Praktyczne uczenie maszynowe
dla programistów 2.0*


*
Dla osób, które znają język Python (jeden z najłatwiejszych języków dla początkujących)
Uczenie poprzez przykłady, bez skomplikowanych i zawiłych (matematycznych) detali
Naucz się, jak zaimplementować rozwiązanie end-to-end

Start kursu: 26 lutego 2018 roku
Dni
Godzin
Minut
Sekund
Dlaczego?
AI is the new electricity!
Just as electricity transformed almost everything 100 years ago, today I actually have a hard time thinking of an industry that I don't think AI will transform in the next several years.
Andrew Ng, AI Expert
Sztuczna inteligencja rozkręca się.

Firmy zainwestowały od 26 do 39 mld dolarów
w sztuczną inteligencję w 2016 roku.

McKinsey

O warsztacie

Warsztat jest prostym i pragmatycznym sposobem zdobycia lub ulepszenia swoich praktycznych umiejętności w uczeniu maszynowym i tematach pokrewnych
8 modułów
Logicznie powiązane ze sobą moduły. Jeden moduł na tydzień.
64+ godziny
Spędzisz na zdobywaniu doświadczenia (z dużym naciskiem na praktykę).
+8 ekstra godzin
Tyle dodatkowo spędzimy na webinarach, omawiając prace domowe i inne tematy.
56 dni
Tyle potrwa kurs fizycznie i skończymy w okolicy Wielkanocy.

Jakie problemy rozwiążemy?

1
Początki zawsze są trudne
Czy czujesz się zgubiony, nie wiesz jak zacząć używać uczenia maszynowego w praktyce? Jest za dużo informacji, ale nie wiesz od czego zacząć? Pomogę Ci znaleźć odpowiednią informację, którą potrafisz zrozumieć w krótkim czasie.
2
Brak praktyki
Czytałeś sporo książek czy innych materiałów, ale nadal to jest za mało, żeby być specjalistą od uczenia maszynowego. Potrzebujesz bardziej praktycznej wiedzy zbudowanej na realnych przykładach i mniej teorii. Pomogę Ci w tym.
3
Zbyt skomplikowane
Zwykle uczenie maszynowe jest tłumaczone używając języka akademickiego, który jest dość skomplikowany, szczególnie dla programistów. Czasem czujesz, że potrzebujesz doktoratu z matematyki, żeby zacząć rozumieć pewne algorytmy. Pokażę Ci, że to nie jest konieczne.
4
Brak czasu
Marzysz o tym, żeby stać się specjalistą od uczenia maszynowego, ale masz rodzinę i dużo obowiązków. Brakuje Ci czasu na znalezienie najbardziej wartościowej wiedzy w tłoku informacji. Pomogę Ci znaleźć w tym balans.
5
Brak środowiska
Chcesz wypróbować któryś algorytm czy bibliotekę, ale konfiguracja środowiska jest zbyt skomplikowana (zwłaszcza na Windowsie)? Dodatkowo masz stary laptop? Przygotowałem dla Ciebie gotowe środowisko do działania.
6
Brak intuicji
Nie rozumiesz zadań, modeli, metryk i parametrów na poziomie intuicyjnym. Chcesz lepiej "wyczuwać", który algorytm pasuje do konkretnego problemu. Wyjaśnię Ci to w prosty sposób.
7
Brak wiedzy o narzędziach
Istnieją dziesiątki czy nawet setki różnych narzędzi czy platform. Nie wiesz, które wybrać dla danego problemu i zrozumieć dlaczego akurat ten jest lepszy. Podzielę się z Tobą swoim doświadczeniem.
8
Nie pamiętasz matmy
Pewnie kojarzysz rachunek różniczkowy, trochę wiesz o całkach, ale prawie wszystko już uciekło z Twojej głowy tuż po studiach. Wolisz zobaczyć kawałek kodu, niż wzór matematyczny? Też tak mam :).
9
Brak danych
Chcesz zacząć działać z prawdziwymi problemami, a masz tylko dostęp do "zabawkowych" danych (jak Iris). Znalezienie danych jest wyzwaniem, ale mam dla Ciebie kilka ciekawostek.
10
Ostatni krok
Już wiesz, jak zrobić prototyp, ale to jest tylko część sukcesu. Wartość będzie dopiero wtedy, jak Twój model zostanie wdrożony na produkcję. Pokażę Ci kilka możliwości.
11
Otoczenie
Odpowiednie otoczenie Cię rozwija. Chcesz poznać ludzi, którzy dzielą Twoje zainteresowania? Spokojnie, poznasz ich na kursie :).
12
Zbyt teoretyczne
Uczenie maszynowe jak i sztuczna inteligencja pojawiły się w latach 50-tych ubiegłego stulecia. Nie ma nic złego z teorią, ale teoria tworzy się poprzez eksperymenty. Będziesz miał(a) sporo praktyki.
Data Scientist: The Sexiest Job of the 21st Century
Harvard Business Review
Kto?
Vladimir Alekseichenko
Twórca i Trener
Założyłem DataWorkshop w 2015 roku.

