Wyjaśnienie działania algorytmu lasu losowego (random forest) w uczeniu maszynowym na prostym przykładzie z życia.
Wyjaśnienie czym są drzewa decyzyjne w uczeniu maszynowym, jak działają i jakie mają zastosowania w klasyfikacji danych.
Wyjaśnienie Dockera i konteneryzacji na przykładzie uruchomienia modelu uczenia maszynowego w kontenerze.
Zapisy na darmową konferencję GHOST Day o sztucznej inteligencji i uczeniu maszynowym. 5-6 kwietnia 2024 w Poznaniu.
Praktyczny przewodnik po tworzeniu API do serwowania modeli uczenia maszynowego przy użyciu frameworka FastAPI.
Wprowadzenie do uczenia federacyjnego – nowego podejścia w uczeniu maszynowym, które trenuje modele bez centralizacji danych.
Wyjaśnienie działania regresji logistycznej - kluczowego modelu uczenia maszynowego do przewidywania prawdopodobieństw i klasyfikacji binarnej.
Wywiad z ChatGPT o sztucznej inteligencji, jej możliwościach, architekturze i ograniczeniach.
Wyjaśnienie czym jest dryf modelu (model drift) w uczeniu maszynowym i dlaczego ważne jest monitorowanie modeli po wdrożeniu na produkcji.
Przegląd ponad 50 najlepszych repozytoriów GitHub z zasobami o sztucznej inteligencji, uczeniu maszynowym i głębokim uczeniu.
Przewodnik po 16 metodach wyboru zmiennych (feature selection) w uczeniu maszynowym, wyjaśniający ich znaczenie dla jakości modeli.
Wyjaśnienie działania algorytmu Isolation Forest do wykrywania anomalii w danych, opartego na drzewach decyzyjnych.
Wyjaśnienie wykrywania anomalii i wartości odstających w data science, z przykładami i zastosowaniami w wykrywaniu oszustw.
Wprowadzenie do przetwarzania języka naturalnego (NLP), dziedziny AI, która uczy komputery rozumienia ludzkiego języka. Opis zastosowań i przykładów.
Wprowadzenie do metody SMOTE, która rozwiązuje problem niezbalansowanych danych w klasyfikacji poprzez generowanie syntetycznych próbek klasy mniejszościowej.
Wyjaśnienie problemu niezbalansowanych danych w klasyfikacji, przykładów takich zbiorów oraz sposobów radzenia sobie z tym wyzwaniem w ML.
Przewodnik po bibliotece Explainer Dashboard w Pythonie, która tworzy interaktywne dashboardy do wyjaśniania działania modeli uczenia maszynowego.
Tutorial wykorzystania sieci konwolucyjnych (CNN) do rozpoznawania zapalenia płuc na podstawie zdjęć rentgenowskich klatki piersiowej.
Wyjaśnienie działania konwolucyjnych sieci neuronowych (CNN), ich zalet w przetwarzaniu obrazów w porównaniu do prostych sieci MLP oraz historia ich powstania.
Autor opowiada swoją historię przejścia z analityka danych do data scientist, opisując studia matematyczne i początki kariery w IT.
