Machine Learning & AI

0. Prework

Wprowadzenie, które przygotuje Cię do startu bez stresu. Sprawdzisz swoje środowisko, poznasz podstawowe pojęcia i upewnisz się, że wszystko działa tak, jak powinno.

1. Podstawy Pythona cz. 1

Pierwsze kroki z Pythonem – składnia, zmienne, typy danych i proste operacje. Idealny moment, by zobaczyć, że programowanie naprawdę może być przyjemne.

2. Podstawy Pythona cz. 2

Rozwijamy fundamenty: pętle, instrukcje warunkowe i struktury danych. Nauczysz się myśleć algorytmicznie i pisać coraz bardziej logiczny kod.

3. Środowisko pracy programisty

 Poznasz narzędzia, z których korzystają profesjonaliści: edytory kodu, terminal, wirtualne środowiska i dobre praktyki pracy z projektem.

4. Funkcje i interakcja z użytkownikiem

 Tworzenie własnych funkcji i programów, które reagują na dane od użytkownika. Kod zaczyna być modularny, czytelny i wielokrotnego użytku.

5. Obiekty w Pythonie

Wprowadzenie do programowania obiektowego. Dowiesz się, jak modelować rzeczywistość w kodzie i pisać bardziej zaawansowane aplikacje.

6. Bazy danych

Przechowywanie i zarządzanie danymi. Nauczysz się podstaw SQL oraz integracji baz danych z Pythonem.

7. Zaawansowane narzędzia

Praca z bibliotekami, debugowanie, testowanie i automatyzacja. Poznasz narzędzia, które znacząco przyspieszają pracę programisty.

8. Pandas – przetwarzanie danych

Analiza danych w praktyce. Czyszczenie, filtrowanie i transformacja danych z użyciem jednej z najważniejszych bibliotek w data science.

9. Wizualizacja danych cz. 1

Pierwsze wykresy i wizualne opowiadanie historii danymi. Nauczysz się, jak prezentować informacje w czytelny i atrakcyjny sposób.

10. Statystyka – teoria i ćwiczenia

Solidne podstawy statystyczne niezbędne w analizie danych i ML. Dużo przykładów i praktycznych zadań.

11. Wizualizacja danych cz. 2

Bardziej zaawansowane wykresy i dashboardy. Skupienie na interpretacji wyników i estetyce prezentacji danych.

12. Machine Learning – wprowadzenie teoretyczne

Czym jest ML, jak działa i gdzie ma zastosowanie. Zrozumiesz kluczowe pojęcia bez zbędnej matematycznej „magii”.

13. Supervised Learning – regresja

Modele przewidujące wartości liczbowe. Nauczysz się trenować, oceniać i ulepszać modele regresyjne.

14. Supervised Learning – klasyfikacja

Rozwiązywanie problemów decyzyjnych i predykcyjnych. Od prostych klasyfikatorów po bardziej zaawansowane algorytmy.

15. Zaawansowane ML (pipeline’y)

Profesjonalne podejście do ML: pipeline’y, walidacja, optymalizacja modeli i praca jak w prawdziwym projekcie.

16. Unsupervised Learning

Odkrywanie ukrytych struktur w danych. Klasteryzacja, redukcja wymiarów i eksploracyjna analiza danych.

17. Natural Language Processing (NLP)

Praca z tekstem: analiza opinii, tokenizacja, wektoryzacja i pierwsze modele językowe.

18. Sieci neuronowe – podstawy

Jak działają sieci neuronowe i dlaczego są tak potężne. Fundamenty potrzebne do dalszej pracy z deep learningiem.

19. Sieci neuronowe – konwolucyjne i rekurencyjne

Modele do obrazów, sekwencji i danych czasowych. Praktyczne zastosowania CNN i RNN.

20. Projekt końcowy

Samodzielny projekt od pomysłu do rozwiązania. Idealna okazja, by połączyć całą zdobytą wiedzę w jedną całość.

21.Zakończenie

• treści szkoleniowe dostępne na platformie e-learningowej dostawcy usługi z możliwością do pobrania w formie ebooków
• dostęp do specjalnego edytora kodu przeznaczonego dla uszczestników szkolenia
• dostęp do czatu administrowanego przez dostawcę i umożliwiającego kontakt z mentorem i pozostałymi uczestnikami szkolenia
• opieka mentora indywidualnego.

• pełnoletniość (ukończone 18 lat)
• podstawowe umiejętność obsługi komputera
• podstawowa znajomość języka angielskiego umożliwiająca czytanie dokumentacji technicznej.

https://kodilla.com/pl/bootcamp/machine-learning

Wymagania sprzętowe:

• stabilne łącze internetowe pozwalające na swobodne pobieranie i uploadowanie plików oraz odbywanie spotkań online w czasie rzezywistym
• komputer z systemem Windows (7,8,10,11), Linux lub Mac wyposażony w kamerkę internetową i mikrofon
• przeglądarka internetowa.