Uczenie maszynowe (machine learning) w R od podstaw (2-dniowe warsztaty online)

Warsztat dla osób, które rozpoczynają swoją przygodę ze sztuczną inteligencją (AI). Zostaną Państwo wprowadzeni w nowoczesne techniki uczenia maszynowego od podstaw. Uczenie maszynowe wykorzystywane jest obecnie w wielu firmach z różnych sektorów gospodarki, a liczba zastosowań oraz popyt na usługi z nim związane wciąż rośnie. Ten innowacyjny obszar ma zastosowanie w bardzo wielu dziedzinach: biznesie, nauce, marketingu, informatyce. Na co dzień możemy zaobserwować wiele przykładów działania uczenia maszynowego: autokorekta w klawiaturze, filtrowanie spamu, analiza sekwencji genów, przewidywanie sprzedaży, badania rynkowe, grupowanie klientów sklepów, wirtualny asystent na stronach internetowych. Szkolenie ma swoją kontynuację w kursie dotyczącym uczenia głębokiego w R i ma charakter prowadzonego na żywo warsztatu ze sprawdzaniem postępów uczestników i możliwością zadawania pytań. Uczestnicy po zakończeniu warsztatu otrzymają pocztą elektroniczną certyfikat potwierdzający ukończenie kursu.

Terminy: 7 i 8 maja 2024, 10:00-15:00 (2-dniowe warsztaty online)

Liczba godzin: 10 (5 godzin każdego dnia z przerwą kawową).

Lokalizacja: warsztaty zdalne.

Grupa: maksymalnie 10 osób.

Wykładowca: prof. UAM dr hab. Tomasz Górecki.

Cena: 1699 zł netto (2089,77 zł brutto). Pracownikom finansowanym przez instytucje naukowe (lub inne jednostki finansowane ze środków publicznych) przysługuje zwolnienie z VAT.

Zagadnienia:

  • Wprowadzenie do biblioteki tidyverse – przygotowanie danych
  • Wprowadzenie do biblioteki ggplot2 – wizualizacja danych
  • Imputacja danych
  • Wykrywanie obserwacji odstających
  • Kodowanie danych jakościowych
  • Regresja liniowa i wielokrotna
  • Współliniowość zmiennych, regresja nieliniowa i logistyczna
  • Redukcja wymiaru danych: metoda PCA i jądrowa PCA, metody t-SNE oraz UMAP, skalowanie wielowymiarowe, analiza korespondencji
  • Analiza skupień: metody hierarchiczne i niehierarchiczne (metoda k-średnich, PAM), metoda DBSCAN
  • Klasyfikacja: metoda najbliższych sąsiadów, SVM, sieci neuronowe, drzewa decyzyjne, lasy losowe

.

Prof. UAM dr hab. Tomasz Górecki

Profesor uczelni w Zakładzie Statystyki Matematycznej i Analizy Danych na Wydziale Matematyki i Informatyki Uniwersytetu im. Adama Mickiewicza w Poznaniu, prodziekan ds. grantów i współpracy z gospodarką na Wydziale Matematyki i Informatyki UAM. Naukowo zajmuje się analizą szeregów czasowych, analizą danych funkcjonalnych oraz sztuczną inteligencją. Zajmuje się również zastosowaniami metod statystycznych i uczenia maszynowego w praktycznych zagadnieniach. Od ponad dwudziestu lat prowadzi zajęcia związane z rachunkiem prawdopodobieństwa, statystyką, uczeniem maszynowym i sztuczną inteligencją. Współpracuje z wieloma firmami na polu uczenia maszynowego i sztucznej inteligencji (Lidl, OLX, PWN, Samsung, Smartstock). Od wielu lat posługuje się językami Python oraz R, jest m.in. współautorem pakietów w R oraz autorem książki “Podstawy statystyki z przykładami w R”. Współpracuje m.in. z pracownikami Colorado State University, University of Utah, Politechniki Poznańskiej, Uniwersytetu Ekonomicznego w Poznaniu oraz Uniwersytetu Przyrodniczego w Poznaniu.

 

Data

07-05-2024 do
08-05-2024
 

Udostępnij wydarzenie

10% zniżki!
Zapisz się do naszego newslettera i otrzymaj 10% zniżki na pierwszy zakup jednego z naszych dwudniowych warsztatów, bieżące informacje dotyczące naszych produktów i usług oraz nowości ze świata bioinformatyki!