
MASZ PYTANIA?
Skontaktuj się z nami, aby uzyskać więcej informacji o naszych szkoleniach, programach oraz współpracy. Chętnie odpowiemy na wszystkie Twoje zapytania!
Zaufali nam
Poznaj naszą firmę

Masz pytania?
Zapraszamy do kontaktu
Patrycja Petkowska
+48 735 257 272
patrycja.petkowska@eitt.pl
ul. Ząbkowska 31 03-736 Warszawa
FAQ — Często zadawana pytania
- Zaproszenie w formie one-pager’a z terminami
- Kick-off projektu
- Strategiczne przywództwo i myślenie
- Komunikacja i współpraca. Zarządzanie konfliktem
- Motywowanie, angażowanie i trudne decyzje w biznesie
- Zarządzanie zmianą i innowacjami. Przywództwo w kryzysie
- Budowa organizacji przyszłości
- Warsztat dobrych praktyk – retrospektywa; stworzenie spójnego programu dla średniego i niższego szczebla zarządzania























