Practical machine learning*

For those who know or want to know Python, one of the easiest languages for beginners.
Learning through examples, without sophisticated mathematical details
Learn how to implement throughout solutions.

The course starts soon.
Join the pre-sale list and I'll give you discount :)
Artificial Intelligence is gaining momentum.
Companies invested from $26bln to $39bln
in artificial intelligence already in 2016.

About the course
Easy and pragmatic way of getting practical machine learning skills.
Let's go!
8 hours of theory built on real examples. It will boost your machine learning knowledge and is prepared for you in 3 convenient formats to choose from: audio, video and text.
Over 30 cases to solve. Available on all devices. You just need WiFi.
Thanks to dedicated group on Slack, you'll be able to get support, expand networking and stay motivated to develop.
You don't have to install anything specifically. I've prepared ready to go Jupyter environment specially for you.
I'll answer all your questions after each topic, I'll evaluate your code line by line together with discussing homeworks (Gold and Premium packages).
Weekly feedback sessions will ensure solid support for you and will help to execute own project (Premium).
One module a week equals 8h of theory.
or more hours
you will spend on gaining experience, focusing on practice
extra hours
That much time we will spend on webinars, discussing homeworks and other matters.
That's the total course duration, we'll finish before Christmas.

What Problems are you going to solve?

Beginnings are always tough
Do you feel lost and you don't know how to start using machine learning in practice? There is information overload and you are stuck? I'll help you finding the right knowledge which you will comprehend in a short time.
Lack of practice
You've been reading a lot of books and resources but this is still insufficient to become a machine learning specialist.

You need more tangible knowledge based on real examples. I'll get you there.
Too complicated
Machine learning is usually explained using academic language which tends to be incomprehensible, especially for coders. Sometimes you even feel that you need a mathematics PhD to grasp some algorithms. I'll show you that this is not necessary.
Lack of time
You're dreaming about becoming a machine learning specialist but you've got a family and plenty of duties. You're short on time to research valuable knowledge in the information overload. I'll help you to find the right balance.
Lack of environment
You want to try an algorithm or a library but the environment setup is too complicated, especially on Windows. Furthermore, you have an old laptop. No worries, I've prepared a ready to go environment for you.
Lack of intuition
You don't understand tasks, models, metrics and parameters on the intuitive level. You want to easily recognize which algorithm fits best to a particular problem. I'll explain that to you simply.
Lack of knowledge about the tools
There are tens or even hundreds of various tools and platforms. You don't know which one to choose for a particular problem ad understand why this one is superior over the others. I'll share my experience with you.
You don't remember maths
You probably recall calculus, you know a bit about integrals, but almost everything left your mind right after studies. You prefer to see a bit of code rather than mathematical equation? I've got the same :)
Lack of data
You want to tackle real problems but you only have access to sandbox data (like Iris). Finding the right data is a challenge, but I have several hints for you.
The last step
You know how to build a prototype, but this is only partial success. The real value comes up only when your models is deployed on production. I'll show you several options.
The people
Right environment develops you. Are you seeking people who share your interests? Relax, you'll meet them on the course :)
Too theoretical
Machine learning, as well as artificial intelligences emerged in 50-ties last century. There is nothing wrong with theory, but theory is coined through experiments. You'll have lots of practice.
Do you want to master machine learning?
You just have to go through several easy steps.
Vladimir Alekseichenko
Tutor/coach and Creator
I founded DataWorkshop in 2015

I started coding in 2006 and using machine learning in 2013.

I'm machine learning tutor and I have carried out around 20 workshops for around 700 participants.

I run a podcast (PL) about AI.

I've given over 70 presentations.

I'm a perfectionist in my heart but pragmatic in my mind.

I'm father, dreamer and traveller - I've visited 28 countries so far.

I love helping others, analyzing data and facing all sorts of challenges.
Google Cloud Platform


Machine Learning Fundamentals
You will learn:

✓ features, target variable,objects
✓ feature engineering, feature selection, model selection
✓ wo primary tasks: regression and classification

+ Bonus
Dive into machine learning
You will learn:

✓ how to navigate through sklearn library and handle different such as decision trees, random forest and other
✓ why proper model validation is so essential, such as cross-validation or other
✓ why visualization is your friend and what are the simple but effective tips to do it right

+ Bonus
Gradient Boosting
You will learn:

✓ What is Gradient Boosting
✓ Verify it on several best implementations of gradient boosting: CatBoost, XGBoost, LightGBM

✓ Pragmatic way of hyperparameter tuning

+ Bonus
Feature Engineering
You will learn:

feature engineering for:
✓ ... continuous values
✓ ... categorical values
✓ ... dates and other

+ Bonus
Multilayer Perceptron
You will learn:

✓ What are neural networks (deep learning)?
✓ What are layers (input, hidden, output) and when layers start to be deep ;)?
✓ ... backpropagation, dropout i batch normalization?

+ Bonus
Convolutional networks
You will learn about:

✓ map features (kernels), max/average pooling.
✓ stride, padding.
✓ data augmentation: flipping, rotation, projection.

