AKCE! CELOŽIVOTNÍ předplatné se slevou 50%, nezmeškej to!
Zjisti více

Business Analytik pro Data Science II.

8h 11min
Čas
80
Kapitol
Programování
Kategorie
5.0
Hodnocení
Mírně pokročilý
Level
slovenský
Jazyk kurzu

Popis kurzu Business Analytik pro Data Science 2 (machine learning)

Jste připraveni prohloubit své znalosti o Data Science? V tomto kurzu se naučíte vytvářet atributy pro machine learningové modely, pochopíte principy strojového učení, poznáte různé rodiny modelů a naučíte se je správně používat. Také pochopíte jak vyhodnotit kvalitu prediktivních modelů a jak vypadá proces nasazení modelu do reálného světa, ve kterém může být využíván a přinášet skutečnou hodnotu.

Upozornění: V tomto kurzu se NEbudeme učit „hands-on“ Data Science. Tento kurz je pro Vás tedy vhodný i když nemáte v budoucnu plány programovat v Pythonu nebo SQL-ku. Pokud takové plány máte, tak Vás kurz naučí mnoho velmi potřebných konceptů, které v budoucnosti jistě i prakticky implementujete. Tento kurz je přirozeným pokračováním kurzu Business Analytik pro Data Science 1 (definování projektu).

Co se v kurzu Business Analytik pro Data Science 2 naučíte?


Projděme si jednotlivými kapitolami, které na Vás v kurzu Business Analytik pro Data Science II. čekají:

Inference a prediktivní modelování

Když už máme pojetí o našich datech, využití machine learningu a prediktivního modelování může být hodnotné. V této části kurzu si uvedeme základní principy prediktivního modelování. Například řekneme si proč je důležité nechat si část našich historických dat „bokem“ a neučit se z nich (takzvaný holdout set). Existují také různé filozofie využití prediktivních modelů – můžeme se například snažit o vytvoření jednoduchého modelu nebo modelu, který bude mít velmi vysokou přesnost. Existuje mnoho různých „rodin“ modelů strojního učení, které můžeme použít, a proto si je představíme (PS: tohle je opravdu zábavná část kurzu :) ). Představíme si lineární modely, rozhodovací stromy, náhodné lesy a dokonce i neuronové sítě! Všechny tyto znalosti použijeme v následující části kurzu.

Klasifikační a regresní problémy

Je čas jít do hloubky strojového učení a prediktivního modelování. Zaměříme se na dva základní problémy, se kterými se při supervised learningu můžeme setkat. Těmi jsou klasifikační a regresní problém. Pro vyřešení klasifikačního problému vybudujeme rozhodovací strom a pro vyřešení regresního problému zase lineární regresi. V obou případech se podíváme do srdce těchto machine learningových modelů, kde se nachází takzvaná „cost function“. No a nakonec se musíme zamyslet, jak vyhodnotit přesnost a úspěšnost těchto modelů. Povíme si tedy, například, o nástrojích jako „confusion matrix“ nebo „residual analysis“.

Uvedení modelu „do produkce“

Během kurzu jsme již vytvořili různé modely Data Science – od vizualizací až po modely strojového učení. Pokud je však necháme takříkajíc „na papíře“, tak z nich samozřejmě žádný užitek nebude. Potřebujeme je využívat v praxi a dát je do produkce. Tento poslední krok však není zcela přímočarý. Náš model potřebujeme chápat jako experiment a počítat například s tím, že se různé věci mohou pokazit. Nemusíte se však bát, o všem podstatném si povíme v poslední části kurzu!

Co po kurzu Business Analytik pro Data Science II. dokážete a co si odnesete?

  • Znalost o základních principech prediktivního modelování – například, co je to holdout set nebo jaký je rozdíl mezi „statistical learning“ a „machine learning“.
  • Vědomost o srdci každého prediktivního modelu - "cost function" a jak ji model využívá při učení se z dat.
  • Základní znalost o lineárních modelech, neuronových sítích, rozhodovacích stromech, distance-based modelech, ensemble modelech, algoritmech pro detekci anomálií a redukci dimenzionality.
  • Schopnost vyhodnotit kvalitu klasifikačního a regresního modelu.
  • Základní znalost o procesu nasazování machine learning modelu do reálného světa.

Má kurz Business Analytika pro Data Science II. vstupní požadavky?

