Kursplan
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
Krav
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
Vittnesmål (2)
ML-ekosystemet omfattar inte bara MLflow utan också Optuna, Hyperopt, Docker och Docker Compose
Guillaume GAUTIER - OLEA MEDICAL
Kurs - MLflow
Maskintolkat
Jag uppskattade att delta i Kubeflow-träningen, som hålls på avstånd. Denna träning möjliggjorde för mig att fastställa min kunskap om AWS-tjänster, K8s och alla devOps-verktyg runt Kubeflow, vilka är de nödvändiga grunderna för att tillämpligt ange ämnet. Jag vill tacka Malawski Marcin för hans tålamod och professionella inställning vid träningen och råd om bästa praxis. Malawski behandlar ämnet från olika perspektiv, med olika distributionsverktyg som Ansible, EKS kubectl och Terraform. Nu är jag säker på att jag går in i rätt tillämpningsområde.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Kurs - Kubeflow
Maskintolkat