Zacząłem programować w 2006 roku, a używać uczenia maszynowego w 2013.

Jestem trenerem uczenia maszynowego (już przeprowadziłem 12 warsztatów dla ponad 320 uczestników).

Prowadzę podcast o sztucznej inteligencji w biznesie.
Pracuję jako architekt IT w General Electric.
Wygłosiłem ponad 50 prezentacji.

Jestem perfekcjonistą w sercu i pragmatykiem w umyśle.
Jestem ojcem i marzycielem, jak również podróżnikiem - dotychczas odwiedziłem 27 krajów.

Uwielbiam pomagać innym, analizować dane i stawiać czoła wszelkim wyzwaniom.
Technologie
Python
Jupyter
Keras
NumPy
Pandas
Scikit-learn
Matplotlib
XGBoost
TensorFlow
Google Cloud Platform
CatBoost
MxNet

Agenda

1
Podstawy uczenia maszynowego
Dowiesz się:
✓ cechy (features), zmiena docelowa (target variable), obiekty (objects)
✓ feature engineering, feature selection, model selection
✓ dwa klasyczne zadania: regresja i klasyfikacja


Rezultat:
Zbudujesz dwa pierwsze modele

1. klasyfikacja predykcja płci po imieniu.
2. regresja, predykcja ...


+ Bonus
2
Zanurzenie się w uczenie maszynowe
Dowiesz się:
✓ jak zorientować się w bibliotece sklearn i poradzić sobie z różnymi algorytmami, takie jak drzewa decyzyjne (decision trees), lasy losowe (random forest) i inne
✓ dlaczego jest tak ważna prawidłowa walidacja modeli, np. krzyżowa walidacja (cross-validation) czy inne
✓ dlaczego wizualizacja to Twój przyjaciół i poznasz proste wskazówki jak to robić

Rezultat
TBD

+ Bonus

3
Gradient Boosting
Dowiesz się:
✓ Co to jest Gradient Boosting
✓ Sprawdzisz na kilku najlepszych implementacji (gradient boosting) CatBoost, XGBoost, LightGBM

✓ Optymalizacja hyperparametrów w pragmatyczny sposób


Rezultat
Będziesz pracować na rzeczywistych danych banków nad zadaniem, tak zwanym credit score risk.


+ Bonus
4
Feature Engineering
Dowiesz się:
technikach tworzenia cech
✓ ... dla wartości ciągłych
✓ ... dla wartości kategorialnych
✓ ... dla dat i innych

Rezultat:
Poznasz na przykładach, jak tworzyć nowe cechy (ang. feature), bo ten proces bardziej opiera się na intyicje (i/lub sztukę) niż naukę :).

+ Bonus
5
Perceptron wielowarstwowy
Dowiesz się:
✓ Czym są sieci neuronowe (deep learning)?
✓ Co to jest warstwy (input, hidden, output) i kiedy zaczynają się sieci glębokie ;)?
✓ ... backpropagation, dropout i batch normalization?

Rezultat:
1. Napiszesz kod od zera, zbudujesz własną sieć neuronową (bez użycia żadnych wysokopoziomowych bibliotek), co umożliwia lepiej zrozumieć, jak to działa "pod spodem".
2. Używając właśnej implementacji oraz biblioteki Keras będziemy rozpoznawać ręcznie pisane liczby (zbiór MNIST).

+ Bonus
Kiedy przytrafi się poważny wypadek samochodowy, wtedy człowiek najbardziej się skupia na najważnijeszym: rodzina, przyjaciele i inni bliscy. Wszystkie papiery związane z ubezpieczniem w tej chwilę są nie do pomyślenia.

