Uczenie maszynowe w praktyce – Twój pierwszy model klasyfikacyjny

Materiał jest nagraniem archiwalnym Stacji IT (warsztatów z różnych technologii w trybie 4- lub 8-godzinnym).

➡️ Czego się nauczysz?

Wprowadzenie w podstawy uczenia maszynowego ze szczególnym naciskiem na problemy klasyfikacji, poprzez praktykę. Nauczysz się, jak budować proste modele klasyfikacyjne bazujące na danych tabularycznych oraz tekstowych.

➡️ Wymagania wstępne

Umiejętność programowania w Pythonie, zainstalowane biblioteki scikit-learn, Pandas, Seaborn.

➡️ Program

1. Czym jest uczenie maszynowe?
2. Podstawowe pojęcia: dane, modele, algorytmy,
3. Rodzaje uczenia maszynowego,
4. Skupienie na klasyfikacji: przykłady zastosowań,
5. Przygotowanie środowiska i danych,
6. Wprowadzenie do scikit-learn, pandas itp.,
7. Omówienie przykładowego zbioru danych,
8. Eksploracyjna analiza danych,
9. Algorytmy klasyfikacji w praktyce:
I.  Omówienie wybranych algorytmów klasyfikacji
II.  Praktyczne ćwiczenia:
– Trenowanie modeli na przykładowych danych
– Strojenie hiperparametryczne
– Ocena jakości dopasowania (omówienie znaczenia metryk)
– Wizualizacja wyników
12. Podsumowanie i Q&A
– Gdzie szukać informacji i materiałów do dalszej nauki?

Materiał „Uczenie maszynowe w praktyce – Twój pierwszy model klasyfikacyjny” (C) Sages 2025.

➡️ Informacje o prowadzącym:

Aleksander Gawlik

Data Scientist z ponad 7-letnim doświadczeniem. Obecnie architekt rozwiązań AI. W swojej karierze miał możliwość budowania różnorakich rozwiązań opartych o Machine Learning oraz Big Data. Obecnie intensywnie wykorzystuje publiczną chmurę obliczeniową do budowy modeli uczenia maszynowego oraz GenAI. Od jakiegoś czasu jest posiadaczem certyfikatu Professional Machine Learning Engineer.