W przypadku rezygnacji do dn. 08.11.2024 r. włącznie, Zgłaszający zobowiązany jest do pokrycia 400 zł netto + VAT.
W przypadku rezygnacji po dn. 08.11.2024 r., Zgłaszający zobowiązany jest do pokrycia 100% wartości netto kosztów udziału, którego dotyczy rezygnacja powiększonych o należny VAT.
REGULAMIN UCZESTNICTWA W Zaawansowana analiza danych – Od wytworzenia informacji do wykorzystania jej w modelach AI „Wydarzenie” zwany dalej „Regulaminem”
§1
Zasady uczestnictwa w Wydarzeniu
Warunkiem uczestnictwa w Wydarzeniu jest dokonanie zgłoszenia Uczestników (zgodnie z definicją §2 ust. 5 poprzez wypełnienie formularza zgłoszeniowego za pośrednictwem strony internetowej www.mmcpolska.pl i uiszczenie opłaty za uczestnictwo we wskazanym terminie.
Koszt uczestnictwa jednego Uczestnika w Wydarzeniu wynosi, w zależności od terminu dokonania zgłoszenia:
2595 zł + 23% VAT do 18.10.2024 r.
2995 zł + 23% VAT do 08.11.2024 r.
3395 zł + 23% VAT po 08.11.2024 r.
Cena uczestnictwa obejmuje prelekcje, materiały oraz certyfikat potwierdzający udział.
Ostateczny termin nadsyłania zgłoszeń to 04.12.2024 r.
Za termin dostarczenia zgłoszenia uznaje się datę jego wpływu na adres mailowy Organizatora.
Zgłoszenie jest ważne i uważa się za potwierdzone w momencie otrzymania, na adres e-mail wskazany przez Zgłaszającego, wiadomości e-mail z potwierdzeniem zgłoszenia i fakturą pro-forma.
Dokonanie zgłoszenia zgodnie z powyższymi ustępami jest wiążącą umową i jest równoznaczne z zapoznaniem się z treścią niniejszego Regulaminu i akceptacją zawartych w nim warunków, w tym zapłatą za dokonanie zgłoszenia.
Udział w Wydarzeniu obejmuje:
utrwalanie wizerunku Uczestników w postaci fotografii analogowych lub cyfrowych, streamingu w Internecie, wideogramów lub utworów audiowizualnych podczas Wydarzenia;
przetwarzanie danych osobowych zgodnie z ustawą z dnia 10 maja 2019 roku (tj. Dz. U. z 2019 r. poz. 1000) o ochronie danych osobowych oraz Ogólnym Rozporządzeniem o Ochronie Danych (RODO), w tym w szczególności poprzez noszenie przez Uczestników w widocznym miejscu identyfikatorów obejmujących następujące dane osobowe: imię, nazwisko, firma.
§2
Postanowienia ogólne
Organizatorem Zaawansowana analiza danych – Od wytworzenia informacji do wykorzystania jej w modelach AI (dalej: „Wydarzenie”), jest MM Conferences S. A. z siedzibą w Warszawie (00-193), przy ul. Stawki 2 (dalej: „Organizator”).
Wydarzenie odbywa się w miejscu i w czasie wskazanym przez Organizatora.
Niniejszy Regulamin stanowi integralną część zgłoszenia uczestnictwa, które następuje poprzez wypełnienie formularza zgłoszeniowego za pośrednictwem strony internetowej, o której mowa w §1 ust. 1.
„Zgłaszający” to podmiot, który poprzez uzupełnienie formularzy zgłasza uczestnika/uczestników Wydarzenia i dokonuje płatności na podstawie otrzymanej faktury pro-forma.
„Uczestnik” to osoba/osoby, zgłoszone przez Zgłaszającego, które mają prawo do udziału w Wydarzeniu.
Organizator zastrzega sobie prawo selekcji zgłoszeń, w szczególności do odrzucania zgłoszeń kierowanych przez podmioty prowadzące działalność konkurencyjną wobec Organizatora.
Organizator zastrzega sobie prawo do zmian w terminie, programie, miejscu, prowadzących i/albo formule wydarzenia.
§3
Płatność i rezygnacja
Płatności, zgodnie z otrzymaną fakturą pro-forma należy dokonać w terminie 7 (siedmiu) dni od jej otrzymania jednakże przed dniem Wydarzenia, o ile zgłoszenie jej dotyczy, na numer rachunku bankowego na niej wskazany.
Rezygnacji z uczestnictw w Wydarzeniu, o ile takowe jest organizowane, można dokonać w każdym momencie z zastrzeżeniem poniższych ustępów.
Rezygnację z uczestnictwa w Wydarzeniu, o ile takowe jest organizowane, należy dokonać pisemnie, listem priorytetowym, na adres siedziby Organizatora wskazany w §2 ust. 1.
Za „Dzień Zgłoszenia Rezygnacji”, uznaje się datę stempla pocztowego.
W przypadku rezygnacji do dn. 08.11.2024 r. włącznie, Zgłaszający zobowiązany jest do pokrycia 400 zł netto + VAT.
W przypadku rezygnacji po dn. 08.11.2024 r., Zgłaszający zobowiązany jest do pokrycia 100% wartości netto kosztów udziału, którego dotyczy rezygnacja powiększonych o należny VAT.