Na pomóc może przyjść uczenie maszynowe. Które będzie próbować przewidzieć wartość odszkodowania, robiąc to prawie natychmiast. Chcesz pomóc zaimplementować taki model?
6
Sieci konwolucyjne
Dowiesz się:
Co to jest...
✓ map features (kernels), max/average pooling.
✓ stride, padding.
✓ data augmentation: flipping, rotation, projection.

Rezultat:
Zbudujesz model, który będzie rozpoznawać:
1. 10 klas z bardziej zaawansowanego zbioru niż klasyczny MNIST (Fashion MNIST).
2. rozpoznwać znaki drogowe (zbiór danych German Traffic Signs), gdzie postaramy się osiągnąć poziom lepszy niż przeciętny ludzki (~98.8%).


+ Bonus
Istniejące głębokie sieci konwolucyjne (CNN) wymagają stałej wielkości (np. 224 x 224) obrazu wejściowego. To wymaganie jest "sztuczne" i może zmniejszyć dokładność rozpoznawania obrazów dowolnego rozmiaru/wielkości.

Trochę kontekstu. Przed tym jak sieci konwolucyjne staly się gorącym tematem, do przetworzania obrazów używali tak zwany "Spatial Pyramid".

Kontynując dalej, a co się stanie, jeżeli połączymy ich razem? W ten sposób uda się wyelemenować "sztuczne" ograniczenie rozmiaru obrazów? Spórbujmy to zrobić :).

7
Transfer Learning
Dowiesz się:
Co to jest...
✓ transfer learning
✓ pretrained models and explore available: LeNet, VGG, ResNet, Inception
✓ fine-tuning (kiedy i jak)


Rezultat:
Co minutę na świecie znika obszar lasu o wymiarach 48 boisk piłkarskich. Bardziej szczełowe informacje o lokalizacji wylesiania, mogą pomóc rządom i lokalnym interesariuszom szybciej i skutecznej reagować.

Twoim zadaniem będzie, na podstawie zdjęć satelitarnych, przypisać odpowiednią klasę do danego obszaru.

+ Bonus

8
Produkcja
i dobre praktyki
Dowiesz się:
✓ Na co należy zwracać szczególną uwagę przy wdrożaniu modelu na produkcje
✓ Co to oznacza - powtarzalność wyniku i dlaczego jest tak bardzo ważna
✓ Jak można wersjonować model i podmieniać go na produkcje (bez braku dostępu dla użytkowników)


+ Bonus
Chcesz poznać uczenie maszynowe?
Wystarczy, że przejdziesz kilka prostych kroków
Co ludzie mówią o DataWorkshop?
CTO w 2040.io

Warsztaty pomogły mi usystematyzować wiedzę oraz spróbować w praktyce zrealizować dobrze przygotowane przykładowe zadania.

Dzięki warsztatom poznałem inne osoby zainteresowane tematem, mogłem wymienić się wiedzą i dowiedziałem się też więcej o XGBoost.

Warto wziąć udział w warsztatach, są prowadzone w luźnej atmosferze, a Vladimir ma dar tłumaczenia rzeczy skomplikowanych w przystępnej formie.

Jeśli chciałbyś spróbować swoich sił z uczeniem maszynowym lub porozmawiać z innymi o Twoich doświadczeniach, to polecam Ci warsztaty Vladimira.
Łukasz Murawski
Network Quality Sr Specialist at Polkomtel

I highly recommend DataWorkshop. It's been a great value to me. Vladimir has definitely the knowledge and experience in the field.

However, what makes this course special is in my opinion his approach to teaching:
Students first - speaking the language adjusted to the audience
Top-down approach - high level concept first, details afterwards
Clarity - Vladimir's ability to explain difficult topics in a simple words
Real life examples and analogies

Although I'm a telecom engineer and not a certified programmer, after DataWorkshop I've managed to successfully implement a few ML models at work.

I recommend this course for anyone, who wants to get to grips with ML and AI quickly.
Data Engineer w GE

Na warsztaty poszłam w celu nauki, a także uporządkowania tego, co do tej pory wiedziałam na temat Machine Learning. Najbardziej zależało mi poznaniu Kaggle oraz na zdobyciu praktycznych umiejętności, np. jak używać Jupyter Notebooks i pisać w nich swoje algorytmy. Warto podkreślić, że Vladimir prowadzi warsztat w taki sposób, że można zanim łatwo nadążyć, nie posiadając szczególnego przygotowania.

