Curs intensiv de programare Machine Learning și Inteligență Artificială

Curs intensiv de programare Machine Learning și Inteligență Artificială

online

  NOU

DESCRIERE

În cadrul acestui curs veți programa în Python, folosind cele mai populare instrumente și librării de Data Science și veți învăța cum să-l utilizați pentru analize statistice avansate, pre-procesare și transformare a datelor, dezvoltarea vizualizărilor de date și dezvoltarea de modele predictive pentru a rezolva o varietate de probleme.

Cursul are exerciții practice pentru fiecare modul (cu aplicabilitate directă în domeniul bancar), deci nu numai că veți învăța teoria, dar veți aborda și partea practică în construirea propriilor modele, pe care le puteți utiliza în continuare ca puncte de plecare în construirea propriilor proiecte.

De asemenea, veți învăța cum să îmbunătățiți modelele dezvoltate prin algoritmii de învățare automată, prin aprofundarea conceptelor de bias ridicat (underfitting), dispersie ridicată (overfitting), validarea comparativă (cross-validation) și modul în care hiperparametrii ar putea îmbunătăți performanța modelelor (hyper-parameter tuning).

GRUPUL ŢINTĂ

Specialiști din departamentele: Data Science, Advanced Analytics, IT, Risk, Statistica, Cercetare, Analiză de date, MIS, Business Intelligence etc.

Pre-rechizite:

  • Familiaritatea cu conceptele de Inteligență Artificială și Machine Learning sau participarea la cursul Introducere in Inteligenta Artificiala si Machine Learning
  • Posibilitatea de a accesa Google Colab: https://colab.research.google.com/ (necesită acces firewall și existența unui cont de Google personal)
  • Este recomandabilă cunoașterea unui limbaj de programare și familiaritatea cu conceptele statistice de bază

TEMATICA

Ziua 1 – Principalele concepte și analiza datelor

Principalele concepte de învățare automată

Introducere în principalele instrumente și tehnici de Data Science

Preprocesarea datelor

Analiza datelor cu Pandas

Instrumente de vizualizare și raportare a datelor

Tehnici de manipulare și transformare a datelor

Tehnici de tratare a valorilor lipsă

Tratamentul valorilor extreme

Tratamentul categoriilor rare

Multiple tehnici pentru tratamentul variabilelor categorice

Tehnici de procesare și transformare a datelor necesare pentru principalele grupuri de algoritmi de învățare automată

Selecția variabilelor de intrare

Importanța reducerii spațiului dimensional pentru modelare

Aplicarea metodelor de filtrare (elemente de bază, corelație, măsuri statistice)

Aplicarea metodelor încorporate (lasso, random forrest, etc.)

Aplicarea metodelor agnostice (RFE)

Ziua 2 – Modele de clasificare si regresie

Modele de clasificare

Tipuri de modele utilizate:

  1. Regresia logistică
  2. KMeans
  3. Support Vector Classifier
  4. Decision Tree
  5. Ensemble Methods (Random Forrest, XGBoost, LightGBM)

Overfitting si validare comparativă

Tehnici de optimizare a hiperparametrilor folosind Scikit-learn

Exercițiu practic: prezicerea riscului de nerambursare al unui client bancar

Modele de regresie

Tipuri de modele utilizate:

  1. Regresie liniară
  2. Support Vector Regressor
  3. Decision Tree Regressor
  4. Ensemble Methods (Random Forrest, XGBoost, LightGBM)

Overfitting și validare comparativă

Tehnici de optimizare a hiperparametrilor folosind Scikit-learn

Exercițiu practic: prezicerea prețurilor locuințelor

Selectarea și validarea modelelor

Evaluarea erorilor

Evaluare modelelor folosind validarea comparativă

Exercițiu practic: selectați modelul cel mai performant

Explicarea modelelor de Inteligență Artificială

Grafice de dependență

Analiza importanței variabilelor de intrare prin permutări

Exercițiu practic: interpretarea unui model de clasificare

LECTORI

Nedelcu Alin și Cosmin Cojocaru lucrează ca Lead Data Scientisti în Raiffeisen Bank. Ei au acumulat o experiență practică de peste 5 ani în domeniul Inteligenței Artificiale înființând competența de Advanced Analytics în interiorul băncii din care fac parte, atât ca set-up organizațional, dar și din punct de vedere strategie, guvernanță și adopție a tehnologiilor necesare. Cei doi au activat ca Lead Mentori în Elevator Lab 2020: Advanced Analytics track și susțin regulat cursuri de Inteligență Artificială și Machine Learning în cadrul grupului Raiffeisen.

Nedelcu Alin – formator autorizat, cu experiență bancară de peste 14 ani, specializat în modele de Machine Learning pentru zone ca Early Warning Systems, Anti Money Laundering, Markets si Risc. Alin reprezintă comunitatea de Advanced Analytics din Raiffeisen Romania.

Cosmin Cojocaru – formator autorizat, cu experiență bancară de peste 15 ani, specializat în modele de Machine Learning și Natural Language Processing pentru zone ca Risc, Corporate, Operatiuni și Eficientizare Procese. Cosmin a avut un rol important în adopția tehnologiilor de cloud pentru Machine Learning în Raiffeisen Romania.

PERIOADA DE DESFĂŞURARE

3 – 4 iunie 2021, orele 9:00 – 17:00.

Înscrierea la curs se face prin completarea fișei de înscriere.

Cursul se va organiza ONLINE, pe platforma ZOOM. Pentru detalii click aici.

Invitația este generată de către IBR sub forma unui link, care va fi transmis cursanților de către organizator, cu o zi înainte de data de începere a cursului. Cursanții trebuie să acceseze linkul primit la data și ora cursului.

La finalul cursului, participanții vor primi un certificat, emis de IBR (sub egida membrilor fondatori: Banca Națională a României și Asociația Română a Băncilor), cu 14 credite de dezvoltare profesională continuă (CPDs).

Pentru tariful cursului şi alte detalii vă rugăm să ne contactaţi telefonic sau prin e-mail.

PERSOANĂ DE CONTACT

ROXANA IVAN

Tel. mobil: 0748.886.839, e-mail: roxana.ivan@ibr-rbi.ro

 


Formular de contact

Nume și prenume*

Institutie

Departament

Telefon*

Adresa de email*

Titlul cursului*

captcha

Scrie textul de mai sus:

Comentarii