W przypadku, gdy pomimo dokonania rezygnacji, Uczestnik/Uczestnicy wziął/wzięli udział w Wydarzeniu, o ile takowy były organizowany (w sytuacji gdy Wydarzenie odbywa się po Dniu Zgłoszenia Rezygnacji a przed dniem doręczenia odstąpienia do Organizatora), Zgłaszający ma obowiązek zapłacić pełną kwotę za uczestnictwa osób, które wzięły udział w Wydarzeniu.
W przypadku, gdy Zgłaszającym jest osoba fizyczna a zgłoszenie nie dotyczy prowadzonej przez nią działalności gospodarczej, rezygnacji można dokonać w terminie 14 dni od dnia zgłoszenia, pisemnie, listem priorytetowym, na adres siedziby Organizatora wskazany w §1 ust. 1.
Jeżeli przed upływem 14-dniowego terminu na odstąpienie i przed Dniem Zgłoszenia Rezygnacji, o których mowa w ust. 3 i 4 powyżej, odbędzie się Wydarzenie, o ile takowe było organizowane, a zgłoszenie dotyczyło uczestnictwa w niej, Zgłaszający zostanie obciążony pełnymi kosztami, według otrzymanej faktury pro-forma.
Brak rezygnacji z udziału i nie wzięcie udziału w Wydarzeniu, o ile takowe był organizowane a zgłoszenie dotyczyło udziału w niej, powoduje obciążenie pełnymi kosztami uczestnictwa.
Niedokonanie wpłaty nie jest jednoznaczne z rezygnacją z udziału.
Zamiast Uczestnika w Wydarzeniu, o ile takowe jest organizowane, a zgłoszenie dotyczyło uczestnictwa w nim, może wziąć udział inna osoba pod warunkiem przesłania danych osoby zastępczej drogą mailową w terminie do 7 (siedmiu) dni przed rozpoczęciem Wydarzenia.
Dzień 1
9:00
Logowanie do platformy, otwarcie szkolenia
9:15
Moduł 1. Eksploracyjna analiza danych
Wprowadzenie do zaawansowanej analizy danych:
Czym jest zaawansowana analiza danych: Definicje i ich zastosowania
Narzędzia i technologie używane do analizy danych
Aspekty etyczne i społeczne: Omówienie odpowiedzialnego wykorzystania danych
CRISP-DM: Co to jest? Jakie są etapy CRISP-DM
Przygotowanie danych:
Czyszczenie danych, w tym obsługa brakujących wartości, błędów i outlierów
Detekcja anomalii: Techniki identyfikacji danych, które odbiegają od normy
Transformacja danych do odpowiedniego formatu
Integracja danych: Jak skutecznie łączyć dane z różnych źródeł
Eksploracyjna analiza danych (EDA):
Techniki wizualizacji danych, analiza statystyczna, identyfikacja wzorców i korelacji
11:15
Przerwa
11:30
Moduł 2. Statystyczna analiza danych
13:00
Przerwa na lunch
13:30
Moduł 2. c.d Statystyczna analiza danych
Zaawansowane techniki statystyczne: Analiza skupień, analiza głównych składowych (PCA) i inne metody redukcji wymiarowości
Zrozumienie przyczynowości w analizie danych:
Czym jest przyczynowość i jak różni się od korelacji?
Metody statystyczne do badania przyczynowości
14:30
Zakończenie pierwszego dnia szkolenia
Dzień 2
9:00
Logowanie do platformy, otwarcie szkolenia
9:15
Moduł 3. Feature engineering i wstęp do uczenia maszynowego
Feature engineering: Tworzenie, selekcja i transformacja cech w celu poprawy efektywności modeli
Wprowadzenie do uczenia maszynowego: Przegląd algorytmów klasyfikacji i regresji
Zastosowanie uczenia maszynowego w analizie danych
Praktyczne zastosowanie Pythona w analizie danych: Używanie bibliotek takich jak Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn, XGBoost, CatBoost, SHAP
10:45
Przerwa
11:00
Moduł 3. c.d. Feature engineering i wstęp do uczenia maszynowego
Zaawansowane metody uczenia maszynowego: Boosting
Boosting: Wprowadzenie do zespołowych metod uczenia maszynowego
XGBoost (Extreme Gradient Boosting)
LightGBM (Light Gradient Boosting Machine)
Porównanie i wybór techniki boostingu
Feature Importance: Rozumienie wpływu cech na model
Metody oceny ważności cech
Praktyczne zastosowanie w różnych modelach: Jak różne modele (drzewa decyzyjne, modele liniowe, lasy losowe, XGBoost) oceniają i interpretują ważność cech
Wizualizacja ważności cech
13:00
Przerwa na lunch
13:30
Moduł 4. Zaawansowane metody uczenia maszynowego
Drzewa decyzyjne i lasy losowe: Budowanie modeli opartych na drzewach dla złożonych zadań klasyfikacyjnych i regresyjnych
Maszyny wektorów nośnych (SVM) i sieci neuronowe: Implementacja i tuning za pomocą Pythona
Walidacja modeli i optymalizacja hiperparametrów: Techniki walidacji krzyżowej i strojenia hiperparametrów
Interpretacja modeli: Wprowadzenie do wyjaśnialnej AI (XAI) i jej znaczenie w analizie danych