Dzięki przejrzystej instrukcji przygotowania do warsztatów, zbudowałam sobie środowisko Anaconda i zainstalowałam podstawowe paczki Pythona do przetwarzania maszynowego.

W trakcie warsztatów nauczyłam się, na jakich bibliotekach Pythona pracuje się w Data Science i do czego służą. Do tej pory dużo czasu straciłam na zbudowanie środowiska, wybór wersji Pythona i bibliotek są wspierane. Warsztaty (a także przygotowanie do warsztatów) pomogły mi się z tym uporać w bardzo krótkim czasie.

Warsztaty odbywają się w fajnych miejscach i panuje na niej przyjemna atmosfera oraz praca zespołowa. Vladimir prowadzi według dobrej szkoły :) Zaczyna od małego stopnia trudności i stopniowo urozmaica przykłady i rozwija główny problem. Zachęca do zadawania pytań i dyskusji.

Warsztaty przekonały mnie, że warto eksplorować dziedzinę Data Science, zainteresować się Kaggle i co ważne, nie jest to nieosiągalne, jeśli poświęci się temu czas. Zmotywowały mnie do dalszego rozwijania się, a co za tym idzie - zmiany pracy :) Teraz pracuję jako Data Engineer w dziale Business Intelligence firmy General Electric.

Polecam każdemu, kto interesuje się Data Science i chce popracować praktycznie nad problemem. Jeśli lubisz zadawać pytania i szukać na nie odpowiedzi, to bardzo polecam.
Customer Success Engineer w Kontakt.io

Polecam warsztaty dla wszystkich ludzi, którzy są ciekawi świata. Pierwszy raz kiedy się pojawiłem na warsztatach nie miałem żadnego pojęcia o sztucznej inteligencji a tym bardziej o jej implementacji w pythonie.

Dziś, potrafię sam rozwiązywać podobne problemy na danych "z produkcji". Z warsztatów wyniosłem nie tylko doświadczenie z implementacji różnych algorytmów ale też wiele ciekawostek na temat świata, ponieważ za każdym razem pracowaliśmy z prawdziwymi danymi.

Nie ukrywam, że niekiedy Vladimir wprowadzał elementy rywalizacji między uczestnikami co dodatkowo nas motywowało. Dodam, że jest to też bardzo fajna opcja na "networking", ponieważ można spotkać ciekawe osoby spośród uczestników.
Software Developer at ATSI

DataWorkshop with Vladimir is a series of successful meetups on data science domain.

Targeted for beginners and intermediate level scientists, who want to expand their horizons with brilliant cases shared by Vladimir.

Very friendly and informal atmosphere encourages audience to actively participate in workshops and even takeover leading the meeting with their stories (for a few minutes of course).

His broad and deep knowledge on AI and Machine Learning let him inspire the participants and teach them new tools and techniques.

It is hard to organize workshops well, especially for people from different technological backgrounds. But DataWorkshop was a smooth ride, you just needed to follow the instructions provided in advance.

Great thanks :D
Software Consultant w Sabre

Vladmir w bardzo przyjazny, rzetelny i praktyczny sposób wyjaśnia złożone modele i algorytmy Machine Learning (ML). Robi przegląd aktualnych algorytmów ML oraz praktyczne metody ich stosowania.

Dlaczego warto uczestniczyć w Data Workshop? Wysoki poziom zajęć oraz ciekawy sposób przedstawienia tematów. Aktualnie w pracy nie używam AI lecz mam takie plany co do niedalekiej przyszłości

Polecam Data Workshop osobom chcącym zacząć przygodę ze sztuczna inteligencja i praktycznym sposobom ich zastosowania
Data Scientist

Będąc zafascynowany machine learningiem szukałem różnych sposobów aby
zwiększyć wiedzę i umiejętności, tak natrafiłem na warsztaty Vladimira.

Dzięki nim lepiej poznałem metody Gradient Boosting, które dają świetne
wyniki w praktyce,
ale nie są zbyt sławne. Poćwiczyłem też i rozwinąłem
inne metody jak sieci neuronowe czy tuning hiperparametrów.