+ Bonus
Transfer Learning
You will learn about:

✓ transfer learning
✓ pretrained models and explore available: LeNet, VGG, ResNet, Inception
✓ fine-tuning (when and how)

+ Bonus

Production and good practices
You will learn:

✓ To what you should pay extra attention when deploying a model on production
✓ What does result repetition mean and why is it so important
✓ How to version a model and switch it on production (without user access)

+ Bonus
More practice?
There will be a contest as a part of the course
where you will use gained knowledge to solve a real problem.

… and yes, you could win prize :)
After completing the course
you will receive* a CERTIFICATE
* for Gold and Premium packages
Data Scientist: The Sexiest Job of the 21st Century
Harvard Business Review
Choose your package
1 person
750 EUR
+ VAT (23%)
  • 8 hours of video resources (+ separate audio track as a podcast)
  • 32 jupyter notebooks with materials (including homeworks)
  • Software: configured Jupyter environment (which you can re-use later for own purposes)
  • Access to closed Slack group
  • A 100 page book
  • Extra links
1 person
1650 EUR
+ VAT (23%)
  • Gold package
  • +
  • Individual training for 2 months - 8 hours of sessions (once a week)
  • Individual support and assistance in removing limits
  • Assistance in developing career path (preparing to job interview)
  • Option to receive an honest assessment for future employers (but you need to work hard to earn a positive opinion, just paying is not enough :)
How hourly sessions in Premium Package will look like?
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.
Is it going to be a video with lesson or something else? An hour or more? How should I do the homework? Who and how is going to check the homework?
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. Najbardziej popularne błędy lub trudności będziemy omawiać pod czas webinarów (dostępne dla pakietów Gold i Premium) lub pod czas indywidualnych konsultacji (pakiet Premium).
What areas will the homeworks cover? Will there be classification problems? (products, clients), 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".
On what level of statistics/mathematics can you think about data science? Is it a knowledge that you can learn on your own, not being a graduate of academic courses?
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.
I would like to master machine learning but ultimately get to know deep learning and openAI package to do a simple game bot. At what time and on which days the course will take place?
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 agendę moduły 5-7). 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.
I'm interested in forecasting time ranges using deep learning.
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.
I'm a person with social sciences background (psychology), I've been programming in Python for 1.5 years. I managed to build several classificators (mostly svm/rf in scikit-learn) - is this course right for me?
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.
How vast theoretical knowledge should I gain to navigate efficiently in machine learning world?
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.
Is the course going to be too difficult for an analyst, who isn't coding on daily basis? I know Python a bit, but not fluently, I'm hesitating if this course is a good fit for me.
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 :).
What will be the learning methodology?
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.
Can I receive the invoice?
Tak, jest możliwość wystawienia faktury przy zamówieniu. Należy podczas składania zamówienia w drugim kroku wybrać opcje: "Chcę otrzymać fakturę".
Do you want to learn more about me?
The beginnings are always tough, the goal is vital.
I've been fascinated in computers since I was a kid. First, I was staying at school after lessons, that was the only way to spend some time with a computer those days.

When I was 15 I went to a big city to earn for my first computer.
When I was 18 I went abroad in search of a place where I could study.
At 19 I moved to Poland and I started IT studies.

At that time I was the happiest man on Earth, I had everything:
  • funds for living (scholarships)
  • a place to study (room in a dorm)
  • access to knowledge (internet and libraries)
I'm self taught. I've come to many things on my own and you can see that.
In 2013 I started dwelling on machine learning. It was a harsh reality check for me. Although the matter was highly appealing for me, the explanatory method were way too embroiled. In most cases it was 'raw' maths. I had been struggling, I was giving up and struggling again, and finally I started to grasp what's it all about :)

I'm self taught. I've come to many things on my own and you can see that. For instance, I skipped learning many definitions and proofs by heart, but I spend more time to understand them on an intuitive level, to check what's this all about and what works better in practice.
It can be simpler though…
At some point I've realized that it can be much easier than you expect at the beginning. It's all because I love sharing knowledge and I started doing that on meetups, workshops or conferences.

So far I have managed to carry out 20 workshops where over 700 participants showed up.

I've drawn many conclusions and I've understood other issues, which emerge in the learning process, more thoroughly. I've done my best to eliminate learning constraints in this course.
Speaking about difficult things simply is a tough challenge!
… your motivation
is the key.
My personal success will be your ability to use the knowledge in practice after the course. I truly mean it. What does it mean in practice? For instance, if you retrain yourself at current workplace or if you'll kickstart your own project that would aim at something practical.

I'll tell you right away that your motivation is essential. Therefore, I'm inviting you enthusiastically only if you really urge to learn machine learning and related topics in order to start using that in your life!
How can I help you?
If you have any questions, please contact me :)
you may also write to:

Grodzka 42/1, 31-044
Kraków, Polska
By sending the message I give my consent to process my personal data within the DataWorkshop project. The consent above is given to Biznes Myśli – Uladzimir Aliakseichanka, Grodzka 42/1 street, 31-044 Kraków, Tax Identification Number (NIP): 6751364881. You can withdraw your consent at any time.
© All Rights Reserved. DataWorkshop.
Write Close
Do you have any questions? Contact me!
I agree the Terms of Service
This site uses cookie and other technologies. By using it you agree to their use.
I understand and accept :)