Online Seminar

Machine Learning

with Python

Φτιάξε “έξυπνες” εφαρμογές χρησιμοποιώντας την Python και μάθε τεχνικές μηχανικής μάθησης.

  • 22 - 25 - 26 - 29 Απριλίου
  • 15 ώρες

online μαθημάτων

  • 120 κόστος

Θα μάθεις:

  • Python
  • Data loading
  • NumPy & Pandas libraries
  • Machine learning
  • Classification
  • Regression
  • scikit-learn library
  • Data Analysis

Απευθύνεται σε όσους έχουν:

  • Βασικές γνώσεις Python
  • Αλγοριθμική σκέψη (υπόβαθρο στατιστικής ή μαθηματικών)

Τι θα χρειαστώ;

  • Internet και ένα laptop ή σταθερό υπολογιστή

Τι είναι το Machine Learning with Python Online Seminar?

Η μηχανική μάθηση και η ανάλυση δεδομένων αλλάζουν τον κόσμο γύρω μας. Μέσα από το σεμινάριο θα γνωρίσουμε τις βασικές έννοιες και τεχνικές μηχανικής μάθησης ώστε να αξιοποιήσουμε τα δεδομένα μας και θα μάθουμε πως μπορούμε να υλοποιήσουμε μοντέλα μηχανικής μάθησης με την Python.

Young man working at home
του Coding School

Γιατί να το παρακολουθήσω;

  • Τα μαθήματα πραγματοποιούνται σε live μετάδοση
  • Έχεις άμεση επαφή με τον εισηγητή
  • Networking με τους υπόλοιπους συμμετέχοντες
  • Θα λύσεις οποιαδήποτε απορία σου απευθείας
  • Δεν θα χρειαστεί να μετακινηθείς από το σπίτι σου
  • Μπορείς να συνδεθείς εύκολα και γρήγορα στην Online πλατφόρμα μας
  • Θα λάβεις πιστοποιητικό παρακολούθησης και εξειδικευμένης επιμόρφωσης
  • Θα πάρεις σημειώσεις και εκπαιδευτικό υλικό

Σάββατο 20/06

10:00 - 13:00
  • Machine Learning and Artificial Intelligence
  • The Pandas, NumPy and scikit-learn learn libraries
  • Importing data using Pandas
  • Supervised learning: Classification & Regression

Κυριακή 21/06

10:00 - 13:00
  • Logistic Regression, Decision Trees & Random Forest
  • Data preparation (cleaning, normalization etc.)
  • Exploratory data analysis
  • Model training & evaluation

Τετάρτη 24/06

17:00 - 20:00
  • Putting it all together: an End-to-End example
  • Applying the previous with a regression example
  • Seminar project: Solving a classification problem

Σάββατο 27/06

10:00 - 13:00
  • Putting it all together: an End-to-End example
  • Applying the previous with a regression example
  • Seminar project: Solving a classification problem

Κυριακή 28/06

10:00 - 13:00
  • Unsupervised learning: Clustering with KNN
  • Saving and loading our model using pickle
  • Seminar project (cont.)

Instructor

Σωκράτης Σοφιανόπουλος

Ο Σωκράτης Σοφιανόπουλος αποφοίτησε από το τμήμα Computer Science του Πανεπιστημίου Ιωαννίνων (2002) και είναι κάτοχος του μεταπτυχιακού διπλώματος Distributed & Multimedia Information Systems από το Dept. of Computer Science of Heriot-Watt University, Edinburgh (2003). Έχει  PhD δίπλωμα από το Electrical και Computer Engineering από το National Technical University of Athens (NTUA) όπου αποφοίτησε τον Ιούνιο του 2010, σε μια έρευνα του ILSP on Language Modelling for Machine Translation Systems and multi-objective optimisation techniques.  Από το 2005 είναι ερευνητικός συνεργάτης και μηχανικός λογισμικού στο  ILSP. Η έρευνά του περιλαμβάνει  Language Processing, machine translation, machine learning with emphasis on evolutionary computation approaches, data modeling etc. Έχει εργαστεί σε πολλά European R&D programs (METIS-II (FP6-IST-003768), PRESEMT (FP7-ICT-248307)), QTLaunchPad (FP7-ICT-296347), ELRC (European Language Resource Coordination). Από τον Οκτώβριο 2016 είναι βοηθός λέκτορα στο Ελληνοαμερικάνικο Κολέγιο.

profilepic_sofianopoulos

In a nutshell

Με την ολοκλήρωση του προγράμματος οι συμμετέχοντες θα έχουν μάθει:
– Όλα τα απαραίτητα βήματα που πρέπει να ακολουθήσει ένας data scientist για την ανάλυση των δεδομένων του
– Βασικές έννοιες μηχανικής μάθησης και ανάλυσης δεδομένων
– Βασικές γνώσεις προγραμματισμού με την Python
– Πώς μπορούν να χρησιμοποιήσουν την Python και τις ελεύθερες βιβλιοθήκες της για να αναλύσουν τα δεδομένα τους και να τα προετοιμάσουν είτε για Reporting είτε για την εισαγωγή τους σε έναν αλγόριθμο μηχανικής μάθησης
– Καθάρισμα δεδομένων
– Πώς αντιμετωπίζουν ελλιπή δεδομένα
– Data summarization & μέθοδοι aggregation

Πληροφορίες για τα Coding School

Στο Coding School η κάθε αίτηση φοίτησης περνά μια διαδικασία αξιολόγησης, ώστε να διασφαλίσουμε ότι η συμμετοχή σου θα σου αποφέρει τη γνώση που επιθυμείς.

Θα ενημερώνεσαι από εμάς είτε τηλεφωνικά, ή μέσω e-mail σε κάθε στάδιο της αίτησής σου.

Όλοι οι συμμετέχοντες, κατά την ολοκλήρωση του εκπαιδευτικού προγράμματος θα λάβουν πιστοποιητικό επιτυχούς παρακολούθησης και εξειδικευμένης επιμόρφωσης.

Το πιστοποιητικό είναι ονομαστικό, αναφέρει την τεχνολογία εξειδίκευσης και υπογράφεται από τον ακαδημαϊκό και τεχνικό διευθυντή του Coding School.

Μάθε επίσης