Warsztaty są dobrą okazją do spotkania ludzi którzy na prawdę uczą się ML, temat
jest ostatnio popularny, wielu ludzi o nim mówi, ale mało kto coś robi.
Dla ludzi chcących zgłębić ML polecam warsztaty jako ważny element
procesu nauki.
Data Scientist w edrone

Brałem udział we wszystkich dotychczasowych warsztatach. Była (jest) to niezwykła podróż przez machine learning. Vladimir w sposób przystępny i ciekawy przedstawiał nie proste przecież zagadniania feature engenering'u, wizualizacji, kroswalidacji, gradient boosting'u czy regularyzacji.

Dużym plusem spotkań są kody źródłowe w pythonie wykonywane w trakcie zajęć. Są świetnie przygotowane i poza prezentacją pojeć przybliżają zastosowania intersujących bibliotek (np. xgboost, keras).

Poza wiedzą o ML wyniosłem również praktyczną znajomość narzędzi (python, jupiter notebook), która przydaje mi się w pracy.

Meetupy z Vladimirem polecam wszystkim zaintersowanym ML i BigData.
Machine Learning Engineer at 2040.io

Na warsztatach nauczyłem się przeprowadzać cały proces uczenia maszynowego począwszy od przygotowania danych poprzez trening modeli aż do ich ewaluacji i wykorzystania.

Vladimir w przystępny sposób tłumaczył zagadnienia z tym związane odnosząc się często do rzeczywistych przykładów w tym wartości biznesowej jaką niesie machine learning.

Warsztaty udoskonaliły moją wiedzę przede wszystkim w zakresie praktycznego zastosowania popularnych bibliotek w celu rozwiązywania realnych problemów.
Data Scientist w Roche

Warsztat pozwolił mi poznać proces Machine Learning, od początku do końca. Od analizy danych, poprzez wizualizację, zastosowanie różnych algorytmów, aż do tuningu zastosowanego rozwiązania.

Znałem wszystkie "klocki", lecz warsztat złączył je wszystkie w całość i nadał im pewną ciągłość :).

Doceniam poziom przygotowania materiałów i znajomość tematu prowadzącego szkolenie. Fajnie było zobaczyć wykorzystanie innej biblioteki do wizualizacji niż matplotlib/seaborn 😉.

Uczestnictwo w warszatacie pozwoliło mi na rozwinięcie się w kierunku Data Science i cóż, dalej pracuję w tym obszarze.

