Marcin Szeliga
Marcin Szeliga
Damian Widera
Damian Widera

Dzięki usługom ML Services (R Services w wersji 2016) SQL Server stał się potężną platformą analizy i modelowania danych. Języki R i Python to dwa najpopularniejsze narzędzia zaawansowanej analizy danych. Jednak oprócz wielu zalet oba języki mają słabe strony, takie jak ograniczoną skalowalność, nieoptymalną wydajność (szczególnie modyfikowania danych) i skomplikowane wdrażanie wyników.

Usługi uczenia maszynowego serwera SQL Server rozwiązują te problemy. Po pierwsze, pozwalają skutecznie zabezpieczać dane i wyniki ich analiz. Po drugie, pozwalają przetwarzać dane tam, gdzie są one przechowywane, czyli po stronie serwera baz danych. Po trzecie, umożliwiają przetwarzani i analizowanie danych z wykorzystaniem wydajnej i skalowanej architektury serwera SQL Server.

W pierwszej części warsztatu skonfigurujemy i nauczymy się pracować z usługami ML serwera SQL Server.

Narzędzia są ważne, ale jeszcze ważniejsza jest wiedza z zakresu uczenia maszynowego, w tym znajomość najlepszych praktyk, sprawdzonych metod, statystyki i algorytmiki. Dlatego w drugiej części warsztatu dowiesz się, jak zrozumieć i przegotować dane do analizy, w części trzeciej wykorzystasz zdobyte umiejętności do zbudowania modeli predykcyjnych, a w części czwartej dowiesz się, jak optymalizować modele uczenia maszynowego.

Czego się nauczysz:

  • Budowania modeli predykcyjnych według sprawdzonych metodologii uczenia maszynowego
  • Skutecznych metod oceny jakości danych
  • Przygotowania danych na potrzeby modeli uczenia maszynowego
  • Budowania modeli predykcyjnych
  • Budowy i działania wybranych algorytmów uczenia maszynowego
  • Efektywnych metod oceny i optymalizacji modeli predykcyjnych.

Wszystko to z wykorzystaniem języków SQL, R ii Python na platformie SQL Server Machine Learning Services.

Warsztat adresujemy do programistów i analityków, zainteresowanych Data Science. Uczestnicy powinni umieć czytać ze zrozumieniem kod SQL i R albo Python, przydatna też będzie znajmośc matematyki i statystyki na poziomie szkoły średniej.