Základní znalost principů Data Science. Můžete ji získat například pomocí našeho kurzu Poznej Data Science a Business Analytik pro Data Science 1 (definování projektu). Pokud jste tyto kurzy neabsolvovali tak je důležité, abyste:
  • zvládali středoškolskou matematiku,
  • věděli základní informace o tom, co je data science, machine learning, databáze nebo statistika,
  • věděli o základních statistických nástrojích jako počítání průměru nebo směrodatné odchylky.

Žádné technické znalosti (jako například programování v Pythonu) nejsou potřebné.

Co vše v kurzu Business Analytik pro Data Science II. dostanete?

  • videotutoriály o Business Analytik pro Data Science 2 (machine learning),
  • moderované diskusní fórum, ve kterém na vaše dotazy odpovídá lektor Róbert Barcík,
  • certifikát o absolvování online kurzu Business Analytik pro Data Science 2 (machine learning),
  • garance vrácení peněz do 14 dnů v případě nespokojenosti s kurzem.

Seznam kapitol

Vitajte v kurze
O tomto kurze
Dostupné pouze po zakoupení přístupu
Vytváranie a vyberanie atribútov
Čo je vytváranie atribútov?
Dostupné pouze po zakoupení přístupu
Prehľad typov atribútov
Dostupné pouze po zakoupení přístupu
Vytváranie numerických atribútov 1
Dostupné pouze po zakoupení přístupu
Vytváranie numerických atribútov 2
Dostupné pouze po zakoupení přístupu
Vytváranie kategorických atribútov
Dostupné pouze po zakoupení přístupu
Atribúty času a dátumu
Dostupné pouze po zakoupení přístupu
Vytváranie atribútov pomocou agregácie
Dostupné pouze po zakoupení přístupu
Chýbajúce hodnoty
Dostupné pouze po zakoupení přístupu
Preferujte pozorované a odvodené atribúty
Dostupné pouze po zakoupení přístupu
Využívajte špecifické atribúty
Dostupné pouze po zakoupení přístupu
Etika a férovosť pri vytváraní atribútov
Dostupné pouze po zakoupení přístupu
Čo je výber atribútov
Dostupné pouze po zakoupení přístupu
Hra vyberania atribútov
Dostupné pouze po zakoupení přístupu
Metódy výberu atribútov (prehľad)
Dostupné pouze po zakoupení přístupu
Vytváranie atribútov z textu
Dostupné pouze po zakoupení přístupu
Vytváranie atribútov z obrázkov
Dostupné pouze po zakoupení přístupu
Základné princípy strojového učenia
Vitajte v kapitole!
Dostupné pouze po zakoupení přístupu
Supervised Learning (príklady)
Dostupné pouze po zakoupení přístupu
Unsupervised Learning (príklady)
Dostupné pouze po zakoupení přístupu
Reinforcement Learning (príklady)
Dostupné pouze po zakoupení přístupu
Formulácia problému
Dostupné pouze po zakoupení přístupu
Funkcia prírody
Dostupné pouze po zakoupení přístupu
Nákladová funkcia
Dostupné pouze po zakoupení přístupu
Tréningové, zadržané a produkčné dáta
Dostupné pouze po zakoupení přístupu
Vytvorenie zadržaných dát nemusí byť priamočiare
Dostupné pouze po zakoupení přístupu
Pretrénovaný a nedotrénovaný model
Dostupné pouze po zakoupení přístupu
Rodiny modelov strojového učenia
Vitajte v kapitole!
Dostupné pouze po zakoupení přístupu
Modely založené na vzdialenosti (distance-based)
Dostupné pouze po zakoupení přístupu
Lineárne modely
Dostupné pouze po zakoupení přístupu
Neurónové siete
Dostupné pouze po zakoupení přístupu
Rozhodovací strom (decision tree)
Dostupné pouze po zakoupení přístupu
Ansámblové modely (Ensemble models)
Dostupné pouze po zakoupení přístupu
Rozhodnutie o rodine modelu
Dostupné pouze po zakoupení přístupu
Dve kultúry
Dostupné pouze po zakoupení přístupu
Regresia a jej vyhodnotenie
Vitajte v kapitole!
