Bądźmy w kontakcie
 Czas trwania 35 godzin

Plan Szkolenia

Przegląd AI w Pythonie

  • Kluczowe pojęcia i zakres sztucznej inteligencji
  • Biblioteki Pythona do tworzenia rozwiązań AI
  • Struktura projektu AI i przepływ pracy

Przygotowanie danych dla AI

  • Czyszczenie danych, transformacja i inżynieria cech
  • Radzenie sobie z brakującymi i niezrównoważonymi danymi
  • Skalowanie i kodowanie cech

Techniki uczenia nadzorowanego

  • Algorytmy regresji i klasyfikacji
  • Metody zespołowe: lasy losowe, wzmacnianie gradientowe
  • Strojenie hiperparametrów i walidacja krzyżowa

Techniki uczenia nienadzorowanego

  • Metody grupowania: K-średnich, DBSCAN, grupowanie hierarchiczne
  • Redukcja wymiarowości: PCA, t-SNE
  • Przypadki użycia uczenia nienadzorowanego

Sieci neuronowe i uczenie głębokie

  • Wprowadzenie do TensorFlow i Keras
  • Budowanie i trenowanie sieci neuronowych typu feedforward
  • Optymalizacja wydajności sieci neuronowych

Uczenie ze wzmocnieniem (wprowadzenie)

  • Podstawowe pojęcia: agenci, środowiska i nagrody
  • Implementacja podstawowych algorytmów uczenia ze wzmocnieniem
  • Zastosowania uczenia ze wzmocnieniem

Wdrażanie modeli AI

  • Zapisywanie i wczytywanie wytrenowanych modeli
  • Integrowanie modeli z aplikacjami za pomocą API
  • Monitorowanie i utrzymywanie systemów AI w środowisku produkcyjnym

Podsumowanie i dalsze kroki

}

Wymagania

  • Dobra znajomość podstaw programowania w Pythonie
  • Doświadczenie z bibliotekami do analizy danych, takimi jak NumPy i pandas
  • Podstawowa wiedza na temat koncepcji i algorytmów uczenia maszynowego

Grupa docelowa

  • Programiści chcący rozwijać umiejętności w zakresie tworzenia rozwiązań AI
  • Analitycy danych, którzy chcą stosować techniki AI do złożonych zbiorów danych
  • Specjaliści ds. badań i rozwoju budujący aplikacje oparte na AI

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (2)

Propozycje terminów

Powiązane Kategorie