Python ilə Machine Learning

Təlim haqqında məlumat

Təlim zamanı reqresiya, klassifikasiya, klasterinq aqloritmləri ilə işləyəcək, Hierarchical Clustering, K- Means Clustering CATBOOST, XGBOOST, LightGBM, vəs AutoML alqoritmlərini tətbiq edərək təhlil layihələrinizi tam avtomatlaşdırmaq üçün biliklərə yiyələnəcəksiniz. Qurulan Maşın Öyrənmməsi alqoritmlərinin dəqiqliyini artırmaq üçün hyperparameter tuning, bagging, boosting, ensemble learning kimi metodologiyaları praktiki şəkildə həyata keçirəcəksiniz. Bununla yanaşı, qurduğunuz modelləri dəyərləndirmək üçün Precision,Recall, ROC Curve və Gini Coefficient kimi müxtəlif üsullar öyrənəcəksiniz. Bu yeni bacarıqlar sayəsində məlumatlar üzərində təsviri və proqnozlaşdırma təhlilləri apara biləcəksiniz. Təlim müəssisə və şirkətlərdə böyük həcmli məlumatların təhlilini həyata keçirərək qərar qəbul etmək istəyənlər üçün nəzərdə tutulmuşdur və sadədən mürəkkəbə geniş praktiki mövzuları əhatə edir. Bu, həm də təlim iştirakçılarının təlimdən dərhal sonra Machine Learning-in ən müasir metodlarını tətbiq edərək əmək bazarında rəqabətə davamlı kadr olmalarına və qısa müddətdə data karyeralarında önə çıxmalarına kömək edəcəkdir.

Bu təlim kimlər üçündür?

Data Science bilikləri olanlar və əmək bazarında önə çıxmaq üçün daha müasir və mürəkkəb mövzularla biliklərini dərinləşdirmək istəyənlər, Python proqramlaşdırma dili istifadə edərək müasir və mürəkkəb Maşın Öyrənməsi mövzularını öyrənmək istəyənlər, Analitikanı öyrənmək istəyən proqramçılar və data mühəndisləri, Biznes Menecerlər, Biznes Analitiklər, Data Analitiklər, Data Analitikasını öyrənən və bu sahəyə marağı olanlar, böyük həcmli datalarla işləmək istəyən şəxslər, tədqiqatla məşğul olanlar, Data Science karyerası qurmaq istəyən, Data Elmi üzrə məlumatlı olan tələbələr və mütəxəssislə, satış, supermarket, telekommunikasiya, bank və digər biznes sahələrində və ya dövlət qurumlarında data analizi edərək hesabat hazırlayanlar və hazırlamaq istəyənlər.

Sertifikat

Təlimi müvəffəqiyyətlə bitirən şəxslərə Certified Data Scientist və digər şəxslərə isə iştirakçı sertifikatı təqdim ediləcək. Sağ tərəfdə nümunə sertifikatı görə bilərsiniz.

Sillabus

Sessiya 1

Maşın Öyrənməsi nədir?
Linear & Decision Tree Regression
SVM, Naive Bayes, Random Forest
RMSE, MSE, R squared, Adjusted R squared

Case Study 1

Xətti Reqresiya modeli ilə Covid pandemiyasının növbəti 7 gün üçün təsdiqlənmiş, yoluxmuş, sağalmış və ölüm hallarının proqnozunun qurulması.

Sessiya 2

Klassifikasiya Modelləri
Logistic & Decision Tree Regression
Random Forests, KNN, SVM
Accuracy, Precision, Recall, ROC & AUC Curve, Gini Coefficient

Case Study 2

Klassifikasiya modelləri ilə xəstələrin ürək xəstəliyi olub-olmamasını proqnozlaşdırmaq və ən yaxşı nəticə verən alqoritmin müəyyənləşdirilməsi.