Ten konkretny warsztat polecam (na którym byłem) początkującym, którzy jednak mieli już styczność z programowaniem i data science.
Często zadawane pytania
Czy kurs będzie przez internet?
Tak, kurs jest w 100% online.
Ile czasu jest na samodzielną pracę nad każdym modułem (w tydzień)?
Zalecany czas to 8 lub więcej godzin w tygodniu. Również dla pakietów Gold i Premium będzie dodatkowa godzina na sobotni webinar oraz dla pakietu Premium będzie dodatkowa godzina na indywidualną konsultację. Bardzo polecam robić to regularnie w ciągu tygodnia, np. półtora czy dwie godziny z rano, wtedy kiedy umysł jest wypoczęty. Wtedy będzie łatwiej przetrawić informację.
Jak będą wyglądały zajęcia godzinowe w Pakiecie Premium?
To będą spotkania przez skype (co najmniej 1 godzina w tygodniu). Pod czas tej godziny będzie indywidualna konsultacja. Będziemy rozmawiać o zadaniach domowych. Najlepiej będzie, jeśli przed spotkaniem dostanę listę konkretnych pytań, wtedy spotkania będzie przebiegać najbardziej efektywnie. Również podczas spotkań będę doradzać w tematach związanych z rekrutacją, m. in. jak najlepiej się do tego przygotować, na co należy zwracać szczególną uwagę itd.
Czy to będzie wideo z lekcją czy coś innego? Godzina czy więcej? A jak mam robić zadanie domowe? Kto i jak będzie sprawdzał zadania domowe?
Kurs składa się z 8 modułów. Jeden moduł w tygodniu, dlatego cały kurs potrwa 8 tygodni. Jeden moduł będzie zawierał, co najmniej jedną godzinę wideo z wytłumaczeniem. Również każdy moduł będzie posiadał zadania domowe. Zadania domowe będą wykonane w środowisku, które zostanie przeze mnie skonfigurowane. W tym samym miejscu zadania będą wysyłane do mnie. Najbardziej popularne błędy lub trudności będziemy omawiać pod czas webinarów (dostępne dla pakietów Gold i Premium) lub pod czas indywidualnych konsultacji (pakiet Premium).
Z jakiej dziedziny będą zadania? Czy będą problemy klasyfikacyjne (produkty, klienci) , nlp, image recognition?
Tak, będzie zarówno klasyfikacja jak i regresja. Również będzie o sieciach neuronowych (w szczególności o sieciach konwolucyjnych i rekurencyjnych). Na samym końcu będzie moduł dotyczący dobrych praktyk uczenia maszynowego oraz wdrażanie modeli na produkcję. Więcej można znaleźć na stronie w bloku "Agenda".
Na jakim poziomie statystyki/matematyki można myśleć o data science? Czy jest to wiedza, która można pozyskać samodzielnie, nie będąc absolwentem któregoś z tych kierunków?
Nie wymagam ukończenia matematyki czy statystki, wręcz przeciwnie, obawiam się, że ludzi po tych kierunkach, mogą być zaskoczeni :). Tłumaczę to zupełnie inaczej, niż to robi się na wymienionych kierunkach. Unikam formalnych wzorów lub innych zawiłych definicji, stawiam bardzo dużo na analogię i przykłady.
Chciałbym opanować machine learning, a docelowo poznać deep learning oraz pakiet openAI i zrobić jakiegoś prostego bota do gry. W jakich godzinach oraz w jakie dni będzie odbywał się kurs?
Kurs jest w 100% online i jeden moduł trzeba przerobić w przeciągu tygodniu. Każdy uczestnik sam decyduje kiedy chcę to zrobić. Ze swojej strony bardzo gorąco polecam robić to z rano, tuż po obudzeniu (np. wcześniej wstać), wtedy kiedy umysł jeszcze jest zdolny do przyjmowania nowej wiedzy. Wieczorem po pracę, to może być trudniej, bo wtedy mózg jest zmęczony. Wybór każdy ma zrobić samodzielnie :). W kursie, będzie dość sporo na temat deep learning (polecam sprawdzić agendęmoduły 4-7). Napisanie bota do gier sprawdza się do tematu uczenia ze wzmocneniem (reinforcement learning), bardzo ciekawy temat, ale w tym kursie go nie będzie ze względu na złożoność. Jest w planach kolejnego kursu o ile będzie zapotrzebowanie.
Interesuje mnie prognozowanie szeregów czasowych z użyciem deep learningu
Temat jest bardzo interesujący. Zwykle o to mnie pytają osoby, które chcą być sprawniejsze w prognozowaniu wartości kryptowalut. W tym kursie będzie poruszony temat sieci rekurencyjnych, która całkiem fajnie działa również dla szeregów czasowych. Również, jeśli mówimy o szeregach czasowych, na początek warto to zadanie uprościć. Zamiast przewidywania jak dokładny będzie koszt produktu za miesiąc, możemy przewidzieć, czy koszt za miesiąc będzie większy niż X. Wtedy to zadanie jest zwykłą klasyfikacją binarna, o tym będzie dużo informacji.Ten model będzie bardziej precyzyjny, bo zadanie jest prostsze i dla biznesu to już może być wystarczające, żeby podejmować prawidłowe dedycje (np. czy koszt bitcoina będzie większy niż 16 000 zł.). Mam w planach uruchomić osobny kurs o prognozowaniu wartości w czasie. Sam mam doświadczenie na rynkach walutowych, jeśli będzie zainteresowanie, to zacznę pracować nad tym kursem.
Jestem osobą wywodzącą się z nauk społecznych (psychologia), od 1,5 roku programuje w pythonie, udało mi się zbudować kilka klasyfikatorów (głównie svm/rf w scikit-learn) - czy mam czego szukać na kursie?
Tak, jak najbardziej. Przede wszystkim więcej praktyki, również w pytaniu widzę takie algorytmy jak: SVM czy RF, one czasem działają całkiem dobrze. Zwykle boosting (np. xgboost) działa od nich lepiej, bardziej stabilnej i szybciej oraz wymaga mniej czasu na naukę i predykcję.Kolejną wartością dodaną mogą być sieci neuronowe, gdzie np. można nauczyć się, jak przetwarzać obrazy. Na samym końcu będę mówić o dobrych praktykach oraz wdrażaniu modeli na produkcję, co jest bardzo ważnym, lecz niestety pomijanym zagadnieniem. Ostatnie, ale najbardziej wartościowe, to przerobienie szeregukonkretnych przykładów, na których można wiele się nauczyć. Wtedy człowiek najlepiej zapamiętuje i zaczyna rozumieć, jak to wykorzystać w praktyce.
Jak rozległą wiedzę teoretyczną trzeba posiadać by odnaleźć się i sprawnie poruszać w obszarze uczenia maszynowego?
Pytanie jest dość trudne. Zapytam poprzez analogię, jak obszerną wiedzę, trzeba mieć, żeby zacząć prowadzić samochód? To - jak jeździ samochód lub jaka jest przyczepność samochodu - dość skomplikowane tematy z punktu widzenia teorii, z drugiej strony jak wiele osób o tym wiedzą wśród miliardów kierowców? W tym przypadku bardziej chodzi o umiejętność i wyczucia, niż zrozumienie teorii. Tym właśnie i zajmiemy się w kursie.
Czy kurs nie będzie za trudny dla analityka, który na co dzień nie programuje? Znam trochę pythona, ale nie biegle, i mam wątpliwości czy ten kurs będzie dla mnie
Myślę, że tak. Język programowanie jest tylko narzędziem. Według mnie najtrudniejszym jest odpowiedni sposób myślenia. To jest połączenia myślenia logicznego i strategicznego. Jeśli posiadasz te dwie cechy to poziom trudności raczej będzie do zaakceptowania. Poczytaj komentarze dotychczasowych uczestników kursu tutaj. Swoją drogą, zawsze możesz to sprawdzić. Masz 2 tygodnie, żeby zdecydować się, czy kurs Ci odpowiada. Zapraszam :).
Jaka będzie metodyka nauczania?
Jestem samoukiem. Dlatego wiedzę, którą zdobyłem "przepuściłem" przez siebie i tłumaczę ją poprzez analogie i przykłady. Na tym myślę, polega największa wartość tego kursy i mam nadzieję, że będzie Ci odpowiadać. Pierwszy krok to wyjaśnienie, jaki problem chcemy rozwiązać, używając przykładów lub analogii, a później przechodzimy na poziom techniczny i skupiamy się bardziej na kodzie niż samych wzorach matematycznych.
Czy można dostać fakturę?
Tak, jest możliwość wystawienia faktury przy zamówieniu. Należy podczas składania zamówienia w drugim kroku wybrać opcje: "Chcę otrzymać fakturę".
Chcesz dowiedzieć się więcej o mnie?
Początki zawsze są trudne, ważne żeby był cel.
Od dziecka fascynuję się komputerami… Najpierw zostawałem w szkole po lekcjach, bo to była jedyna wtedy możliwość spędzenia czasu z komputerem.