Dostupné pouze po zakoupení přístupu
Regresný problém
Dostupné pouze po zakoupení přístupu
Nákladová funkcia regresie
Dostupné pouze po zakoupení přístupu
Prvotný (baseline) regresný model
Dostupné pouze po zakoupení přístupu
Trénovanie modelu lineárnej regresie
Dostupné pouze po zakoupení přístupu
Predikovanie pomocou regresného modelu
Dostupné pouze po zakoupení přístupu
Porovnanie s prvotným modelom
Dostupné pouze po zakoupení přístupu
Vyhodnotenie regresného modelu
Dostupné pouze po zakoupení přístupu
Interpolácia a extrapolácia
Dostupné pouze po zakoupení přístupu
Klasifikácia a jej vyhodnotenie
Vitajte v kapitole!
Dostupné pouze po zakoupení přístupu
Klasifikačný problém
Dostupné pouze po zakoupení přístupu
Nákladová funkcia klasifikačného modelu
Dostupné pouze po zakoupení přístupu
Prvotný (baseline) klasifikačný model
Dostupné pouze po zakoupení přístupu
Trénovanie rozhodovacieho stromu
Dostupné pouze po zakoupení přístupu
Pretrénovaný a nedotrénovaný strom
Dostupné pouze po zakoupení přístupu
Predpovedanie natrénovaným stromom
Dostupné pouze po zakoupení přístupu
Matica zmien (confusion matrix)
Dostupné pouze po zakoupení přístupu
Celková správnosť / Presnosť (accuracy)
Dostupné pouze po zakoupení přístupu
Špecifita (precision) a senzitivita (recall)
Dostupné pouze po zakoupení přístupu
Nevybalansované dáta
Dostupné pouze po zakoupení přístupu
Učenie bez učiteľa
Vitajte v kapitole!
Dostupné pouze po zakoupení přístupu
Zhlukovanie - segmentácia zákazníkov
Dostupné pouze po zakoupení přístupu
Zhlukovanie - odporúčacie systémy
Dostupné pouze po zakoupení přístupu
Zhlukovanie - učenie poloriadené učiteľom
Dostupné pouze po zakoupení přístupu
Redukcia dimenzionality - vizualizácia
Dostupné pouze po zakoupení přístupu
Redukcia dimenzionality - príprava údajov
Dostupné pouze po zakoupení přístupu
Redukcia dimenzionality - separácia signálu
Dostupné pouze po zakoupení přístupu
Detekcia anomálií - odľahlé hodnoty
Dostupné pouze po zakoupení přístupu
Detekcia anomálií - chybné výrobky
Dostupné pouze po zakoupení přístupu
Detekcia anomálií - podvody
Dostupné pouze po zakoupení přístupu
Data Science modely v produkcii
Vitajte v kapitole!
Dostupné pouze po zakoupení přístupu
Môj model je vlastne experiment...
Dostupné pouze po zakoupení přístupu
Vytvorte si metriky
Dostupné pouze po zakoupení přístupu
Definujte AB testing
Dostupné pouze po zakoupení přístupu
Definujte experiment
Dostupné pouze po zakoupení přístupu
Zhrnutie experimentu
Dostupné pouze po zakoupení přístupu
Validácia dát
Dostupné pouze po zakoupení přístupu
Prepracovanie pre produkčné prostredie
Dostupné pouze po zakoupení přístupu
Vyčistenie pre produkčné prostredie
Dostupné pouze po zakoupení přístupu
Slučky spätnej väzby
Dostupné pouze po zakoupení přístupu
Nedeklarovaní spotrebitelia
Dostupné pouze po zakoupení přístupu
Stabilizácia zdrojov dát
Dostupné pouze po zakoupení přístupu
Čo ďalej?
Diskusia a hodnotenie
Dostupné pouze po zakoupení přístupu
Gratulujem! Čo ďalej?
Dostupné pouze po zakoupení přístupu

Hodnocení kurzu

Business Analytik pro Data Science II.

V kurze je system. Jednotlive priklady su jednoduchou a putavou formou vysvetlene. Robert Barcik ma nadania na prijemne vystupovanie.

Dusan D.

Podívej se i na tyto kurzy

Celoživotní předplatné -50% teď 599€
9 Online kurzů
1 Příspěvků
Přejít na kanál

Akce!

Získej CELOŽIVOTNÍ přístup do největší nabídky online kurzů, nyní za polovinu a zůstaň na špici svého oboru!