Data SciencePythonR

Data Science i Maszynowe uczenie dla menadżerów

29 - 31 lip 2024

Online

3 350,00 zł netto / osobę
Nie pasuje Ci żaden termin? Napisz do nas!
Zapisz więcej osób

Taniej w grupie

  • 3 osoby - 10% zniżki
  • 4 osoby - 15% zniżki
  • 5 osób - 20% zniżki
  • 6 osób - 25% zniżki
  • 7 osób - 30% zniżki
  • O szkoleniu

    Celem szkolenia jest przybliżenie kadrze menadżerskiej dziedziny Data Science i maszynowego uczenia. Prezentowany na szkoleniu materiał obejmuje nietechniczne wprowadzenie do tematyki. Główny nacisk położony został na przedstawienie procesu analitycznego w formie i zakresie pozwalającej na zrozumienie metod i możliwości ich wykorzystania do rozwiązywania problemów biznesowych. Szkolenie zaczyna się od wprowadzenia do terminologii, przeglądu narzędzi i problemów jakie rozwiązujemy z wykorzystaniem tych metod. Następnie omawiamy proces Data science w biznesie, poszczególne elementy z naciskiem na problemy i wyzwania jakie towarzyszą każdemu z jego składowych. W trzeciej części skupiamy się problemach jakie rozwiązujemy za pomocą maszynowego uczenia i przedstawiamy algorytmy maszynowego uczenia jakie  są wykorzystywane do ich rozwiązania. Ostatnia cześć szkolenia obejmuje warsztat w ramach którego przybliżamy uczestnikom praktyczne elementy maszynowego uczenia i studiujemy wybrane przypadki i ich rozwiązania. Wspólnie z uczestnikami analizujemy rozwiązania w środowisku R i przechodzimy przez kolejne elementy procesu analizując wyniki.

    Dla kogo jest to szkolenie?

    Szkolenie jest odpowiednie dla osób ze szczebla menadżerskiego, które pragną poznać oraz lepiej zrozumieć proces data science, metody, narzędzia czy technologie dostępne w analityce danych.

    Czego się nauczę?

    Po ukończeniu szkolenia:

    • Usystematyzujesz swoją wiedzę z obszaru data science,
    • Poznasz metody i narzędzia wykorzystywane w maszynowym uczeniu
    • Dowiesz się jakie korzyści przynoszą nowe metody i jak można je wykorzystać przy podejmowaniu decyzji
    • Dowiesz się jak zarządzać procesem analitycznym w organizacji
    • Poznasz algorytmy ML i dowiesz się do jakich problemów można je wykorzystać
    • Dowiesz się czym jest Deep Learning i jakie problemy możemy za jego pomocą rozwiązać
    • Z pomocą case study zobaczysz jak wygląda cały proces analityczny i jak wygląda workflow
    • Czym jest Data science i machine learning
    • Interdyscyplinarność i Big data
    • Koncepcje i stosowane pojęica
    • Narzędzia z perspektywy menadżera
    • Narzędzia programistyczne wykorzystywane w zespołach data science
    • Technologie które są dostępne i ich łączenie jako element sukcesu projektu
    • Data Science i Big data
    • Rozkładamy projekt data science na części pierwsze
    • CRISP-DM & SEMMA
    • Analiza projektu pod kątem biznesowym
    • Zbieranie danych – narzędzia, pipelines
    • Przygotowanie danych
    • Budowa modelu i analiza wyników
    • Analiza możliwych problemów
    • Wizualizacja i efektywna prezentacja wyników
    • Dobór algorytmu do problemu
    • Uczenie z nadzorem i bez nadzoru
    • Zbiory uczące i treningowe
    • Testowanie algorytmów i walidacja wyników
    • Przeuczenie i Bias-Variance kompromis
    • Mierzenie jakości modeli
    • Regresja liniowa i nieliniowa
    • Drzewa regresji
    • Sieci neuronowe
    • Regresja logistyczna
    • KNN
    • Drzewa decyzyjne
    • SVM
    • Sieci neuronowe
    • Naive Bayes
    • Ensemble learning – xgboost
    • Klastrowanie, kmeans i inne metody
    • Analiza asocjacji – algorytm apriori
    • Redukcja wymiaru
    • Nowy dział czy tylko pojęcie
    • Możliwości i wyzwania wykorzystania deep learning w biznesie
    • Aktualne zastosowania i możliwości
    • Algorytmy deep learning
    • Prognozowanie churn za pomocą algorytmów klasyfikacyjnych
    • Prognozowanie sprzedaży za pomocą algorytmów analizy szeregów czasowych
    • Segmentacja klientów
    • Wykrywanie anomalii