Kurzusleírás
1. Introduction to Machine Learning
- What is Machine Learning
- How it extends data analysis
-
Common business use cases:
- Sales forecasting
- Customer segmentation
- Churn prediction
2. From Data Analysis to Machine Learning
- Recap: working with data in Pandas
- Moving from descriptive to predictive analysis
- Defining a Machine Learning problem
3. Machine Learning Workflow (Simplified)
- Preparing the dataset
- Splitting data (train vs test)
- Training a model
- Making predictions
4. Data Preparation for Machine Learning
- Handling missing values
- Encoding categorical variables
- Feature selection (basic)
- Scaling (conceptual overview)
5. Supervised Learning (Hands-on)
Regression
- Linear Regression
- Use case: predicting numerical values (e.g. sales, demand)
Classification
- Logistic Regression
- Use case: binary outcomes (e.g. churn, fraud)
6. Unsupervised Learning
Clustering
- K-means clustering
- Use case: customer segmentation
7. Model Evaluation (Simplified)
- Train vs test performance
- Accuracy (classification)
- Basic error understanding (regression)
8. Interpreting Results
- Understanding model outputs
- Identifying patterns and trends
- Translating results into business insights
9. Practical End-to-End Example
- Load dataset
- Prepare and clean data
- Train a model
- Evaluate performance
- Extract insights
Követelmények
Prerequisites
- Basic Python knowledge
- Familiarity with Pandas and working with datasets
- Understanding of basic data analysis concepts
Target Audience
- Data Analysts
- Business Analysts with basic Python knowledge
- Professionals who completed Python for Data Analysis or equivalent
- Beginners in Machine Learning
Vélemények (2)
az ML-ekoszisztéma nem csak az MLFlow-t, hanem az Optunát, a HyperOps-t, valamint a Docker-t és a Docker-Compose-t is tartalmazza
Guillaume GAUTIER - OLEA MEDICAL
Kurzus - MLflow
Gépi fordítás
Nagyezték, hogy részese lehettem a Kubeflow tanfolyamnak, amelyet távollértű módon tartottak. A képzés lehetővé tette számomra, hogy megalapozzam az AWS-szal kapcsolatos ismereteimet, a K8s-t és a Kubeflow környezetében használt minden devOps eszköz alapjait, amelyek a témakör megfelelő felépítéséhez szükségesek. Szeretném köszönetet mondani Malawski Marcinnek az általa tanúsított türelmért és professzionális eljárásokért a képzés során és a legjobb gyakorlati tanácsokért. Malawski számos különböző szempontból közelítette meg a témát, különböző üzembe helyezési eszközökkel, mint például az Ansible, EKS kubectl és a Terraform. Most már egyértelműen meggyőződtem arról, hogy a megfelelő alkalmazási területre haladszom.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Kurzus - Kubeflow
Gépi fordítás
