Organizator

Partnerzy

Jak przebiega ten kurs?

Kurs obejmuje:

16 godzin zajęć w ciągu dwóch dni.

Zajęcia podzielone są na bloki tematyczne. Każdy blok rozpoczyna się wykładem wprowadzającym, następnie pracujemy razem z kodem źródłowym.

Pracujemy w modelu BYOL (ang. bring your own laptop). Szczegółowe informacje – jak przygotować laptopa – zostaną wysłane do zarejestrowanych uczestników.

Dla kogo jest ten kurs?

Kurs został opracowany dla osób posiadających podstawowe umiejętności pisania programów w języku Python. Osób, które dostrzegają rosnące znaczenie danych i metod ich analizowania.

Zapraszamy wszystkich, którzy chcą poszerzyć swoją wiedzę lub rozważają rozpoczęcie kariery jako Data Scientist.

Co musisz wiedzieć?

• Umiejętność pisania i uruchamiania prostych programów w języku Python.
• Posługiwanie się linią komend (ang. command line) w stopniu podstawowym.
• Znać język angielski w stopniu podstawowym (szkolenie będzie w języku polskim, jednak część informacji w materiałach będzie po angielsku).

Czego się nauczysz?

• Poznasz podstawowe narzędzia do Data Science.
• Nauczysz się analizować i wizualizować dane w języku Python.
• Zdobędziesz wiedzę na temat sieci neuronowych i innych metod uczenia maszynowego.
• Zastosujesz głębokie uczenie do rozwiązania problemu rozpoznawania pisma odręcznego.
• Nauczysz się przygotowywać wynik bazowy (ang. baseline result) w oparciu o XGBoost.
• Zrozumiesz zasady przetwarzania języka naturalnego i zastosujesz je na ciekawym przykładzie.

1. Python – przetwarzanie i wizualizacja danych
   • Jupyter – dokumentacja i wizualizacja
   • NumPy – podstawowe obliczenia macierzowe
   • Pandas – podstawy przetwarzania danych tabelarycznych
   • Ćwiczenie: Matplotlib – wizualizacja danych
   • Ćwiczenie: Praca z różnymi źródłami danych – SQL, CSV, XML, JSON, TOML
   • Ćwiczenie: Web scraping – wydobywanie treści ze stron internetowych
2. Statystyka
   • Podstawowe pojęcia rachunku prawdopodobieństwa i statystyki
   • Mini warsztat: regresja liniowa i klasyfikacja
   • Mini warsztat: analiza szeregów czasowych – badanie sezonowości i trendu

3. Uczenie maszynowe
   • Podstawowe pojęcia uczenia maszynowego, przegląd metod uczenia maszynowego, uczenie nadzorowane vs. nienadzorowane, metryki
   • Praca z danymi – ETL, data profiling, inżynieria cech, badanie istotności cech
   • Mini warsztat: przygotowywanie wyniku bazowego za pomocą XGBoost
4. Sieci neuronowe i deep learning
   • Zasada działania sieci neuronowych, rodzaje sieci, sposób uczenia
   • Mini warsztat: Klasyfikacja za pomocą sieci neuronowej
   • Mini warsztat: rozpoznawanie pisma odręcznego (MNIST) za pomocą głębokiego uczenia
5. Przetwarzanie języka naturalnego (NLP)
   • Podstawy NLP, reprezentacja danych, Word embeddings
   • Mini warsztat: budowa modelu językowego „mowy nienawiści”

Arkadiusz Kwasigroch

Doktorant realizujący swoje badania na Politechnice Gdańskiej. W swojej pracy badawczej skupia się na automatycznym doborze struktury sieci neuronowych. Dodatkowo zajmuje się wykorzystaniem głębokich sieci neuronowych do wykrywania nowotworowych znamion skórnych ze zdjęć dermatoskopowych. Autor kilku publikacji naukowych.

Piotr Chlebek

Architekt systemów R&D w SharkTime Software. Posiada 20+ lat doświadczenia w wytwarzaniu innowacyjnego oprogramowania. Praktyk i ewangelista uczenia maszynowego. W 2009 wydał edukacyjny program o sieciach neuronowych. Ekspert Narodowego Centrum Badań i Rozwoju. Ma przyznane 3 patenty.