Mając 15 lat pojechałem do dużego miasta, żeby zarobić na swój pierwszy komputer.
Kiedy miałem 18 lat, pojechałem za granicę w poszukiwaniu miejsca, gdzie mógłbym się edukować.

W wieku 19 lat przeprowadziłem się do Polski i rozpocząłem studia informatyczne.

Wtedy byłem najszczęśliwym człowiekiem na świecie, bo miałem wszystko:
- środki na utrzymanie (stypendia)
- miejsce dla nauki (pokój w akademiku)
- dostęp do wiedzy (internet i biblioteki)
Jestem samoukiem… Dlatego do wielu rzeczy dochodziłem samodzielnie i to "widać".
W roku 2013 zacząłem zgłębiać temat machine learning. To dla mnie było bardzo bolesne zderzenie z rzeczywistością… o ile temat mnie bardzo interesował, o tyle metody do wyjaśnienia były zbyt zawikłane. W większości przypadków to były bardzo "sucha" matematyka. Strasznie męczyłem się, poddawałem się i nadal męczyłem się, aż w końcu zacząłem "łapać", o co w tym chodzi :).

Jestem samoukiem… Dlatego do wielu rzeczy dochodziłem samodzielnie i to "widać". Na przykład pominąłem wykucie różnych definicji czy dowodów na pamięć, ale więcej spędzałem czasu, żeby zrozumieć na poziomie intuicji "o co w tym chodzi" i sprawdzić, co działa lepiej w praktyce.
To może być prostsze...
W pewnym momencie uświadomiłem sobie, że to jest znacznie łatwiej, niż może się wydawać na początku. A przez to, że lubię dzielić się wiedzą, to zacząłem również dzielić się wiedzą na meetup'ach czy warsztatach na konferencji.

