Prowadzący: Rafał Moczadło (rafal.moczadlo@gmail.com)
Celem kursu jest zastosowanie współczesnych rozwiązań Cognitive Computing i BigData w kontekście uczenia maszynowego i sztucznej inteligencji.
Po tym kursie będziesz potrafić:
Kurs przeznaczony jest dla studentów 3 roku kognitywistyki I stopnia.
Dodatkowe spotkanie zgodnie z głosowaniem wtorek 23.06.2020 o 13:00
W katalogu "instrukcje" umieściłem dwa pliki startowe FBProphet z kodem do wykorzystania na Google Colaboratory.
W katalogu "materiały" umieściłem katalog "fb_prophet_app" z aplikacją, która tworzy rekomendacje dla danych z forecasts.db To nie jest pełna aplikacja, ale pozwala prześledzić proces od momentu pobrania danych z API Google, poprzez czyszczenie i przekształcanie danych, przeliczanie przewidywań i tworzenie rekomendacji, czyli jest to cały backend dla systemu rekomendującego decyzje na podstawie danych i szeregów czasowych.
W katalogu "Dane do analizy" można znaleźć plik źródłowy z danymi do analizy: Data.csv oraz data.db. Oba pliki zawierają te same dane, tylko w jednym wypadku mamy do czynienia z csv (comma separated values), w drugiem plikową bazę danych SQLight z jedną tabelą.
Dodatkowo umieściłem bazę danych z wyliczonymi przewidywaniami dla kluczowych parametrów omawianego na zajęciach problemu. Przewidywania realizowane były przy pomocy biblioteki FBProphet. Struktura pliku powinna być znana, jeżeli ktoś zapoznał się i spróbował użyć przykładowy kod (snippet-em dla tej biblioteki).
Świetny pod względem metodycznym kurs analizy danych. Polecam szczególnie zapoznanie się z Numpy i Pandas.
Polecam bardzo dobrą minispecjalizację (nanodegree):
Darmowa przez miesiąc, więc można sporo zrobić przy dużym samozaparciu. Zresztą kurs wart jest swojej ceny.
Najważniejszy podręcznik w poruszanym przez nas temacie. Naprawdę świetna książka (choć tytuł niezbyt obiecujący i nie jest najnowsza):
Foster Provost, Tom Fawcett: Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji.
Framework flask pozwala na dosyć łatwe tworzenie stron internetowych za pomocą czystego Pythona z wykorzystaniem wszystkich zalet wynikających z możliwości korzystania z backendu w Pythonie.
Open AI gym - miejsce, gdzie można testować algorytmy w różnych środowiskach gier. Świetne miejsce, żeby poeksperymentować.