Sessiya 3

Optimallaşdırma Metodları: Cross Validation,
Lasso&Ridge Regression, Elasticnet algoritm
Ensemble Learning: Bootstrap Sampling və boosting
CATBOOST, XGBOOST, LightGBM vəs AutoML alqoritmləri

Case Study 3

Bagging və Boosting Klassifikasiya modelləri istifadə edərək, şirkətin iflas riskini proqnozlaşdırmaq.

Sessiya 4

Python'da Obyektyönümlü proqramlaşdırma
Python siniflərinin yaradılması
Python'da digər siniflərdən varislik alınması
Siniflərə metodlar əlavə edilməsi
Obyekt atributlarının yaradılması

Case Study 4

“Nəqliyyat vasitələri” və “Avtomobillər” verilənlər bazası əsasında siniflərin yaradılması.

Sessiya 5

Unsupervised Learning
Hierarchical Clustering, K-Means Clustering,
Elbow Method və Silhouette Analysis
PCA - Eigenvalue və Eigenvector

Case Study 5

PCA, K-Means və Hierarchical Clustering metodlardan istifadə etməklə ölkələri sosial-iqtisadi və sağlamlıq faktorlarına əsaslanaraq kateqoriyalara ayırmaq

Sessiya 6

Web Scraping ilə tanışlıq
Sadə HTML stukturları
Beautifulsoup kitabxanası ilə işləmək
Scrapy kitabxanası ilə tanışlıq

Case study 6

Reddit saytından data çəkilməsi.

Sessiya 7

Hyperparameter Tuning by hand
Grid Search, Randomized Search
Bayesian optimisation

Case study 7

XGBoost modeli, Bayesian Optimization və Randomized Search istifadə edərək asteroidin təhlükəli olub-olmadığını proqnozlaşdırmaq.

Təlimçilər

Emil Mirzəyev

SÜNİ İNTELLEKT VƏ STRATEJİ QƏRARQƏBULETMƏ RESEARCHER, UNİVERSİTY COLLEGE LONDON

Dr. Emil Mirzəyev İtqdisadiyyat və Biznes Administrasiyası üzrə ikili fəlsəfə elmləri doktoru (PhD) dərəcəsinə sahibdir və hal-hazırda dünyanın top universitetlərindən biri olan University College London-da Süni intellekt və Strateji Qərarqəbuletmə sahələrinin kəsişməsində elmi araşdırma ilə məşğuldur. Python və Data Science ilə 10 ilə yaxın təcrübəsi var və öz işlərini MIT, Harvard və LBS kimi nüfuzlu universitetlərdə, hebelə çoxsaylı beynəlxalq konfranslarda təqdim etmişdir. Azərbaycanda da ML, AI ilə bağlı mövzularda çoxsaylı pulsuz vörkşoplar keçmişdir.

Əhməd Əhmədov

Senior Data Scientist, Porsche AG

Əhməd Əhmədov Cənubi Koreyanın Yonsei universitetində "Data Mining" va "Big Data" ixtisasları üzrə magistratura təhsili almışdır. Süni intellekt və data analitikası üzrə 10 ildən artıq təcrübəyə sahibdir. 6 ildir Almaniyada "Porsche AG" şirkətində Senior Data Scientist və Tech Lead olaraq çalışır. Əsasən, "GenAI", "Digital Assistants", "customer mobility predictions", "charging experience optimization", "content quality analysis" kimi istiqamətlərdə süni intellekt modellərinin hazırlanması və proyektlərin idarə olunmasını təmin edir.

Çalışmış olduğu digər qurumlar:

* Drezden Universiteti (Almaniya), Al va Data Science üzrə elmi tədqiqatçı. Araşdırma sahələri: "Data imputation", "Data quality", "Information retrieval", "Web tables", "Semi-structured datasets", "Machine learning". (4 il)

* Bakcell, ERP Technical Analyst (1 il)

Eyni zamanda, bir çox beynalxalq konfranslarda dərc olunan elmi məqalələrin müəllifidir.

Machine Learning Bootcamp

Machine Learning with Python

Artificial Intelligence

Data Analitika Bootcamp

Business Intelligence

Statistical Analysis & Data Science

Data Engineering Bootcamp

Data Engineering

Big Data