Na dzień dzisiejszy udało mi się zorganizować
10 warsztatów, gdzie pojawiło 270+ uczestników.

Wyciągnąłem sporo wniosków, zrozumiałem lepiej inne problemy, które występują podczas nauki i postarałem się je wyeliminować w tym warsztacie.
Mówić o trudnych rzeczach prosto - jest bardzo trudne!
...ważna jest Twoja motywacja.
Moim własnym sukcesem będzie, jeżeli po warsztacie będziesz w stanie użyć wiedzy w praktyce. Mówię to szczerzę. Co to oznacza w praktyce? Na przykład, przekwalifikujesz się w obecnym miejscu pracy albo uruchomisz swój własny projekt (startup), który będzie robił coś praktycznego.

Od razu powiem, że ważna jest Twoja motywacja. Dlatego zapraszam gorąco, wtedy i tylko wtedy, jeżeli naprawdę masz potrzebę nauczyć się uczenia maszynowego i tematów pokrewnych, żeby zacząć tego używać w życiu!

Do zobaczenia :)
Satysfakcja gwarantowana
lub zwrot pieniędzy (do 14 dni od rozpoczęcia warsztatu)!
Bardzo zależy mi na tym, żeby Ci pomóc, ale mam wystarczająco pokory i świadomości, że również jestem człowiekiem :). Zdaje sobie sprawę, że mogę pomóc tylko części ludzi, którym odpowiada moje podejście do nauki.

Jeżeli okażę się, że to podejście jest mało skuteczne dla Ciebie, to gwarantuję, że w takiej sytuacji, zwrócę Ci pieniędze. Masz 14 dni od rozpoczęcia kursu, żeby zdecydować się, czy Ci to odpowiada i będę wdzięczny za informację zwrotną.

Wybierz swój pakiet
Dla pierwszych 10 osób zniżka 25% (Gold lub Premium).
Promokod: EARLY_BIRDS_25 (ważny do 25 grudnia).
Basic
1 osoba
1080 zł
+ VAT (23%)
  • 8 godzin lekcji do praktycznej wiedzy
  • 8 zadań domowych - projektów do realizacji
  • Software: skonfigurowane środowisko jupyter (które można re-użyć na własny użytek później)
  • Dostęp do zamkniętej grupy na Facebook
  • Sprawdzanie zadań domowych
  • Linki pomocnicze
Kupuj
Premium
1 osoba
4790 zł
+ VAT (23%)
  • Pakiet Gold
  • +
  • Trening indywidualny przez 2 miesiące - 8 godzin konsultacji (jedna godzina tygodniowo)
  • Indywidualne wsparcie i pomóc w usuwaniu blokad
  • Pomoc w rozwoju ścieżki kariery (przygotowanie się do rozmowy rekrutacyjnej)
  • Możliwość wystawienia (uczciwej) opinii dla przyszłych pracodawców (ale trzeba się postarać, żeby była pozytywna, tylko zapłacić to za mało :)
Kupuj
Chcesz dołączyć się do kursu?
pierwsze 10 osób otrzymają kurs z dużą zniżką (25%)
Jak mogę Ci pomóc?
Masz pytania czy wątpliwości? To pisz śmiało :)
również możesz pisać na:
hello@dataworkshop.eu

Grodzka 42/1, 31-044
Kraków, Polska
Wysyłając wiadomość, wyrażam zgodę na przetwarzanie moich danych w ramach projektu DataWorkshop. Powyższej zgody udzielam w stosunku do Biznes Myśli – Uladzimir Aliakseichanka, ul. Grodzka 42/1, 31-044 Kraków, NIP: 6751364881. W każdej chwili będziesz mógł wycofać zgodę.
Chcesz współpracować?
Proszę napisz na hello@dataworkshop.eu
© All Rights Reserved. DataWorkshop.
Strony
Znajdziesz mnie
Write Close
Close
Do you have any questions? Contact me!
I agree the Terms of Service
Ta strona używa cookie i innych technologii. Korzystając z niej wyrażasz zgodę na ich używanie.
Rozumiem i zgadzam się :)
Close