
Data Science i Maszynowe uczenie dla menadżerów
Szkolenia otwarte
2 990 PLN
Szkolenia zamknięte
Cena ustalana indywidualnie
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?
- 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
Plan szkolenia
- Wprowadzenie czyli myślenie w kategoriach Data Science
- Czym jest Data science i machine learning
- Interdyscyplinarność i Big data
- Koncepcje i stosowane pojęica
- Narzędzia data science i maszynowego uczenia
- 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
- Zarządzanie projektem data science
- 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
- Przegląd algorytmów maszynowego uczenia
- 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
- Przygotowanie danych
- Modelowanie predykcyjne – algorytmy i wyzwania
- Regresja liniowa i nieliniowa
- Drzewa regresji
- Sieci neuronowe
- Algorytmy klasyfikacyjne
- Regresja logistyczna
- KNN
- Drzewa decyzyjne
- SVM
- Sieci neuronowe
- Naive Bayes
- Ensemble learning – xgboost
- Uczenie bez nadzoru
- Klastrowanie, kmeans i inne metody
- Analiza asocjacji – algorytm apriori
- Redukcja wymiaru
- Deep Learning
- Nowy dział czy tylko pojęcie
- Możliwości i wyzwania wykorzystania deep learning w biznesie
- Aktualne zastosowania i możliwości
- Algorytmy deep learning
- Problemy biznesowe jakie rozwiązujemy za pomocą maszynowego uczenia
- Prognozowanie churn za pomocą algorytmów klasyfikacyjnych
- Prognozowanie sprzedaży za pomocą algorytmów analizy szeregów czasowych
- Segmentacja klientów
- Wykrywanie anomalii