Uvod u mašinsko učenje u R

Jun 4 - 30, 2022, Startit centar, Beograd + Online

>> Prijavite se na: hello@datakolektiv.com <<

Jedini kurs ovog tipa u Srbiji

Koliko mi znamo, ovaj specijalizovan kurs u programskom jeziku R za mašinsko učenje je jedinstven u Srbiji.

Zašto baš R? U odnosu na druge programske jezike, ima daleko bogatiji ekosistem paketa za ML, i često ćete biti u situaciji kada će vam upravo ova znanja dati kompetitivnu prednost da rešite problem na kome radite brže i bolje nego u nekom drugom jeziku.

ML/Data Science su beskrajno interesantni (i perspektivni)

U ovim oblastima su dobri oni koji to mogu da zavole, koji imaju inženjerski pristup, radoznali su i žele da oslobode vrednost ogromnih količina podataka koje svet kreira svakodnevno. ML je već centralni deo mnogih proizvoda u IT-u uopšte, a odavno je sržni deo analitike poslovanja.

Jaz između potražnje i ponude kvalifikovanog kadra na tržištu je neverovatan, što ovo čini izvrsnim karijernim izborom. Pogledajte koliko vremena ostaju otvoreni oglasi za poslove u Data Science pa ćete moći da zamislite koliko je teško naći pravu osobu za tako nešto.

Devet (9) Šest (6) preostalih mesta — prijavite se na vreme

Kako bi obuka bila kvalitetna odlučili smo se na mali broj polaznika — 12. Trenutno je preostalo još 9 mesta, ukoliko je ovo prava stvar za vas javite se čim pre, najkasnije do 31. maja 2022.

Više o kursu — šta će se raditi

Kompletna obuka za ML metode nadgledanog učenja (Supervised Learning) u programskom jeziku R, sa studijama poslovnih problema u oblasti predikcije cena tržišta nekretnina, predikcije popularnosti online sadržaja, predikcije odlaska korisnika (churn) i drugih. Od linearne regresije do XGBoost modela - poznatog kao “švajcarski nož” za prediktivnu analitiku, pobednika mnogih Kaggle takmičenja, sve u jednom od danas deset najpopularnih programskih jezika, R - de facto lingua franca globalne Data Science zajednice. Trening je kompletno orijentisan na praksu pružajući “hands on knowledge” od strane Gorana S. Milovanovića, Senior Data Scientist i Phd sa više od dvadeset godina iskustva u modeliranju podataka, mašinskom učenju i edukaciji.

Cena

Cena je samo 1000€ u dinarskoj protivvrednosti, moguće je plaćanje preko računa, i od strane fizičkih lica (uz mogućnost plaćanja u 2 rate).

PROGRAM

Nedelja 1.

Uživo: subota, 4. jun, 09:00 - 18:00, Startit centar, Beograd
- 09:00 - 12:30. Uvod u programski jezik R: strukture podataka, data.frame klasa, I/O operacije, kontrola toka.
- 14:30 - 18:00. {tidyverse} pristup R programiranju: paketi {dplyr} i {tidyr} za rukovanje podacima.
Asinhrono (Slack, GitHub), ponedeljak, 6. jun - petak, 10. Jun
- Vizuelizacija podataka u industrijskom standardu {ggplot2}.
- Čišćenje i transformacija podataka (data wrangling) u paketima {stringr}, {dplyr} i {tidyr}. Eksplorativna analiza podataka (EDA) u R.

Nedelja 2.

Uživo: subota, 11. jun, 09:00 - 18:00, Startit centar, Beograd
- 09:00 - 12:30. Linearna i multipla linearna regresija.
- 14:30 - 18:00. Binomijalna logistička i multinomijalna logistička regresija za klasifikacione probleme.
Asinhrono (Slack, GitHub), ponedeljak, 13. jun - petak, 17. Jun
- Studija slučaja 1: Predikcija odlaska korisnika (churn prediction).
- Problem ovefita 1: Regularizacija linearnog regresionog modela.

Nedelja 3.

Uživo: subota, 18. jun, 09:00 - 18:00, Startit centar, Beograd
- 09:00 - 12:30. Kros-validacija i regularizacija klasifikacionih modela; selekcija klasifikacionih modela (ROC analiza).
- 14:30 - 18:00. Drveta odlučivanja (CART: Decision Tree Model).
Asinhrono (Slack, GitHub), ponedeljak, 20. jun - petak, 24. Jun
- Studija slučaja 2: Predikcija cena nekretnina.
- Problem ovefita 2: Kros-validacija regresionih modela.

Nedelja 4.

Uživo: subota, 25. jun, 09:00 - 18:00, Startit centar, Beograd
- 09:00 - 12:30. Random Forest model za regresione i klasifikacione probleme
- 14:30 - 18:00. Gradient Boosting: XGBoost model za regresione i klasifikacione probleme
Asinhrono (Slack, GitHub), ponedeljak, 27. jun - četvrtak, 30. Jun
- Studija slučaja 3: Predikcija popularnosti online sadržaja.
- Studija slučaja 4: Kompletan tok pripreme podataka i fine-tuning XGBoost modela za regresione i klasifikacione probleme.

MENTOR

Goran S. Milovanović, PhD, je Senior Data Scientist i Phd sa velikim iskustvom u fundamentalnim i primenjenim istraživanjima, istraživanjima tržišta, oblasti pronalaženja informacija (Information Retrieval), izveštavanju, vizuelizaciji, i vođenju Data Science projekata. Goran vodi malu konsultantsku kuću DataKolektiv, u Beogradu, Srbija, od 2017, a od januara 2022. radi kao Senior Data Scientist u sprsko-holandskom startapu Smartocto na problemima predikcije popularnosti online sadržaja.

Kontak: goran.milovanovic@datakolektiv.com

DataKolektiv Tech Stack

Uglavnom R, ali ceo zoo bi obuhvatao: