📘 ml-julia-course to praktyczny kurs uczenia maszynowego w języku Julia, zawierający komplet 17 notatników prowadzących krok po kroku od podstaw języka do zaawansowanego AutoML.
| Nr | Temat | Plik |
|---|---|---|
| 01 | Wprowadzenie do języka Julia | 01_intro_to_julia.jl |
| 02 | Praca z DataFrames i CSV | 02_dataframes_csv.jl |
| 03 | Wizualizacja danych | 03_visualization.jl |
| 04 | Regresja liniowa | 04_linear_regression.jl |
| 04a | Wprowadzenie do MLJ | 04_mlj_basics.jl |
| 05 | Regresja logistyczna | 05_logistic_regression.jl |
| 06 | Drzewa decyzyjne | 06_decision_tree_classifier.jl |
| 07 | Random Forest | 07_random_forest_classifier.jl |
| 08 | K-Nearest Neighbors | 08_knn_classifier.jl |
| 09 | Naiwny klasyfikator Bayesa | 09_naive_bayes_classifier.jl |
| 10 | XGBoost | 10_xgboost_classifier.jl |
| 11 | Porównanie modeli | 11_model_comparison.jl |
| 12 | PCA i redukcja wymiarowości | 12_pca_dimensionality_reduction.jl |
| 13 | Klasteryzacja KMeans | 13_kmeans_clustering.jl |
| 14 | Przypadek użycia: SynthPred | 14_synthpred_usecase.jl |
| 15 | Interpretacja modeli | 15_model_interpretation.jl |
| 16 | Podsumowanie kursu | 16_notebooks_summary.jl |
| 17 | AutoML z MLJ | 17_automl_with_mlj.jl |
- Zainstaluj Julię: https://julialang.org/downloads
- W konsoli Julia:
using Pkg
Pkg.activate(".")
Pkg.instantiate()- Uruchom notatnik:
- Jupyter:
jupyter notebook - Pluto:
using Pluto
Pluto.run()- Poznanie języka Julia w kontekście analizy danych
- Zbudowanie praktycznych modeli ML (regresja, klasyfikacja, klasteryzacja)
- Nauka redukcji wymiarowości i interpretacji modeli
- Porównanie modeli i automatyzacja uczenia maszynowego
- SynthPred.jl – narzędzie do predykcji z użyciem danych syntetycznych
- Studenci kierunków technicznych
- Analitycy danych chcący poznać Julię
- Nauczyciele i dydaktycy poszukujący materiałów dydaktycznych
- Każdy, kto chce zrozumieć ML przez praktykę
MIT
Autor: Tymoteusz Miller
📍 Uniwersytet Szczeciński
📫 LinkedIn | Zenodo Profile